RU2669511C2 - Способ и устройство для идентификации типа изображения - Google Patents
Способ и устройство для идентификации типа изображения Download PDFInfo
- Publication number
- RU2669511C2 RU2669511C2 RU2017105475A RU2017105475A RU2669511C2 RU 2669511 C2 RU2669511 C2 RU 2669511C2 RU 2017105475 A RU2017105475 A RU 2017105475A RU 2017105475 A RU2017105475 A RU 2017105475A RU 2669511 C2 RU2669511 C2 RU 2669511C2
- Authority
- RU
- Russia
- Prior art keywords
- image
- identified
- pixels
- ratio
- halftone
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 abstract description 6
- 239000000126 substance Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000012092 media component Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram 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
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Изобретение относится к области идентификации типа изображения. Технический результат – повышение точности идентификации типа изображения в мобильном терминале. Способ идентификации типа изображения содержит этапы, на которых: получают гистограммы соответственных каналов в предварительно установленном цветовом пространстве изображения, которое должно быть идентифицировано, причем данное предварительно установленное цветовое пространство содержит цветовое пространство RGB; вычисляют соотношения между количествами пикселей смежных полутонов в соответственных каналах согласно этим гистограммам; если соотношение удовлетворяет предварительно установленному условию, определяют изображение, которое должно быть идентифицировано, как естественное изображение; и если соотношение не удовлетворяет этому предварительно определенному условию, определяют изображение, которое должно быть идентифицировано, как комбинированное изображение, при этом данное предварительно установленное условие содержит количество десятичных разрядов соотношения превышающее пять. 3 н. и 8 з.п. ф-лы, 14 ил.
Description
Перекрестная ссылка на родственные заявки
[0001] Эта заявка основана на китайской заявке на патент №201610097153.1, поданной 22 февраля 2016г., все содержание которой включено в настоящее описание посредством ссылки, и испрашивает ее приоритет.
Область техники, к которой относится изобретение
[0002] Настоящее раскрытие, в целом, относится к области технологии связи и, более конкретно, к способу и устройству для идентификации типа изображения.
Уровень техники
[0003] Изображения, отображаемые на устройствах отображения, могут, в целом, подразделяться на два типа: одним типом изображений являются искусственно созданные изображения, которые называются комбинированными изображениями, а другим типом изображений являются изображения, существующие в реальном мире, которые называются естественными изображениями. Обычно комбинированное изображение является изображением, построенным ручным способом, с содержанием, находящимся в соответствии с характеристиками устройства отображения, в соответствии с характеристиками устройства отображения, например, красивое изображение строится в соответствии с глубиной цвета, цветовой гаммой и коэффициентом контрастности, которые могут отображаться устройством отображения. Естественное изображение обычно показывает явления, действительно существующие в реальном мире, без обработки относительно характеристик конкретного устройства отображения. Таким образом, естественное изображение может обрабатываться с использованием специального способа обработки изображения на более поздней стадии, чтобы таким образом сделать естественное изображение более красивым. Однако, если комбинированное изображение обрабатывается на более поздней стадии, красота комбинированного изображения может быть испорчена.
[0004] Вследствие этого, до выполнения постобработки изображения, необходимо идентифицировать тип изображения, а затем определить выполнять ли для изображения операцию, такую как постобработка, в соответствии с типом изображения, сохраняя, таким образом, красоту изображения.
[0005] В настоящее время тип изображения может идентифицироваться с помощью применения способа вычисления энтропии изображения. Если энтропия изображения является большей, чем предварительно установленное пороговое значение, можно определить, что изображение является естественным изображением, а если энтропия изображения является меньшей или равной предварительно установленному пороговому значению, можно определить, что изображение является комбинированным изображением. Однако с таким способом идентификации объем вычислений данных является огромным, в связи с этим, такой способ идентификации является неподходящим для идентификации типов изображений в мобильном терминале, таком как мобильный телефон.
Раскрытие изобретения
[0006] Для того чтобы решить проблемы, существующие в уровне техники, настоящее раскрытие предлагает способ и устройство для идентификации типа изображения.
[0007] В соответствии с первым аспектом вариантов осуществления настоящего раскрытия, предлагается способ идентификации типа изображения, включающий в себя:
[0008] получение гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации;
[0009] вычисление соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами;
[0010] если соотношение удовлетворяет предварительно установленному условию, определение изображения, подлежащего идентификации, как естественного изображения; и
[0011] если соотношение не удовлетворяет предварительно определенному условию, определение изображения, подлежащего идентификации, как комбинированного изображения.
[0012] В варианте осуществления предварительно установленное цветовое пространство включает в себя цветовое пространство красный-зеленый-синий RGB, а предварительно установленное условие включает в себя: количество десятичных разрядов соотношения, превышающее 5.
[0013] В варианте осуществления вычисление соотношений между количествами пикселей смежных полутонов в соответствующих каналах включает в себя:
[0014] по отношению к отдельным каналам, соответственное вычисление соотношения между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона, и соотношения между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем , , и как i, так и n -являются целыми числами.
[0015] В варианте осуществления способ дополнительно включает в себя:
[0016] выполнение статистики относительно количества соотношений, которые не удовлетворяют предварительно установленному условию; и
[0017] если количество соотношений превышает предварительно установленное число, определение изображения, подлежащего идентификации, как комбинированного изображения.
[0018] В варианте осуществления способ дополнительно включает в себя:
[0019] до получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, фильтрацию шума в изображении, подлежащем идентификации.
[0020] В варианте осуществления способ дополнительно включает в себя:
[0021] получение информации признаков изображения, подлежащего идентификации;
[0022] определение совпадает ли информация признаков изображения, подлежащего идентификации, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков включает в себя информацию признаков, принадлежащую к комбинированному изображению; и
[0023] если они совпадают, определение изображения, подлежащего идентификации, как комбинированного изображения.
[0024] В соответствии со вторым аспектом вариантов осуществления настоящего раскрытия, предлагается устройство для идентификации типа изображения, включающее в себя:
[0025] модуль получения, выполненный с возможностью получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации;
[0026] модуль вычисления, выполненный с возможностью вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами, полученными модулем получения;
[0027] первый модуль определения, выполненный с возможностью, если соотношение, вычисленное модулем вычисления, удовлетворяет предварительно установленному условию, определения изображения, подлежащего идентификации, как естественного изображения; и
[0028] второй модуль определения, выполненный с возможностью, если соотношение, вычисленное модулем вычисления, не удовлетворяет предварительно определенному условию, определения изображения, подлежащего идентификации, как комбинированного изображения.
[0029] В варианте осуществления предварительно установленное цветовое пространство включает в себя цветовое пространство красный-зеленый-синий RGB, а предварительно установленное условие включает в себя: количество десятичных разрядов соотношения, превышающее 5.
[0030] В варианте осуществления модуль вычисления выполнен с возможностью:
[0031] по отношению к отдельным каналам, соответственного вычисления соотношения между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона, и соотношения между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем , , и как i, так и n -являются целыми числами.
[0032] В варианте осуществления устройство дополнительно включает в себя:
[0033] статистический модуль, выполненный с возможностью выполнения статистики относительно количества соотношений, которые не удовлетворяют предварительно установленному условию; и
[0034] третий модуль определения, выполненный с возможностью, если количество соотношений, полученных статистическим модулем, превышает предварительно установленное число, определения изображения, подлежащего идентификации, как комбинированного изображения.
[0035] В варианте осуществления устройство дополнительно включает в себя:
[0036] модуль фильтрации, выполненный с возможностью, до получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, модулем получения, фильтрации шума в изображении, подлежащем идентификации.
