WO2019128786A1 - 一种图像信息处理方法及装置 - Google Patents

一种图像信息处理方法及装置 Download PDF

Info

Publication number
WO2019128786A1
WO2019128786A1 PCT/CN2018/121881 CN2018121881W WO2019128786A1 WO 2019128786 A1 WO2019128786 A1 WO 2019128786A1 CN 2018121881 W CN2018121881 W CN 2018121881W WO 2019128786 A1 WO2019128786 A1 WO 2019128786A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature
information
image
images
reference information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2018/121881
Other languages
English (en)
French (fr)
Inventor
马春阳
耿军
李郭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of WO2019128786A1 publication Critical patent/WO2019128786A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Definitions

  • the present application relates to, but is not limited to, computer technology, and more particularly to an image information processing method and apparatus.
  • these photos are usually edited, color-coded, etc., and then uploaded.
  • the photos are adjusted one by one, such as Photoshop, and then uploaded.
  • This type of processing is obviously inefficient; for example, you can set a uniform value to batch process photos, but this method can only be used to adjust the consistency of a single item, that is, to adjust the brightness as an example, if set If the brightness of the photo is brighter by 5%, then all the photos will be brightened by 5%, and the photos of different brightnesses cannot be unified. This will undoubtedly result in the photos being brighter and the photos being too dark. But can't adjust to the problem of the required brightness.
  • the present invention provides an image information processing method and apparatus, which can automatically implement feature consistency adjustment of batch images.
  • the present invention provides an image information processing method, including:
  • the two or more images are adjusted using feature reference information.
  • the method further includes:
  • the method further includes: dividing the feature information into a preset number of feature regions.
  • the preset feature area is a feature area that satisfies a preset condition
  • the image corresponding to the feature information that satisfies the preset feature area includes:
  • An image included in the feature region that satisfies a preset condition is used as an image corresponding to the feature information that satisfies the preset feature region.
  • the feature area is defined by a feature upper limit value and a feature lower limit value
  • Determining the feature area to which the image belongs includes:
  • the region defined by the feature upper limit value and the feature lower limit value in which the detected feature information falls is determined as the feature region to which the image corresponding to the feature information belongs.
  • the preset condition is: a feature area including the largest number of images; or a feature area including a number of images greater than a preset threshold.
  • the adjusting the two or more images by using the feature reference information includes:
  • the feature information of the two or more images is adjusted to the feature reference information.
  • the feature information includes any combination of the following: brightness, saturation.
  • the present application further provides a computer readable storage medium storing computer executable instructions for performing the image information processing method of any of the above.
  • the present application also provides an apparatus for implementing image information processing, including a memory and a processor, wherein the memory stores the following instructions executable by the processor: detecting feature information of two or more images, and obtaining And satisfying an image corresponding to the feature information of the preset feature region; determining feature reference information based on the obtained image; and adjusting the two or more images by using the feature reference information.
  • the application further provides an image information processing method, including:
  • the adjusting includes: detecting feature information of two or more images to obtain an image corresponding to the feature information of the preset feature region; determining feature reference information based on the obtained image; using the feature reference information for the two or two More than one image is adjusted.
  • the method further includes:
  • the technical solution of the present application includes: detecting feature information of two or more images, obtaining an image corresponding to the feature information of the preset feature region; and determining feature reference information based on the feature information of the obtained image; The two or more images are adjusted using feature reference information.
  • the feature reference information reflects the characteristics of most images in the batch image, and is automatically realized. The adjustment of the feature consistency of the batch image, and also ensures the coordination of the features of the batch image.
  • FIG. 1 is a flowchart of a method for processing image information of the present application
  • FIG. 2 is a schematic diagram of an embodiment of implementing image information processing according to the present application.
  • FIG. 3 is a schematic structural diagram of a composition of an image information processing apparatus of the present application.
  • a computing device includes one or more processors (CPUs), input/output interfaces, network interfaces, and memory.
  • processors CPUs
  • input/output interfaces network interfaces
  • memory volatile and non-volatile memory
  • the memory may include non-persistent memory, random access memory (RAM), and/or non-volatile memory in a computer readable medium, such as read only memory (ROM) or flash memory.
  • RAM random access memory
  • ROM read only memory
  • Memory is an example of a computer readable medium.
  • Computer readable media includes both permanent and non-persistent, removable and non-removable media.