[0037] В варианте осуществления устройство дополнительно включает в себя:
[0038] модуль получения информации признаков, выполненный с возможностью получения информации признаков изображения, подлежащего идентификации;
[0039] модуль определения, выполненный с возможностью определения совпадает ли информация признаков изображения, подлежащего идентификации, полученная модулем получения информации признаков, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков включает в себя информацию признаков, принадлежащую к комбинированному изображению; и
[0040] четвертый модуль определения, выполненный с возможностью, если модуль определения определяет, что они совпадают, определения изображения, подлежащего идентификации, как комбинированного изображения.
[0041] В соответствии с третьим аспектом вариантов осуществления настоящего раскрытия, предлагается устройство для идентификации типа изображения, включающее в себя:
[0042] процессор; и
[0043] память для хранения инструкций, выполняемых процессором;
[0044] причем процессор выполнен с возможностью:
[0045] получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации;
[0046] вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами;
[0047] если соотношение удовлетворяет предварительно установленному условию, определения изображения, подлежащего идентификации, как естественного изображения; и
[0048] если соотношение не удовлетворяет предварительно установленному условию, определения изображения, подлежащего идентификации, как комбинированного изображения.
[0049] Технические решения, предлагаемые вариантами осуществления настоящего раскрытия, могут иметь следующие преимущественные результаты: с помощью получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации; вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с полученными гистограммами; а затем определения типа изображения, подлежащего идентификации, в соответствии с тем, удовлетворяет ли соотношение предварительно установленному условию, во время всей процедуры идентификации требуется небольшое число вычислений, таким образом, настоящее раскрытие подходит для идентификации типа изображения в мобильном терминале, таком как мобильный телефон, и имеет большую применимость.
[0050] Следует понимать, что, как предыдущее общее описание, так и следующее подробное описание являются только иллюстративными и пояснительными, а не ограничивают изобретение, как заявлено.
Краткое описание чертежей
[0051] Сопровождающие чертежи, которые включены в это описание и составляют его часть, иллюстрируют варианты осуществления, согласующиеся с изобретением, и вместе с описанием служат, чтобы объяснять принципы изобретения.
[0052] Фиг.1 - блок-схема последовательности этапов способа идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0053] Фиг.2а - первая схематическая диаграмма гистограммы красного канала изображения, подлежащего идентификации, в соответствии с иллюстративным вариантом осуществления.
[0054] Фиг.2b - первая схематическая диаграмма гистограммы зеленого канала изображения, подлежащего идентификации, в соответствии с иллюстративным вариантом осуществления.
[0055] Фиг.2с - первая схематическая диаграмма гистограммы синего канала изображения, подлежащего идентификации, в соответствии с иллюстративным вариантом осуществления.
[0056] Фиг.3а - вторая схематическая диаграмма гистограммы красного канала изображения, подлежащего идентификации, в соответствии с иллюстративным вариантом осуществления.
[0057] Фиг.3b - вторая схематическая диаграмма гистограммы зеленого канала изображения, подлежащего идентификации, в соответствии с иллюстративным вариантом осуществления.
[0058] Фиг.3с - вторая схематическая диаграмма гистограммы синего канала изображения, подлежащего идентификации, в соответствии с иллюстративным вариантом осуществления.
[0059] Фиг.4 - блок-схема последовательности этапов другого способа идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0060] Фиг.5 - блок-схема последовательности этапов другого способа идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0061] Фиг.6 - блок-схема устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0062] Фиг.7 - блок-схема другого устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0063] Фиг.8 - блок-схема другого устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0064] Фиг.9 - блок-схема другого устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
[0065] Фиг.10 - блок-схема устройства, подходящего для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления.
Осуществление изобретения
[0066] Теперь будет приведено подробное описание иллюстративных вариантов осуществления, примеры которых проиллюстрированы на сопровождающих чертежах. Следующее описание ссылается на сопровождающие чертежи, на которых одинаковые номера на разных чертежах представляют одинаковые или подобные элементы, если не указано иное. Осуществления, приведенные в следующем описании иллюстративных вариантов осуществления, не представляют все осуществления, согласующиеся с изобретением. Вместо этого они являются только примерами устройств и способов, согласующихся с аспектами, связанными с изобретением, как перечислено в прилагаемой формуле изобретения.
[0067] Фиг.1 - блок-схема последовательности этапов способа идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.1, способ идентификации типа изображения может применяться в мобильном терминале, а мобильный терминал может включать в себя, но не ограничен, терминальное устройство, такое как мобильный телефон и планшетный компьютер (PAD). Способ включает в себя следующие этапы S101-S104.
[0068] На этапе S101 получают гистограммы соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации.
[0069] В этом варианте осуществления разные типы изображений имеют разные характеристики в гистограммах соответствующих каналов в предварительно установленном цветовом пространстве. Таким образом, тип изображения может идентифицироваться с помощью анализа характеристик гистограммы.
[0070] Предварительно установленное цветовое пространство может быть цветовым пространством, таким как цветовое пространство красный-зеленый-синий (RGB), и цветовое(LAB) пространство яркости.
[0071] Например, могут быть получены гистограммы соответствующих каналов в цветовом пространстве RGB изображения, подлежащего идентификации. Примером гистограмм трех каналов RGB изображения, подлежащего идентификации, могут быть, изображенные на Фиг.2а - Фиг.2с, или примером гистограмм трех каналов RGB изображения, подлежащего идентификации, могут быть, изображенные на Фиг.3а - Фиг.3с.
[0072] Ось абсцисс гистограмм указывает значения полутонов 0~255, а их вертикальная ось указывает количество соответствующих пикселей полутона.
[0073] На этапе S102 вычисляются соотношения между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с полученными гистограммами.
[0074] В этом варианте осуществления соотношения между количествами пикселей смежных полутонов в соответствующих каналах изображения могут вычисляться в соответствии с полученными гистограммами.
[0075] Например, соотношения между количествами пикселей смежных полутонов в трех каналах красный-зеленый-синий могут вычисляться в соответствии с гистограммами, изображенными на Фиг.2а - Фиг.2с, или гистограммами, изображенными на Фиг.3а - Фиг.3с.
[0076] В этом варианте осуществления способ вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах может быть следующим:
[0077] по отношению к отдельным каналам, соответственно вычисляют соотношения между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона, и соотношения между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем , , и как i, так и n -являются целыми числами. Предпочтительное значение n может быть 1-5.
[0078] Например, могут вычисляться следующие соотношения в красном канале: соотношение между количеством пикселей 1-го полутона и количеством пикселей 0-го полутона, и соотношение между количеством пикселей 1-го полутона и количеством пикселей 2-го полутона, соотношение между количеством пикселей 2-го полутона и количеством пикселей 1-го полутона, и соотношение между количеством пикселей 2-го полутона и количеством пикселей 3-го полутона, соотношение между количеством пикселей 3-го полутона и количеством пикселей 2-го полутона и соотношение между количеством пикселей 3-го полутона и количеством пикселей 4-го полутона,…,соотношение между количеством пикселей 254-го полутона и количеством пикселей 253-го полутона, и соотношение между количеством пикселей 254-го полутона и количеством пикселей 255-го полутона.
[0079] Допуская, что в гистограмме красного канала, изображенной на Фиг.3а, имеются 1624 пикселей 89-го полутона, 1609 пикселей 90-го полутона и 1554 пикселей 91-го полутона, тогда соотношение между пикселями 90-го полутона и пикселями 89-го полутона равно 0,9907635, а соотношение между пикселями 90-го полутона и пикселями 91-го полутона равно 1,03539253.
[0080] На этапе S103, если вычисленное соотношение удовлетворяет предварительно установленному условию, определяется, что изображение, подлежащего идентификации, является естественным изображением.
[0081] В этом варианте осуществления, когда предварительно установленное цветовое пространство является RGB, предварительно установленным условием может быть: количество десятичных разрядов соотношения превышает 5.
[0082] Если вычисленное соотношение удовлетворяет предварительно установленному условию, т.е. количество десятичных разрядов вычисленного соотношения превышает 5, тогда изображение, подлежащее идентификации, является естественным изображением.
[0083] Продолжая описание, используя вышеупомянутый пример, поскольку соотношение между пикселями 90-го полутона и пикселями 89-го полутона равно 0,9907635, а соотношение между пикселями 90-го полутона и пикселями 91-го полутона равно 1,03539253, количества десятичных разрядов обоих соотношений превышает 5, таким образом, предварительно можно определить, что изображение, соответствующее Фиг.3а, является естественным изображением. Если количества десятичных разрядов чисел соотношений между пикселями смежных полутонов в гистограммах, изображенных на Фиг.3b - Фиг.3с, также превышает 5, тогда можно определить, что изображение, соответствующее Фиг.3а-Фиг.3с, является естественным изображением.
[0084] На этапе S104, если вычисленное соотношение не удовлетворяет предварительно установленному условию, определяется, что изображение, подлежащее идентификации, является комбинированным изображением.
[0085] В этом варианте осуществления, если вычисленное соотношение не удовлетворяет предварительно установленному условию, т.е. вычисленное соотношение является целым числом, или количество десятичных разрядов вычисленного соотношения не превышает 5, тогда изображение, подлежащее идентификации, является комбинированным изображением.
[0086] Допуская, что в гистограмме красного канала, изображенной на Фиг.2а, соотношение между пикселями 1-го полутона и пикселями 0-го полутона равно 0,01, а соотношение между пикселями 1-го полутона и пикселями 2-го полутона равно 100, поскольку вычисленные соотношения не удовлетворяют предварительно установленному условию, предварительно можно определить, что изображение, соответствующее Фиг.2а, является комбинированным изображением. Если количества десятичных разрядов соотношений между количествами пикселей смежных полутонов в гистограммах, изображенных на Фиг.2b - Фиг.2с, также не удовлетворяет предварительно установленному условию, тогда можно определить, что изображение, соответствующее Фиг.2а-Фиг.2с, является комбинированным изображением.
[0087] В этом варианте осуществления, для того чтобы улучшить степень точности идентификации типа изображения, способ дополнительно включает в себя: выполнение статистики относительно количества соотношений, которые не удовлетворяют предварительно установленному условию, и, если количество соотношений превышает предварительно установленное число, определение изображения, подлежащего идентификации, как комбинированного изображения. Предварительно установленное число может устанавливаться гибко в соответствии с требованиями, например, может быть 6 или 8, или тому подобным.
[0088] При допущении, что на гистограммах трех каналов, изображенных на Фиг.2а - Фиг.2с, количество соотношений, которые не удовлетворяют предварительно установленному условию, равно 508, тогда можно дополнительно определить, что изображение, соответствующее Фиг.2а-Фиг.2с, является комбинированным изображением.
[0089] В вышеупомянутом варианте осуществления способа идентификации типа изображения с помощью получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации; вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с полученными гистограммами; а затем определения типа изображения, подлежащего идентификации, в соответствии с тем, удовлетворяет ли соотношение предварительно определенному условию, требуется небольшое число вычислений во время всей процедуры идентификации, таким образом, настоящее раскрытие подходит для идентификации типа изображения в мобильном терминале, таком как мобильный телефон, и имеет большую применимость.
[0090] Фиг.4 - блок-схема последовательности этапов другого способа идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.4, до вышеупомянутого этапа S101 способ дополнительно включает в себя следующий этап.
[0091] На этапе S100 фильтруется шум в изображении, подлежащем идентификации.
[0092] Шум в изображении, главным образом, относится к грубой части в изображении, сгенерированном, когда датчик камеры расценивает световой луч в качестве принятого сигнала и выводит световой луч, или относится к постороннему пикселю, который обычно генерируется электронными помехами, и не должен находиться в изображении.
[0093] В этом варианте осуществления до получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, может сначала фильтроваться шум в изображении, подлежащем идентификации, в таком случае, полученные гистограммы могут быть более точными, и, таким образом, улучшается степень точности идентификации типа изображения.
[0094] В вышеупомянутом варианте осуществления способа идентификации типа изображения с помощью фильтрации шума, в изображении, подлежащем идентификации, полученные гистограммы являются более точными, и, таким образом, улучшается степень точности идентификации типа изображения.
[0095] На Фиг.5 изображена блок-схема последовательности этапов другого способа идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.5, способ может дополнительно включать в себя следующие этапы.
[0096] На этапе S501 получается информация признаков изображения, подлежащего идентификации.
[0097] В этом варианте осуществления библиотека признаков комбинированного изображения может создаваться заранее. Библиотека признаков включает в себя информацию признаков , принадлежащую к комбинированному изображению. Таким образом, с помощью получения информации признаков изображения, подлежащего идентификации, и сравнения полученной информации признаков с библиотекой признаков, можно идентифицировать является ли изображение, подлежащее идентификации, комбинированным изображением.
[0098] Библиотека признаков может включать в себя, но не ограничена, один или несколько видов следующей информации признаков: информацию признака количества пикселей в трех каналах RGB комбинированного изображения, информацию признака монохромного изображения комбинированного изображения и тому подобную.
[0099] В этом варианте осуществления, для того чтобы сравниваться с информацией признаков в библиотеке признаков, может получаться информация признаков количества пикселей в трех каналах RGB изображения, подлежащего идентификации, или информация признака красного изображения изображения, подлежащего идентификации.
[00100] На этапе S502 определяется, совпадает ли информация признаков изображения, подлежащего идентификации, с информацией признаков в предварительно созданной библиотеке признаков, и, если они совпадают, выполняется этап S503, иначе выполняется этап S504.
[00101] На этапе S503 изображение, подлежащее идентификации, определяется как комбинированное изображение, и процедура заканчивается.
[00102] При допущении, что Фиг.2а - Фиг.2с изображают гистограммы трех каналов RGB изображения, подлежащего идентификации, из Фиг.2а - Фиг.2с можно понять, что гистограммы трех каналов RGB изображения, подлежащего идентификации, являются одинаковыми, таким образом, можно получить, что количества пикселей трех каналов RGB изображения, подлежащего идентификации, являются одинаковыми, т.е. информация признаков изображения совпадает с информацией признаков в библиотеке признаков, таким образом, можно определить, что изображение, подлежащее идентификации, является комбинированным изображением.
[00103] На этапе S504 определяется, что изображение, подлежащее идентификации, не является комбинированным изображением.
[00104] В этом варианте осуществления, если информация признаков изображения, подлежащего идентификации, не совпадает с информацией признаков в предварительно созданной библиотеке признаков, можно определить, что изображение, подлежащее идентификации, не является комбинированным изображением.
[00105] Следует объяснить, что дополнительно к использованию этого способа для идентификации типа изображения, также можно использовать этот способ для корректировки уже идентифицированного типа изображения. Например, допуская, что текущее изображение ранее было идентифицировано как комбинированное изображения, можно дополнительно определить является ли изображение комбинированным изображением, с помощью получения информации признаков изображения и сравнения информации признаков с информацией признаков в библиотеке признаков, таким образом, чтобы значительно улучшить степень точности идентификации.
[00106] В вышеупомянутом варианте осуществления способа идентификации типа изображения то, является ли изображение, подлежащее идентификации, комбинированным изображением, определяется с помощью определения совпадает ли полученная информация признаков изображения, подлежащего идентификации, с информацией признаков в предварительно созданной библиотеке признаков, дополнительно предложен способ идентификации комбинированного изображения, такой, что способы идентификации типа изображения являются разнообразными, а также можно корректировать идентифицированный тип изображения, таким образом, значительно улучшая степень точности идентификации.