  • Information storage can be implemented by any method or technology.
  • the information can be computer readable instructions, data structures, modules of programs, or other data.
  • Examples of computer storage media include, but are not limited to, phase change memory (PRAM), static random access memory (SRAM), dynamic random access memory (DRAM), other types of random access memory (RAM), read only memory. (ROM), electrically erasable programmable read only memory (EEPROM), flash memory or other memory technology, compact disk read only memory (CD-ROM), digital versatile disk (DVD) or other optical storage, Magnetic tape cartridges, magnetic tape storage or other magnetic storage devices or any other non-transportable media can be used to store information that can be accessed by a computing device.
  • computer readable media does not include non-transitory computer readable media, such as modulated data signals and carrier waves.
  • FIG. 1 is a flowchart of a method for processing image information according to the present application. As shown in FIG. 1 , the method includes: dividing feature information into a plurality of regions; and further comprising:
  • Step 100 Detect feature information of two or more images to obtain an image corresponding to the feature information of the preset feature region.
  • the image may include photographs taken, pictures, and the like.
  • two or more images may be batch imported photos.
  • the service seller in the process of uploading a new batch of photos
  • another example the e-commerce platform in a live aggregate product page to import batch images and so on.
  • the feature information may include, but is not limited to, any combination of the following: brightness, saturation, and the like.
  • brightness refers to the perception of the light and darkness of the light source and the surface of the object. Brightness is mainly a visual experience determined by the intensity of light. Saturation refers to the vividness of color, also known as the purity of color. The degree of saturation depends on the ratio of the color component to the achromatic component (gray) in the color.
  • the method further includes:
  • the feature information is divided into a preset number of feature regions.
  • Each feature area is defined by a feature upper limit value and a feature lower limit value.
  • the feature information includes brightness
  • it can be divided into 10 brightness areas according to the brightness average; or the brightness can be divided into 10 brightness areas according to the preset area size, that is, the size of each brightness area can be different.
  • the feature information includes saturation, it can be divided into 15 saturation regions according to the saturation average; or the saturation can be divided into 15 saturation regions according to the preset region size, that is, each saturation
  • the size of the degree area can vary.
  • the feature information includes brightness and saturation.
  • the brightness it can be divided into 10 brightness areas according to the brightness average; the brightness can be divided into 10 brightness areas according to the size of the preset area, that is, the size of each brightness area can be different.
  • saturation it can be divided into 15 saturation regions according to the saturation average; the saturation can be divided into 15 saturation regions according to the preset region size, that is, the size of each saturation region can be different.
  • the number of brightness regions and the number of saturation regions may be the same or different.
  • the image corresponding to the feature information that meets the preset feature area in this step includes:
  • An image included in the feature region that satisfies a preset condition is used as an image corresponding to the feature information that satisfies the preset feature region.
  • determining the feature area to which the image belongs includes:
  • the area defined by the feature upper limit value and the feature lower limit value in which the detected feature information falls is determined as the feature area to which the image corresponding to the feature information belongs.
  • the pre-set condition may be: a feature area including the largest number of images.
  • the pre-set condition may also be: a feature area including the number of images being greater than a preset threshold.
  • Step 101 Determine feature reference information based on the feature information of the obtained image.
  • determining the feature reference information includes:
  • the feature information of the obtained image that is, the feature information of the image included in the feature region satisfying the pre-set condition, is subjected to operations such as averaging, weighted averaging, etc., and the obtained result is an average value and a weighted average value as feature reference information.
  • the obtained feature reference information is feature information that is in harmony with the feature information of most images.
  • Step 102 Adjust the two or more images by using feature reference information.
  • the feature information is incrementally adjusted to be adjusted as feature reference information, so that the feature information of the adjusted image is closer to the feature information of most images;
  • the feature information is decremented to be adjusted as feature reference information, so that the feature information of the adjusted image is brought closer to the feature information of most images.
  • the image that is ultimately displayed to the user is a coordinated image of a set of features that tend to be consistent.
  • the feature reference information reflects the characteristics of most images in the batch image, and is automatically realized.
  • the adjustment of the feature consistency of the batch image and also ensures the coordination of the features of the batch image.
  • step 101 before step 102, the application further includes:
  • the feature reference information determined in step 101 is adjusted according to the received information from the outside, and the adjusted feature reference information is replaced with the feature reference information determined in step 101 after determining that adjustment is needed.