[00107] Соответственно вышеупомянутым вариантам осуществления способа для идентификации типа изображения, настоящее раскрытие также предлагает варианты осуществления устройства для идентификации типа изображения.
[00108] На Фиг.6 изображена блок-схема устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.6, устройство для идентификации типа изображения включает в себя: модуль 61 получения, модуль 62 вычисления, первый модуль 63 определения и второй модуль 64 определения.
[00109] Модуль 61 получения выполнен с возможностью получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации.
[00110] В этом варианте осуществления разные типы изображений имеют разные характеристики в гистограммах соответствующих каналов в предварительно установленном цветовом пространстве. Таким образом, тип изображения может идентифицироваться с помощью анализа характеристик гистограммы.
[00111] Предварительно установленное цветовое пространство может быть цветовым пространством, таким как цветовое пространство красный-зеленый-синий (RGB), и цветовое (LAB) пространство яркости.
[00112] Например, могут быть получены гистограммы соответствующих каналов в цветовом пространстве RGB изображения, подлежащего идентификации. Примером гистограмм трех каналов RGB изображения, подлежащего идентификации, могут быть изображенные на Фиг.2а - Фиг.2с, или примером гистограмм трех каналов RGB изображения, подлежащего идентификации, могут быть изображенные на Фиг.3а - Фиг.3с.
[00113] Ось абсцисс гистограмм указывает значения полутонов 0~255, а их вертикальная ось указывает количество пикселей соответствующих полутонов.
[00114] Модуль 62 вычисления выполнен с возможностью вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами, полученными модулем 61 получения.
[00115] В этом варианте осуществления соотношения между количествами пикселей смежных полутонов в соответствующих каналах изображения могут вычисляться в соответствии с полученными гистограммами.
[00116] Например, соотношения между количествами пикселей смежных полутонов в трех каналах красный-зеленый-синий могут вычисляться в соответствии с гистограммами, изображенными на Фиг.2а - Фиг.2с, или гистограммами, изображенными на Фиг.3а-Фиг.3с.
[00117] В этом варианте осуществления способ вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах может быть следующим:
[00118] по отношению к отдельным каналам, соответственное вычисление соотношения между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона, и соотношения между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем , , и как i, так и n -являются целыми числами. Предпочтительное значение n может быть 1-5.
[00119] Например, могут вычисляться следующие соотношения в красном канале: соотношение между количеством пикселей 1-го полутона и количеством пикселей 0-го полутона, и соотношение между количеством пикселей 1-го полутона и количеством пикселей 2-го полутона, соотношение между количеством пикселей 2-го полутона и количеством пикселей 1-го полутона, и соотношение между количеством пикселей 2-го полутона и количеством пикселей 3-го полутона, соотношение между количеством пикселей 3-го полутона и количеством пикселей 2-го полутона и соотношение между количеством пикселей 3-го полутона и количеством пикселей 4-го полутона,…,соотношение между количеством пикселей 254-го полутона и количеством пикселей 253-го полутона, и соотношение между количеством пикселей 254-го полутона и количеством пикселей 255-го полутона.
[00120] Допуская, что в гистограмме красного канала, изображенной на Фиг.3а, имеются 1624 пикселя 89-го полутона, 1609 пикселей 90-го полутона и 1554 пикселя 91-го полутона, тогда соотношение между пикселями 90-го полутона и пикселями 89-го полутона равно 0,9907635, а соотношение между пикселями 90-го полутона и пикселями 91-го полутона равно 1,03539253.
[00121] Первый модуль 63 определения выполнен с возможностью, если соотношение, вычисленное модулем 62 вычисления, удовлетворяет предварительно установленному условию, определения, что изображение, подлежащее идентификации, является естественным изображением.
[00122] В этом варианте осуществления, если предварительно установленное цветовое пространство является RGB, предварительно установленным условием может быть: количество десятичных разрядов соотношения превышает 5.
[00123] Если вычисленное соотношение удовлетворяет предварительно установленному условию, т.е. количество десятичных разрядов вычисленного соотношения превышает 5, тогда изображение, подлежащее идентификации, является естественным изображением.
[00124] Продолжая описание, используя вышеупомянутый пример, поскольку соотношение между пикселями 90-го полутона и пикселями 89-го полутона равно 0,9907635, а соотношение между пикселями 90-го полутона и пикселями 91-го полутона равно 1,03539253, количества десятичных разрядов обоих соотношений превышает 5, таким образом, предварительно можно определить, что изображение, соответствующее Фиг.3а, является естественным изображением. Если количества десятичных разрядов чисел соотношений между пикселями смежных полутонов в гистограммах, изображенных на Фиг.3b-Фиг.3с, также превышает 5, тогда можно определить, что изображение, соответствующее Фиг.3а-Фиг.3с, является естественным изображением.
[00125] Второй модуль 64 определения выполнен с возможностью, если соотношение, вычисленное модулем 62 вычисления, не удовлетворяет предварительно установленному условию, определения, что изображение, подлежащее идентификации, является комбинированным изображением.
[00126] В этом варианте осуществления, если вычисленное соотношение не удовлетворяет предварительно установленному условию, т.е. вычисленное соотношение является целым числом, или количество десятичных разрядов вычисленного соотношения не превышает 5, тогда изображение, подлежащее идентификации, является комбинированным изображением.
[00127] Допуская, что в гистограмме красного канала, изображенной на Фиг.2а, соотношение между пикселями 1-го полутона и пикселями 0-го полутона равно 0,01, а соотношение между пикселями 1-го полутона и пикселями 2-го полутона равно 100, поскольку вычисленное соотношение не удовлетворяет предварительно установленному условию, предварительно можно определить, что изображение, соответствующее Фиг.2а, является комбинированным изображением. Если количества десятичных разрядов соотношений между количествами пикселей смежных полутонов в гистограммах, изображенных на Фиг.2b-Фиг.2с, также не удовлетворяют предварительно установленному условию, тогда можно определить, что изображение, соответствующее Фиг.2а-Фиг.2с, является комбинированным изображением.
[00128] Устройство, изображенное на Фиг.6, используется для осуществления процедуры способа, изображенного на Фиг.1, и рассматриваемое соответствующее содержание является одинаковым, и не конкретизируется в настоящей заявке.
[00129] В вышеупомянутых вариантах осуществления устройства для идентификации типа изображение с помощью получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации; вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с полученными гистограммами; а затем определения типа изображения, подлежащего идентификации, в соответствии с тем, удовлетворяет ли соотношение предварительно определенному условию, требуется небольшое число вычислений во время всей процедуры идентификации, таким образом, настоящее раскрытие подходит для идентификации типа изображения в мобильном терминале, таком как мобильный телефон, и имеет большую применимость.
[00130] На Фиг.7 изображена блок-схема другого устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.7, основанной на вышеупомянутом варианте осуществления, изображенном на Фиг.6, устройство может дополнительно включать в себя: статистический модуль 65 и третий модуль 66 определения.
[00131] Статистический модуль 65 выполнен с возможностью выполнения статистики относительно количества соотношений, которые не удовлетворяют предварительно установленному условию.
[00132] Третий модуль 66 определения выполнен с возможностью, если количество соотношений, полученных статистическим модулем 65, превышает предварительно установленное число, определения изображения, подлежащего идентификации, как комбинированного изображения.
[00133] В этом варианте осуществления, для того чтобы улучшить степень точности идентификации типа изображения, способ дополнительно включает в себя: выполнение статистики относительно количества соотношений, которые не удовлетворяют предварительно установленному условию, и, если количество соотношений превышает предварительно установленное число, определение изображения, подлежащего идентификации, как комбинированного изображения. Предварительно установленное число может устанавливаться гибко в соответствии с требованиями, например, может быть 6 или 8, или тому подобным.
[00134] При допущении, что на гистограммах трех каналов, изображенных на Фиг.2а - Фиг.2с, количество соотношений, которые не удовлетворяют предварительно установленному условию, равно 508, тогда можно дополнительно определить, что изображение, соответствующее Фиг.2а-Фиг.2с, является комбинированным изображением.
[00135] Устройство, изображенное на Фиг.7, используется для осуществления процедуры способа, изображенного на Фиг.1, и рассматриваемое соответствующее содержание является одинаковым, и не конкретизируется в настоящей заявке.
[00136] В вышеупомянутых вариантах осуществления устройства для идентификации типа изображения, если статистическое количество соотношений превышает предварительно установленное число, определяется, что изображение, подлежащее идентификации, является комбинированным изображением, таким образом, может улучшаться степень точности идентификации типа изображения.
[00137] На Фиг.8 изображена блок-схема другого устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.8, основанной на вышеупомянутом варианте осуществления, изображенном на Фиг.6, устройство может дополнительно включать в себя модуль 60 фильтрации.
[00138] Модуль 60 фильтрации выполнен с возможностью, до получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, модулем 61 получения, фильтрации шума в изображении, подлежащем идентификации.
[00139] Шум в изображении, главным образом, относится к грубой части в изображении, сгенерированном, когда датчик камеры расценивает световой луч в качестве принятого сигнала и выводит световой луч, или относится к постороннему пикселю, который обычно генерируется электронными помехами, и не должен находиться в изображении. [00140] В этом варианте осуществления до получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, шум в изображении, подлежащем идентификации, может сначала фильтроваться, в таком случае, полученные гистограммы могут быть более точными, и, таким образом, улучшается степень точности идентификации типа изображения.
[00141] Устройство, изображенное на Фиг.8, используется для осуществления процедуры способа, изображенного на Фиг.4, и рассматриваемое соответствующее содержание является одинаковым, и не конкретизируются в настоящей заявке.
[00142] В вышеупомянутом варианте осуществления устройства для идентификации типа изображения с помощью фильтрации шума, в изображении, подлежащем идентификации, полученные гистограммы являются более точными, и, таким образом, улучшается степень точности идентификации типа изображения.
[00143] На Фиг.9 изображена блок-схема другого устройства для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Как изображено на Фиг.9, основанной на вышеупомянутом варианте осуществления, изображенном на Фиг.6, устройство может дополнительно включать в себя: модуль 91 получения информации признаков, модуль 92 определения и четвертый модуль 93 определения.
[00144] Модуль 91 получения информации признаков выполнен с возможностью получения информация признаков изображения, подлежащего идентификации.
[00145] В этом варианте осуществления библиотека признаков комбинированного изображения может создаваться заранее. Библиотека признаков включает в себя информацию признаков, принадлежащую к комбинированному изображению. Таким образом, с помощью получения информации признаков изображения, подлежащего идентификации, и сравнения полученной информации признаков с библиотекой признаков, можно идентифицировать является ли изображение, подлежащее идентификации, комбинированным изображением.
[00146] Библиотека признаков может включать в себя, но не ограничена, один или несколько видов следующей информации признаков: информацию признака количества пикселей в трех каналах RGB комбинированного изображения, информацию признака монохромного изображения комбинированного изображения и тому подобную.
[00147] В этом варианте осуществления, для того чтобы сравниваться с информацией признаков в библиотеке признаков, может получаться информация признака количеств пикселей в трех каналах RGB изображения, подлежащего идентификации, или информация признака красного изображения изображения, подлежащего идентификации.
[00148] Модуль 92 определения выполнен с возможностью определения совпадает ли информация признаков изображения, подлежащего идентификации, полученная модулем 91 получения информации признаков, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков включает в себя информацию признаков, принадлежащую к комбинированному изображению.
[00149] Четвертый модуль 93 определения выполнен с возможностью, если модуль 92 определения определяет, что они совпадают, определения изображения, подлежащего идентификации, как комбинированного изображения.
[00150] При допущении, что Фиг.2а - Фиг.2с изображают гистограммы трех каналов RGB изображения, подлежащего идентификации, из Фиг.2а - Фиг.2с можно понять, что гистограммы трех каналов RGB изображения, подлежащего идентификации, являются одинаковыми, таким образом, можно получить, что количества пикселей трех каналов RGB изображения, подлежащего идентификации, являются одинаковыми, т.е. информация признаков изображения совпадает с информацией признаков в библиотеке признаков, таким образом, можно определить, что изображение, подлежащее идентификации, является комбинированным изображением.
[00151] В этом варианте осуществления, если информация признаков изображения, подлежащего идентификации, не совпадает с информацией признаков в предварительно созданной библиотеке признаков, можно определить, что изображение, подлежащее идентификации, не является комбинированным изображением.
[00152] Следует объяснить, что дополнительно к использованию этого способа для идентификации типа изображения, также можно использовать этот способ для корректировки уже идентифицированного типа изображения. Например, допуская, что текущее изображение ранее было идентифицировано как комбинированное изображения, можно дополнительно определить является ли изображение комбинированным изображением, с помощью получения информации признаков изображения и сравнения информации признаков с информацией признаков в библиотеке признаков, таким образом, чтобы значительно улучшить степень точности идентификации.
[00153] Устройство, изображенное на Фиг.9, используется для осуществления процедуры способа, изображенного на Фиг.5, и рассматриваемое соответствующее содержание является одинаковым, и не конкретизируются в настоящей заявке.
[00154] В вышеупомянутом варианте осуществления устройства для идентификации типа изображения то, является ли изображение, подлежащее идентификации, комбинированным изображением определяется с помощью определения совпадает ли полученная информация признаков изображения, подлежащего идентификации, с информацией признаков в предварительно созданной библиотеки признаков, дополнительно предложен способ идентификации комбинированного изображения, такой, что способы идентификации типа изображения являются разнообразными, а также можно корректировать идентифицированный тип изображения, таким образом, значительно улучшая степень точности идентификации.
[00155] Относительно устройств в вышеупомянутых вариантах осуществления, конкретные способы выполнения операций для отдельных модулей и подмодулей в них были описаны подробно в вариантах осуществления относительно способов, которые не будут детализированы в настоящей заявке.
[00156] На Фиг.10 изображена блок-схема устройства 1000, подходящего для идентификации типа изображения в соответствии с иллюстративным вариантом осуществления. Например, устройство 1000 может быть мобильным телефоном, компьютером, цифровым широковещательным терминалом, устройством обмена сообщениями, игровой консолью, планшетным устройством, медицинским устройством, тренировочным оборудованием, персональным цифровым ассистентом, воздушным судном и тому подобным.
[00157] Ссылаясь на Фиг.10, устройство 1000 может включать в себя один или множество следующих компонентов: компонент 1002 обработки, память 1004, компонент 1006 питания, компонент 10010 мультимедиа, аудио компонент 1010, интерфейс 1012 ввода/вывода (I/O), компонент 1014 датчика и компонент 1016 связи.
[00158] Компонент 1002 обработки обычно управляет общими операциями устройства 1000, такими как операции, связанные с отображением, телефонными вызовами, передачами данных, операциями камеры и операциями записи. Компонент 1002 обработки может включать в себя один или более процессоров 1020 с возможностью выполнения инструкций, чтобы выполнять все или часть этапов описанных выше способов. Кроме того, компонент 1002 обработки может включать в себя один или более модулей, которые облегчают взаимодействие между компонентом 1002 обработки и другими компонентами. Например, компонент 1002 обработки может включать в себя модуль мультимедиа, чтобы облегчать взаимодействие между компонентом 1008 мультимедиа и компонентом 1002 обработки.