  • the adjusted image effect of the feature reference information determined according to step 101 is displayed, and the adjustment of the feature reference information determined by step 101 by the user may be implemented by using a method such as a slider, a numerical increase or decrease box, or the like. Better meet the user's current adjustment needs for image features.
  • the application also provides an image information processing method, including:
  • the adjusting includes: detecting feature information of two or more images to obtain an image corresponding to the feature information of the preset feature region; determining feature reference information based on the feature information of the obtained image; using the feature reference information for the two Adjust one or more images.
  • the user can confirm whether to adjust the currently imported image by using a preset function key or a function plug-in.
  • the method further includes:
  • FIG. 2 is a schematic diagram of an embodiment of implementing image information processing according to the present application.
  • an e-commerce requires a new batch of photos such as photo 1, photo 2, photo 3, photo 4, photo 5, and photo 6, assuming
  • the brightness is divided into 10 brightness areas in advance, and the saturation is also divided into 10 saturation areas in advance.
  • the feature area that satisfies the pre-set condition in the present embodiment is: the feature area including the largest number of images.
  • the photo is drawn to the brightness area where the brightness is located, that is, the brightness area where the brightness falls.
  • the brightness of the photo 1 falls into the first brightness area
  • the brightness of the photo 2, the photo 3, and the photo 4 falls into the same brightness area, such as the second brightness area
  • the brightness of the photo 5 and the photo 6 fall into the same a region of brightness such as a third brightness region;
  • the photo is drawn to the saturation region where the saturation is located, that is, the saturation region in which the saturation falls.
  • the brightness of the photo 2 falls into the first saturation region
  • the brightness of the photo 3 falls into the same saturation region, such as the second saturation region
  • the brightness of the photo 1 and the photo 4 falls. Enter the same saturation region as the third saturation region.
  • the brightness region that satisfies the condition set in advance is the second brightness region including the largest number of photos, and the average value of the brightness of the picture belonging to the second brightness region is calculated, and the brightness average is used as the reference brightness;
  • the saturation region that satisfies the preset condition is a second saturation region including the largest number of photographs, calculates an average value of the saturation of the image belonging to the second saturation region, and uses the saturation average as the reference saturation.
  • the effect maps of the photos 1 to 6 are respectively adjusted according to the calculated average value of the brightness, and the effects of the photos 1 to 6 are adjusted according to the calculated average value of the saturation.
  • the graphs are presented to the user; the user can adjust the reference brightness and/or reference saturation by, for example, a slider until the user is satisfied.
  • the brightness and saturation of the new photos on the e-commerce are consistent, which automatically adjusts the feature consistency of the batch images, and also ensures the coordination of the features of the batch images.
  • the present application also provides a computer readable storage medium storing computer executable instructions for performing the image information processing method of any of the above.
  • the present application also provides an apparatus for implementing image information processing, including a memory and a processor, wherein the memory stores an instruction executable by the processor: detecting feature information of two or more images to be satisfied An image corresponding to the feature information of the preset feature area; determining feature reference information based on the feature information of the obtained image; and adjusting the two or more images by using the feature reference information.
  • FIG. 3 is a schematic structural diagram of an image information processing apparatus of the present application. As shown in FIG. 3, the method includes: a setting module, a detecting module, a processing module, and an adjusting module;
  • a detecting module configured to detect feature information of two or more images
  • a determining module configured to determine an image corresponding to the feature information that satisfies the preset feature area
  • a processing module configured to determine feature reference information based on the feature information of the obtained image
  • an adjustment module configured to adjust the two or more images by using feature reference information.
  • the determining module is specifically configured to:
  • An image included in the feature region that satisfies a preset condition is used as an image corresponding to the feature information that satisfies the preset feature region.
  • the pre-set condition may be: a feature area including the largest number of images.
  • the pre-set condition may also be: a feature area including the number of images being greater than a preset threshold.
  • processing module is specifically configured to:
  • the feature information of the obtained image that is, the feature information of the image included in the feature region satisfying the pre-set condition, is subjected to operations such as averaging, weighted averaging, etc., and the obtained result is an average value and a weighted average value as feature reference information.
  • the feature reference information reflects the characteristics of most images in the batch image, and is automatically realized.
  • the adjustment of the feature consistency of the batch image and also ensures the coordination of the features of the batch image.