[00159] Память 1004 выполнена с возможностью хранения различных типов данных, чтобы поддерживать работу устройства 1000. Примеры таких данных включают в себя инструкции для любых приложений или способов, работающих на устройстве 1000, контактные данные, данные телефонной книги, сообщения, изображения, видео и т.д. Память 1004 может быть реализована с использованием любого типа энергозависимых или энергонезависимых устройств памяти, или их комбинации, такого как статическая память произвольного доступа (SRAM), электрически стираемая программируемая постоянная память (EEPROM), стираемая программируемая постоянная память (EPROM), программируемая постоянная память (PROM), постоянная память (ROM), магнитная память, флэш-память, магнитный или оптический диск.
[00160] Компонент 1006 питания подает питание в различные компоненты устройства 1000. Компонент 1006 питания может включать в себя систему управления питанием, один или более источников питания и любые другие компоненты, связанные с генерацией, управлением и распределением питания в устройстве 1000.
[00161] Компонент 1008 мультимедиа включает в себя экран, обеспечивающий интерфейс вывода между устройством 1000 и пользователем. В некоторых вариантах осуществления экран может включать в себя жидкокристаллический дисплей (LCD) и сенсорную панель (ТР). Если экран включает в себя сенсорную панель, экран может быть реализован в виде сенсорного экрана, чтобы принимать входные сигналы от пользователя. Сенсорная панель включает в себя один или более датчиков касания, чтобы считывать касания, скольжения и жесты на сенсорной панели. Датчики касания могут не только считывать границу действия касания или скольжения, но также считывают период времени и давление, связанные с действием касания или скольжения. В некоторых вариантах осуществления компонент 1008 мультимедиа включает в себя переднюю камеру и/или заднюю камеру. Передняя камера и/или задняя камера могут принимать внешний элемент данных мультимедиа, когда устройство 1000 находится в рабочем режиме, таком как режим фотографирования или режим видео. Каждая из передней камеры и задней камеры может быть системой с фиксированным оптическим объективом или может иметь функциональные возможности фокусировки и оптического масштабирования.
[00162] Аудио компонент 1010 выполнен с возможностью вывода и/или ввода аудио сигналов. Например, аудио компонент 1010 включает в себя микрофон (MIC), выполненный с возможностью приема внешнего аудио сигнала, когда устройство 1000 находится в рабочем режиме, таком как режим вызова, режим записи и режим распознавания речи. Принятый аудио сигнал может дополнительно сохраняться в памяти 1004 или передаваться с помощью компонента 1016 связи. В некоторых вариантах осуществления аудио компонент 1010 дополнительно включает в себя громкоговоритель, чтобы выводить аудио сигналы.
[00163] Интерфейс 1012 I/O обеспечивает интерфейс между компонентом 1002 обработки и модулями периферийного интерфейса, такими как клавиатура, колесико мыши выбора щелчком, кнопки, и тому подобные. Кнопки могут включать в себя, но не ограничены, кнопку возврата в исходное положение, кнопку уровня громкости, кнопку запуска и кнопку блокировки.
[00164] Компонент 1014 датчика включает в себя один или более датчиков, чтобы осуществлять оценки состояния различных аспектов устройства 1000. Например, компонент 1014 датчика может обнаруживать открытое/закрытое состояние устройства 1000, относительное расположение компонентов, например, дисплея и клавиатуры устройства 1000, изменение позиции устройства 1000 или компонента устройства 1000, присутствие или отсутствие контакта пользователя с устройством 1000, ориентацию или ускорение/замедление устройства 1000 и изменение температуры устройства 1000. Компонент 1014 датчика может включать в себя датчик близости, выполненный с возможностью обнаружения присутствия близлежащих объектов без какого-либо физического контакта. Компонент 1014 датчика может также включать в себя датчик света, такой как датчик изображения CMOS или CCD, для использования в приложениях формирования изображений. В некоторых вариантах осуществления компонент 1014 датчика может также включать в себя датчик акселерометра, гироскопический датчик, магнитный датчик, датчик давления или датчик температуры.
[00165] Компонент 1016 связи выполнен с возможностью облегчения связи, проводным способом или беспроводным способом, между устройством 1000 и другими устройствами. Устройство 1000 может осуществлять доступ к беспроводной сети, основанной на стандартах связи, таких как Wi-Fi, 2G или 3G, или их комбинации. В одном иллюстративном варианте осуществления компонент 1016 связи принимает широковещательный сигнал или информацию, связанную с широковещательной связью, из внешней системы управления широковещательной связью через широковещательный канал. В одном иллюстративном варианте осуществления компонент 1016 связи дополнительно включает в себя модуль ближней бесконтактной связи (NFC), чтобы облегчать связь ближнего действия. Например, модуль NFC может быть осуществлен на основе технологии радиочастотной идентификации (RFID), технологии ассоциации данных инфракрасного излучения (IrDA), технологии сверхширокой ширины полосы частот (UWB), технологии Bluetooth (BT), и других технологий.
[00166] В иллюстративных вариантах осуществления устройство 1000 может быть осуществлено с помощью одной или множества прикладных интегральных схем (ASIC), цифровых сигнальных процессоров (DSP), устройств цифровой обработки сигналов (DSPD), программируемых логических устройств (PLD), вентильных матриц, программируемых в условиях эксплуатации (FPGA), контроллеров, микроконтроллеров, микропроцессоров или других электронных компонентов, выполненных для осуществления вышеупомянутых способов.
[00167] В иллюстративных вариантах осуществления также предусмотрен постоянный машиночитаемый носитель информации, включающий в себя инструкции, такой как память 1004, включающую в себя инструкции, причем вышеупомянутые инструкции выполняются процессором 1020 устройства 1000, для осуществления вышеописанных способов. Например, постоянный машиночитаемый носитель информации может быть ROM, RAM, CD-ROM, магнитной лентой, флоппи-диском, оптическим запоминающим устройством и тому подобным.
[0168] Другие варианты осуществления изобретения будут понятны специалистам в данной области техники из рассмотрения описания и применения на практике изобретения, раскрытого в настоящей заявке. Подразумевается, что эта заявка охватывает любые изменения, использования или адаптации изобретения, следующие его общим принципам и включающие в себя такие отклонения от настоящего раскрытия, какие происходят в известной или обычной практике в данной области техники. Подразумевается, что описание и примеры рассматриваются только как иллюстративные, причем истинный объем и сущность изобретения указаны следующей формулой изобретения.
[0169] Будет понятно, что настоящее изобретение не ограничено точной конструкцией, которая была описана выше и проиллюстрирована на сопровождающих чертежах, и, что различные модификации и изменения могут быть сделаны, не выходя за рамки его объема. Подразумевается, что объем изобретения ограничен только прилагаемой формулой изобретения.
Claims (39)
1. Способ идентификации типа изображения, содержащий этапы, на которых:
получают гистограммы соответственных каналов в предварительно установленном цветовом пространстве изображения, которое должно быть идентифицировано, причем данное предварительно установленное цветовое пространство содержит цветовое пространство красный-зеленый-синий (RGB);
вычисляют соотношения между количествами пикселей смежных полутонов в соответственных каналах согласно этим гистограммам;
если соотношение удовлетворяет предварительно установленному условию, определяют изображение, которое должно быть идентифицировано, как естественное изображение, причем естественное изображение представляет собой изображение того, что существует в реальном мире; и
если соотношение не удовлетворяет этому предварительно определенному условию, определяют изображение, которое должно быть идентифицировано, как комбинированное изображение, причем комбинированное изображение представляет собой искусственно созданное изображение,
при этом данное предварительно установленное условие содержит превышение пяти количеством десятичных разрядов соотношения.
2. Способ идентификации типа изображения по п.1, в котором упомянутое вычисление соотношений между количествами пикселей смежных полутонов в соответственных каналах содержит этап, на котором по отношению к отдельным каналам соответственно вычисляют соотношение между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона и соотношение между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем , и как i, так и n являются целыми числами.
3. Способ идентификации типа изображения по п.1, дополнительно содержащий этапы, на которых:
выполняют статистическую обработку в отношении количества соотношений, которые не удовлетворяют предварительно установленному условию; и
если это количество соотношений превышает предварительно установленное число, определяют изображение, которое должно быть идентифицировано, как комбинированное изображение.
4. Способ идентификации типа изображения по п.1, дополнительно содержащий этап, на котором до получения гистограмм соответственных каналов в предварительно установленном цветовом пространстве изображения, которое должно быть идентифицировано, отфильтровывают шум в изображении, которое должно быть идентифицировано.
5. Способ идентификации типа изображения по п.1, дополнительно содержащий этапы, на которых:
получают информацию признаков изображения, которое должно быть идентифицировано;
определяют, совпадает ли информация признаков изображения, которое должно быть идентифицировано, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков содержит информацию признаков, принадлежащую комбинированному изображению; и
если они совпадают, определяют изображение, которое должно быть идентифицировано, как комбинированное изображение.
6. Устройство для идентификации типа изображения, содержащее:
модуль получения, выполненный с возможностью получать гистограммы соответственных каналов в предварительно установленном цветовом пространстве изображения, которое должно быть идентифицировано, причем данное предварительно установленное цветовое пространство содержит цветовое пространство красный-зеленый-синий (RGB);
модуль вычисления, выполненный с возможностью вычислять соотношения между количествами пикселей смежных полутонов в соответственных каналах согласно гистограммам, полученным модулем получения;
первый модуль определения, выполненный с возможностью, если соотношение, вычисленное модулем вычисления, удовлетворяет предварительно установленному условию, определять изображение, которое должно быть идентифицировано, как естественное изображение, причем естественное изображение представляет собой изображение того, что существует в реальном мире; и
второй модуль определения, выполненный с возможностью, если соотношение, вычисленное модулем вычисления, не удовлетворяет этому предварительно определенному условию, определять изображение, которое должно быть идентифицировано, как комбинированное искусственно созданное изображение,
при этом данное предварительно установленное условие содержит превышение пяти количеством десятичных разрядов соотношения.
7. Устройство для идентификации типа изображения по п.6, в котором модуль вычисления выполнен с возможностью, по отношению к отдельным каналам, соответственно вычислять соотношение между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона и соотношение между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем , , и как i, так и n являются целыми числами.
8. Устройство для идентификации типа изображения по п.6, дополнительно содержащее:
статистический модуль, выполненный с возможностью выполнять статистическую обработку в отношении количества соотношений, которые не удовлетворяют предварительно установленному условию; и
третий модуль определения, выполненный с возможностью, если количество соотношений, полученных статистическим модулем, превышает предварительно установленное число, определять изображение, которое должно быть идентифицировано, как комбинированное изображение.
9. Устройство для идентификации типа изображения по п.6, дополнительно содержащее модуль фильтрации, выполненный с возможностью, до получения модулем получения гистограмм соответственных каналов в предварительно установленном цветовом пространстве изображения, которое должно быть идентифицировано, отфильтровывать шум в изображении, которое должно быть идентифицировано.
10. Устройство для идентификации типа изображения по п.6, дополнительно содержащее:
модуль получения информации признаков, выполненный с возможностью получать информацию признаков изображения, которое должно быть идентифицировано;
модуль определения, выполненный с возможностью определять, совпадает ли информация признаков изображения, которое должно быть идентифицировано, полученная модулем получения информации признаков, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков содержит информацию признаков, принадлежащую комбинированному изображению; и
четвертый модуль определения, выполненный с возможностью, если модулем определения определено, что они совпадают, определять изображение, которое должно быть идентифицировано, как комбинированное изображение.
11. Устройство для идентификации типа изображения, содержащее:
процессор; и
память для хранения инструкций, исполняемых процессором;
причем процессор выполнен с возможностью:
получать гистограммы соответственных каналов в предварительно установленном цветовом пространстве изображения, которое должно быть идентифицировано, причем данное предварительно установленное цветовое пространство содержит цветовое пространство красный-зеленый-синий (RGB),
вычислять соотношения между количествами пикселей смежных полутонов в соответственных каналах согласно гистограммам,
если соотношение удовлетворяет предварительно установленному условию, определять изображение, которое должно быть идентифицировано, как естественное изображение, причем естественное изображение представляет собой изображение того, что существует в реальном мире, и
если соотношение не удовлетворяет этому предварительно установленному условию, определять изображение, которое должно быть идентифицировано, как комбинированное изображение, причем комбинированное изображение представляет собой искусственно созданное изображение,
при этом данное предварительно установленное условие содержит превышение пяти количеством десятичных разрядов соотношения.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610097153.1 | 2016-02-22 | ||
CN201610097153.1A CN105760884B (zh) | 2016-02-22 | 2016-02-22 | 图片类型的识别方法及装置 |
PCT/CN2016/100456 WO2017143776A1 (zh) | 2016-02-22 | 2016-09-28 | 图片类型的识别方法及装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2017105475A RU2017105475A (ru) | 2018-08-21 |
RU2017105475A3 RU2017105475A3 (ru) | 2018-08-21 |
RU2669511C2 true RU2669511C2 (ru) | 2018-10-11 |
Family
ID=56331005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017105475A RU2669511C2 (ru) | 2016-02-22 | 2016-09-28 | Способ и устройство для идентификации типа изображения |
Country Status (7)
Country | Link |
---|---|
US (1) | US10181184B2 (ru) |
EP (1) | EP3208745B1 (ru) |
JP (1) | JP6328275B2 (ru) |
KR (1) | KR102004079B1 (ru) |
CN (1) | CN105760884B (ru) |
RU (1) | RU2669511C2 (ru) |
WO (1) | WO2017143776A1 (ru) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760884B (zh) * | 2016-02-22 | 2019-09-10 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
CN106210446B (zh) * | 2016-07-18 | 2019-08-30 | 北京小米移动软件有限公司 | 饱和度增强方法及装置 |
CN106331427B (zh) * | 2016-08-24 | 2019-12-03 | 北京小米移动软件有限公司 | 饱和度增强方法及装置 |
CN106339224B (zh) * | 2016-08-24 | 2020-03-17 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