  • the image information processing apparatus of the present application further includes: a display module and a preset module; wherein
  • a display module configured to display an image adjusted according to the feature reference information
  • the preset module is configured to adjust the feature reference information determined by the processing module according to the received information from the outside, and replace the adjusted feature reference information with the feature reference information determined by the processing module after determining that the adjustment is needed.
  • the pre-modulation module can further adjust the feature reference information determined by the processing module by using, for example, a slider, a value increase/decrease box, or the like, to better meet the user's current adjustment requirements for image features.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

一种图像信息处理方法及装置，包括：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像（100）；基于得到的图像的特征信息确定特征参考信息（101）；利用特征参考信息对所述两个或两个以上图像进行调整（102）。由于被调整的图像会根据特征参考信息对自身的特征信息做增量或减量调整，而特征参考信息反映的是批量图像中大多数图像的特征，自动实现了对批量图像的特征一致性的调整，而且，也保证了批量图像的特征的协调性。

Description

一种图像信息处理方法及装置
本申请要求2017年12月29日递交的申请号为201711489949.2、发明名称为“一种图像信息处理方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及但不限于计算机技术，尤指一种图像信息处理方法及装置。
背景技术
通过拍照、上传、标记价格等等一系列照片线上化行为，电商将线下的实体物品展现在网络上。在照片线上化的过程中，拍摄的照片可能因为使用的设备不同、拍照的场景不同等原因，造成这些照片的明度、饱和度等特征信息存在差异，会给电商买家在感官上的不一致性，导致网络上展示的照片的不协调，从而降低用户的满意度。
为了保持商品展示的协调性，通常会在线下对这些照片进行编辑、调色等处理后再上传，比如通过如Photoshop等软件一张一张地对照片分别进行调整后再上传。这种处理方式显然效率低；再如，也可以设置一个统一的值对照片进行批量处理，但是，这种方式只能做单项的一致性调整，也就是说，以调整亮度为例，如果设置照片明度调亮5％，那么，全部照片都会被调亮5％，而不能实现对不同亮度的照片进行统一化，这样无疑会造成，过亮的照片被调整得更亮，而过暗的照片却不能调整到需要的亮度的问题。
相关技术中采用的线下对照片的处理，要么效率低下，要么不能达到调整效果，而这些都会降低用户的满意度。
发明内容
为了解决上述技术问题，本发明提供一种图像信息处理方法及装置，能够自动实现批量图像的特征一致性调整。
为了达到本发明目的，本发明提供了一种图像信息处理方法，包括：
检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；
基于得到的图像的特征信息确定特征参考信息；
利用特征参考信息对所述两个或两个以上图像进行调整。
可选地，所述确定特征参考信息之后，所述利用特征参考信息对所述两个或两个以上图像进行调整之前，还包括：
显示按照所述特征参考信息调整后的图像；
根据接收到的来自外部的信息对所述确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换所述确定出的特征参考信息。
可选地，所述方法之前还包括：将特征信息划分为预设数量个特征区域。
可选地，所述预设特征区域为满足预先设置条件的特征区域；
所述得到满足预设特征区域的特征信息对应的图像包括：
根据所述检测到的特征信息和所述预先划分的特征区域确定所述图像所属的特征区域；
对所述满足预先设置条件的特征区域所包括的图像作为所述满足预设特征区域的特征信息对应的图像。
可选地，所述特征区域由特征上限值和特征下限值界定；