US10277859B2 (en) * | 2016-09-14 | 2019-04-30 | Canon Kabushiki Kaisha | Devices, systems, and methods for generating multi-modal images of a synthetic scene |
CN109102467A (zh) * | 2017-06-21 | 2018-12-28 | 北京小米移动软件有限公司 | 图片处理的方法及装置 |
CN108920700B (zh) * | 2018-07-17 | 2021-04-27 | 中国联合网络通信集团有限公司 | 一种虚假图片识别方法及装置 |
CN114332479A (zh) * | 2021-12-23 | 2022-04-12 | 浪潮(北京)电子信息产业有限公司 | 一种目标检测模型的训练方法及相关装置 |
US12026458B2 (en) | 2022-11-11 | 2024-07-02 | State Farm Mutual Automobile Insurance Company | Systems and methods for generating document templates from a mixed set of document types |
CN117351243B (zh) * | 2023-12-05 | 2024-04-02 | 广东金志利科技股份有限公司 | 一种铸件冷铁种类数量识别方法及系统 |
CN117390600B (zh) * | 2023-12-08 | 2024-02-13 | 中国信息通信研究院 | 用于深度合成信息的检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1413986A2 (en) * | 2002-10-25 | 2004-04-28 | Eastman Kodak Company | Enhancing the tonal and spatial characteristics of digital images using selective spatial filters |
EP1326425B1 (en) * | 2001-12-24 | 2008-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for adjusting saturation of color image |
US20100008568A1 (en) * | 2003-07-15 | 2010-01-14 | Stmicroelectronics S.R.L. | Method for classifying a digital image |
RU2400815C2 (ru) * | 2006-10-09 | 2010-09-27 | Самсунг Электроникс Ко., Лтд. | Способ повышения качества цифрового фотоизображения |
US20130259375A1 (en) * | 2008-02-15 | 2013-10-03 | Heather Dunlop | Systems and Methods for Semantically Classifying and Extracting Shots in Video |
US20140241629A1 (en) * | 2013-02-28 | 2014-08-28 | Facebook, Inc. | Methods and systems for differentiating synthetic and non-synthetic images |
CN104200431A (zh) * | 2014-08-21 | 2014-12-10 | 浙江宇视科技有限公司 | 图像灰度化的处理方法及处理装置 |
US20150332444A1 (en) * | 2012-10-25 | 2015-11-19 | Mitsubishi Electric Corporation | Image processing device and image processing method |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6450177A (en) * | 1987-08-20 | 1989-02-27 | Hitachi Ltd | Digital picture coding system |
JP3664395B2 (ja) * | 1997-01-24 | 2005-06-22 | セイコーエプソン株式会社 | 画像処理装置及び画像処理方法並びに画像処理プログラムを記録した媒体 |
EP1402463A1 (en) * | 2001-06-15 | 2004-03-31 | Koninklijke Philips Electronics N.V. | Automatic natural content detection in video information |
US6983068B2 (en) * | 2001-09-28 | 2006-01-03 | Xerox Corporation | Picture/graphics classification system and method |
US6996277B2 (en) * | 2002-01-07 | 2006-02-07 | Xerox Corporation | Image type classification using color discreteness features |
JP4244584B2 (ja) * | 2002-08-01 | 2009-03-25 | ソニー株式会社 | 重要画像検出装置、重要画像検出方法、プログラム及び記録媒体並びに重要画像検出システム |
US7263208B1 (en) * | 2003-08-04 | 2007-08-28 | United States Of America As Represented By The Secretary Of The Navy | Automated threshold selection for a tractable alarm rate |
US7333656B2 (en) * | 2003-11-26 | 2008-02-19 | Matsushita Electric Industrial Co., Ltd. | Image processing method and image processing apparatus |
JP4547921B2 (ja) * | 2004-01-21 | 2010-09-22 | セイコーエプソン株式会社 | 印刷装置、印刷方法、及び印刷システム |
EP1788795A4 (en) * | 2004-09-01 | 2010-08-04 | Nec Corp | IMAGE CORRECTION DEVICE AND IMAGE CORRECTION |
US20060204086A1 (en) * | 2005-03-10 | 2006-09-14 | Ullas Gargi | Compression of palettized images |
CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
TWI381321B (zh) * | 2009-04-30 | 2013-01-01 | Ind Tech Res Inst | 重組多張影像與辨識方法以及影像擷取與辨識系統 |
CN102663451A (zh) * | 2012-03-29 | 2012-09-12 | 天津科技大学 | 一种基于色彩空间特征的图形图像分类方法 |
US9652688B2 (en) * | 2014-11-26 | 2017-05-16 | Captricity, Inc. | Analyzing content of digital images |
CN105118026A (zh) * | 2015-07-28 | 2015-12-02 | 小米科技有限责任公司 | 色域模式切换方法及装置 |
CN105282531B (zh) * | 2015-11-11 | 2017-08-25 | 深圳市华星光电技术有限公司 | 控制低灰阶白平衡的方法及装置 |
CN105760884B (zh) * | 2016-02-22 | 2019-09-10 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
-
2016
- 2016-02-22 CN CN201610097153.1A patent/CN105760884B/zh active Active
- 2016-09-28 WO PCT/CN2016/100456 patent/WO2017143776A1/zh active Application Filing
- 2016-09-28 RU RU2017105475A patent/RU2669511C2/ru active
- 2016-09-28 KR KR1020177033322A patent/KR102004079B1/ko active IP Right Grant
- 2016-09-28 JP JP2016570049A patent/JP6328275B2/ja active Active
-
2017
- 2017-02-21 US US15/437,989 patent/US10181184B2/en active Active
- 2017-02-21 EP EP17157179.7A patent/EP3208745B1/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1326425B1 (en) * | 2001-12-24 | 2008-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for adjusting saturation of color image |
EP1413986A2 (en) * | 2002-10-25 | 2004-04-28 | Eastman Kodak Company | Enhancing the tonal and spatial characteristics of digital images using selective spatial filters |
US20100008568A1 (en) * | 2003-07-15 | 2010-01-14 | Stmicroelectronics S.R.L. | Method for classifying a digital image |
RU2400815C2 (ru) * | 2006-10-09 | 2010-09-27 | Самсунг Электроникс Ко., Лтд. | Способ повышения качества цифрового фотоизображения |
US20130259375A1 (en) * | 2008-02-15 | 2013-10-03 | Heather Dunlop | Systems and Methods for Semantically Classifying and Extracting Shots in Video |
US20150332444A1 (en) * | 2012-10-25 | 2015-11-19 | Mitsubishi Electric Corporation | Image processing device and image processing method |
US20140241629A1 (en) * | 2013-02-28 | 2014-08-28 | Facebook, Inc. | Methods and systems for differentiating synthetic and non-synthetic images |
CN104200431A (zh) * | 2014-08-21 | 2014-12-10 | 浙江宇视科技有限公司 | 图像灰度化的处理方法及处理装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3208745B1 (en) | 2020-08-19 |
JP6328275B2 (ja) | 2018-05-23 |
WO2017143776A1 (zh) | 2017-08-31 |
US20170243338A1 (en) | 2017-08-24 |
KR102004079B1 (ko) | 2019-07-25 |
US10181184B2 (en) | 2019-01-15 |
RU2017105475A (ru) | 2018-08-21 |
KR20170139089A (ko) | 2017-12-18 |
JP2018509663A (ja) | 2018-04-05 |
CN105760884B (zh) | 2019-09-10 |
EP3208745A1 (en) | 2017-08-23 |
RU2017105475A3 (ru) | 2018-08-21 |
CN105760884A (zh) | 2016-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2669511C2 (ru) | Способ и устройство для идентификации типа изображения | |
CN111709890B (zh) | 一种图像增强模型的训练方法、装置及存储介质 | |
CN107992182B (zh) | 显示界面图像的方法和装置 | |
CN106339224B (zh) | 可读性增强方法及装置 | |
CN107967459B (zh) | 卷积处理方法、装置及存储介质 | |
CN108986053B (zh) | 屏幕显示方法及装置 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
US10109248B2 (en) | Method and device for adjusting liquid crystal display | |
US9892524B2 (en) | Image displaying methods, devices, and storage media | |
CN111462701A (zh) | 背光亮度调节方法及装置 | |
US10204403B2 (en) | Method, device and medium for enhancing saturation | |
CN105677352B (zh) | 应用图标颜色的设置方法和装置 | |
CN104536713B (zh) | 显示图像中的字符的方法及装置 | |
CN105472228B (zh) | 图像处理方法、装置及终端 | |
US10438377B2 (en) | Method and device for processing a page | |
US10068151B2 (en) | Method, device and computer-readable medium for enhancing readability | |
CN110830833A (zh) | 弹幕信息的显示方法及装置 | |
CN112509068B (zh) | 图像主色识别方法、装置、电子设备及存储介质 | |
CN105574854A (zh) | 确定图像单一性的方法及装置 | |
CN110648373B (zh) | 图像处理方法及装置 | |
CN115375555A (zh) | 图像处理方法及装置 | |
CN114666439A (zh) | 一种调节深色模式显示状态的方法、装置及介质 | |
CN116433781A (zh) | 调色方法、装置、电子设备及存储介质 | |
CN116795317A (zh) | 图像显示方法、装置及可读存储介质 | |
CN117455782A (zh) | 图像增强方法、图像增强装置及存储介质 |