所述确定所述图像所属的特征区域包括：
将检测到的特征信息落入的特征上限值和特征下限值所界定的区域，确定为该特征信息所对应的所述图像所属的特征区域。
可选地，所述预先设置条件为：包括图像的数量最多的特征区域；或者，包括图像的数量大于预先设置的阈值的特征区域。
可选地，所述利用特征参考信息对所述两个或两个以上图像进行调整包括：
将所述两个或两个以上图像的特征信息调整为所述特征参考信息。
可选地，所述特征信息包括以下任意组合：明度、饱和度。
本申请又提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述任一项的图像信息处理方法。
本申请还提供了一种用于实现图像信息处理的装置，包括存储器和处理器，其中，存储器中存储有以下可被处理器执行的指令：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。
本申请再提供了一种图像信息处理方法，包括：
获取用户导入的两个或两个以上图像；
接收到表示需要进行调整的指令，对导入的两个或两个以上图像信息进行调整；
显示经过调整后的两个或两个以上图像；
其中，调整包括：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。
可选地，所述调整之后，所述显示经过图像信息处理后的两个或两个以上图像之前，还包括：
显示按照所述特征参考信息调整后的图像；
根据接收到的来自外部的信息对所述确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换所述确定出的特征参考信息。与现有技术相比，本申请技术方案包括：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像的特征信息确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。通过本申请的图像信息处理，由于被调整的图像会根据特征参考信息对自身的特征信息做增量或减量调整，而特征参考信息反映的是批量图像中大多数图像的特征，自动实现了对批量图像的特征一致性的调整，而且，也保证了批量图像的特征的协调性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请图像信息处理方法的流程图；
图2为本申请实现图像信息处理的实施例的示意图；
图3为本申请图像信息处理装置的组成结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在本申请一个典型的配置中，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，磁带磁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非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本申请图像信息处理方法的流程图，如图1所示，包括：将特征信息划分为若干个区域；还包括：
步骤100：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像。
可选地，图像可以包括拍摄的照片、图片等。
可选地，两个或两个以上图像可以是批量导入的照片。比如：服务卖家在上新的过程中，批量导入的照片；再如：电商平台在某个活动聚合产品页导入的批量图片等等。
可选地，特征信息可以包括但不限于以下任意组合：明度、饱和度等。
其中，明度，是指眼睛对光源和物体表面的明暗程度的感觉，明度主要是由光线强弱决定的一种视觉经验。饱和度，是指色彩的鲜艳程度，也称色彩的纯度。饱和度取决于该色中含色成分和消色成分(灰色)的比例。
可选地，本步骤之前还包括：
将特征信息划分为预设数量个特征区域。
每个特征区域由特征上限值和特征下限值来界定。
比如：如果特征信息包括明度，可以按照明度平均划分为如10个明度区域；也可以按照预先设置的区域大小将明度划分为如10个明度区域，也就是说，各个明度区域的大小可以不同。
再如：如果特征信息包括饱和度，可以按照饱和度平均划分为如15个饱和度区域；也可以按照预先设置的区域大小将饱和度划分为如15个饱和度区域，也就是说，各个饱和度区域的大小可以不同。
又如：如果特征信息包括明度和饱和度。对于明度，可以按照明度平均划分为如10个明度区域；也可以按照预先设置的区域大小将明度划分为如10个明度区域，也就是说，各个明度区域的大小可以不同。对于饱和度，可以按照饱和度平均划分为如15个饱和度区域；也可以按照预先设置的区域大小将饱和度划分为如15个饱和度区域，也就是说，各个饱和度区域的大小可以不同。需要说明的是，明度区域数量与饱和度区域数量可以相同，也可以不同。
可选地，本步骤中的得到满足预设特征区域的特征信息对应的图像包括：
根据所述检测到的特征信息和所述预先划分的特征区域确定所述图像所属的特征区域；
对所述满足预先设置条件的特征区域所包括的图像作为所述满足预设特征区域的特征信息对应的图像。
可选地，确定所述图像所属的特征区域包括：
将检测到的特征信息落入的特征上限值和特征下限值所界定的区域，确定为该特征信息所对应的图像所属的特征区域。
可选地，预先设置条件可以是：包括图像的数量最多的特征区域。
可选地，预先设置条件也可以是：包括图像的数量大于预先设置的阈值的特征区域。
步骤101：基于得到的图像的特征信息确定特征参考信息。
可选地，确定特征参考信息包括：
将得到的图像的特征信息即满足预先设置条件的特征区域所包括的图像的特征信息进行处理如平均、加权平均等运算，得到的结果如平均值、加权平均值作为特征参考信息。
通过本步骤的处理，得到的特征参考信息是与大多数图像的特征信息保持协调性的特征信息。
步骤102：利用特征参考信息对所述两个或两个以上图像进行调整。
本步骤中，对于特征信息小于特征参考信息的图像，会对其特征信息进行增量调整，以调整为特征参考信息，以使的被调整的图像的特征信息向大多数图像的特征信息靠拢；对于特征信息大于特征参考信息的图像，会对其特征信息进行减量调整，以调整为特征参考信息，以使的被调整的图像的特征信息向大多数图像的特征信息靠拢。
最终显示给用户的图像是一批特征趋于一致的、协调的图像。
通过本申请的图像信息处理，由于被调整的图像会根据特征参考信息对自身的特征信息做增量或减量调整，而特征参考信息反映的是批量图像中大多数图像的特征，自动实现了对批量图像的特征一致性的调整，而且，也保证了批量图像的特征的协调性。
可选地，在步骤101之后，步骤102之前，本申请还包括：
显示按照特征参考信息调整后的图像；
根据接收到的来自外部的信息对步骤101确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换步骤101确定出的特征参考信息。
可选地，通过显示出的按照步骤101确定出的特征参考信息调整后的图像效果，可以采用如滑条、数值增减框等方式实现用户对步骤101确定出的特征参考信息的调整，以更好满足用户当前对图像特征的调整需求。
本申请还提供一种图像信息处理方法，包括：
获取用户导入的两个或两个以上图像；
接收到表示需要进行调整的指令，对导入的两个或两个以上图像信息进行调整；
显示经过调整后的两个或两个以上图像；
其中，调整包括：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像的特征信息确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。
可选地，用户可以通过预先设置的功能键，或功能插件等，确认是否对当前导入的图像进行调整。
可选地，所述进行调整之后，所述显示经过图像信息处理后的两个或两个以上图像之前，还包括：
显示按照所述特征参考信息调整后的图像；
根据接收到的来自外部的信息对所述确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换所述确定出的特征参考信息。
下面结合一个具体实施例对本申请进行详细描述。
图2为本申请实现图像信息处理的实施例的示意图，如图2所示，假设电商需要上新一批照片如照片1、照片2、照片3、照片4、照片5和照片6，假设本实施例中需要对照片的明度和饱和度都进行调整，并且明度被预先划分为10个明度区域，饱和度也预先被划分为10个饱和度区域。并假设本实施例中满足预先设置条件的特征区域是：包括图像的数量最多的特征区域。
首先，检测导入的每一张照片的明度和饱和度。具体实现并不用于限定本申请的保护范围。
然后，根据每一张照片的明度，将这张照片划到其明度所在的明度区域即该明度落入的明度区域。本实施例中，假设照片1的明度落入第一明度区域，照片2、照片3和照片4的明度落入同一个明度区域如第二明度区域，照片5和照片6的明度落入同一个明度区域如第三明度区域；
根据每一张照片的饱和度，将这张照片划到其饱和度所在的饱和度区域即该饱和度落入的饱和度区域。本实施例中，假设照片2的明度落入第一饱和度区域，照片3、照片5和照片6的明度落入同一个饱和度区域如第二饱和度区域，照片1和照片4的明度落入同一个饱和度区域如第三饱和度区域。
接着，本实施例中，满足预先设置的条件的明度区域为包括照片数最多的第二明度区域，计算属于第二明度区域的图片的明度的平均值，并将该明度平均值作为参考明度；满足预先设置的条件的饱和度区域为包括照片数最多的第二饱和度区域，计算属于第二饱和度区域的图片的饱和度的平均值，并将该饱和度平均值作为参考饱和度。
假设本实施例中，会将按照计算得到的明度平均值对照片1～照片6分别进行调整后的效果图，以及按照计算得到的饱和度平均值对照片1～照片6分别进行调整后的效果图都展现给用户；而用户可以通过如滑条，对参考明度和/或参考饱和度进行调整，直到用户满意为止。
最后，按照最终确定的参考明度值和参考饱和度值对照片1～照片6的明度和饱和度分别进行调整。
这样，电商上新这批照片的明度和饱和度都趋向一致，自动实现了对批量图像的特征一致性的调整，而且，也保证了批量图像的特征的协调性。
本申请还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述任一项的图像信息处理方法。
本申请还提供一种用于实现图像信息处理的装置，包括存储器和处理器，其中，存储器中存储有以下可被处理器执行的指令：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像的特征信息确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。
图3为本申请图像信息处理装置的组成结构示意图，如图3所示，包括：设置模块、检测模块、处理模块、调整模块；其中，
设置模块：用于将特征信息划分为预设数量个特征区域；
检测模块，用于检测两个或两个以上图像的特征信息；
确定模块，用于确定满足预设特征区域的特征信息对应的图像；
处理模块，用于基于得到的图像的特征信息确定特征参考信息；
调整模块，用于利用特征参考信息对所述两个或两个以上图像进行调整。
可选地，确定模块具体用于：
根据所述检测到的特征信息和所述预先划分的特征区域确定所述图像所属的特征区域；
对所述满足预先设置条件的特征区域所包括的图像作为所述满足预设特征区域的特征信息对应的图像。
可选地，预先设置条件可以是：包括图像的数量最多的特征区域。
可选地，预先设置条件也可以是：包括图像的数量大于预先设置的阈值的特征区域。
可选地，处理模块具体用于：
将得到的图像的特征信息即满足预先设置条件的特征区域所包括的图像的特征信息进行处理如平均、加权平均等运算，得到的结果如平均值、加权平均值作为特征参考信息。
通过本申请的图像信息装置，由于被调整的图像会根据特征参考信息对自身的特征信息做增量或减量调整，而特征参考信息反映的是批量图像中大多数图像的特征，自动实现了对批量图像的特征一致性的调整，而且，也保证了批量图像的特征的协调性。
可选地，本申请图像信息处理装置还包括：显示模块、预调模块；其中，
显示模块，用于显示按照特征参考信息调整后的图像；
预调模块，用于根据接收到的来自外部的信息对处理模块确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换处理模块确定出的特征参考信息。
可选地，预调模块可以通过如滑条、数值增减框等方式实现对处理模块确定出的特征参考信息的进一步调整，更好地满足了用户当前对图像特征的调整需求。
虽然本申请所揭露的实施方式如上，但所述的内容仅为便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (12)

  1. 一种图像信息处理方法，其特征在于，包括：
    检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；
    基于得到的图像的特征信息确定特征参考信息；
    利用特征参考信息对所述两个或两个以上图像进行调整。
  2. 根据权利要求1所述的图像信息处理方法，其特征在于，所述确定特征参考信息之后，所述利用特征参考信息对所述两个或两个以上图像进行调整之前，还包括：
    显示按照所述特征参考信息调整后的图像；
    根据接收到的来自外部的信息对所述确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换所述确定出的特征参考信息。
  3. 根据权利要求1或2所述的图像信息处理方法，其特征在于，所述方法之前还包括：将特征信息划分为预设数量个特征区域。
  4. 根据权利要求3所述的图像信息处理方法，其特征在于，所述预设特征区域为满足预先设置条件的特征区域；
    所述得到满足预设特征区域的特征信息对应的图像包括：
    根据所述检测到的特征信息和所述预先划分的特征区域确定所述图像所属的特征区域；
    对所述满足预先设置条件的特征区域所包括的图像作为所述满足预设特征区域的特征信息对应的图像。
  5. 根据权利要求4所述的图像信息处理方法，其特征在于，所述特征区域由特征上限值和特征下限值界定；
    所述确定所述图像所属的特征区域包括：
    将检测到的特征信息落入的特征上限值和特征下限值所界定的区域，确定为该特征信息所对应的所述图像所属的特征区域。
  6. 根据权利要求4所述的图像信息处理方法，其特征在于，所述预先设置条件为：包括图像的数量最多的特征区域；或者，包括图像的数量大于预先设置的阈值的特征区域。
  7. 根据权利要求1或2所述的图像信息处理方法，其特征在于，所述利用特征参考信息对所述两个或两个以上图像进行调整包括：
    将所述两个或两个以上图像的特征信息调整为所述特征参考信息。
  8. 根据权利要求1或2所述的图像信息处理方法，其特征在于，所述特征信息包括以下任意组合：明度、饱和度。
  9. 一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述权利要求1～权利要求8任一项的图像信息处理方法。
  10. 一种用于实现图像信息处理的装置，包括存储器和处理器，其中，存储器中存储有以下可被处理器执行的指令：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。
  11. 一种图像信息处理方法，其特征在于，包括：
    获取用户导入的两个或两个以上图像；
    接收到表示需要进行调整的指令，对导入的两个或两个以上图像信息进行调整；
    显示经过调整后的两个或两个以上图像；
    其中，调整包括：检测两个或两个以上图像的特征信息，得到满足预设特征区域的特征信息对应的图像；基于得到的图像确定特征参考信息；利用特征参考信息对所述两个或两个以上图像进行调整。
  12. 根据权利要求11所述的图像信息处理方法，其特征在于，所述调整之后，所述显示经过图像信息处理后的两个或两个以上图像之前，还包括：
    显示按照所述特征参考信息调整后的图像；
    根据接收到的来自外部的信息对所述确定出的特征参考信息进行调整，并在确定需要调整后将调整后的特征参考信息替换所述确定出的特征参考信息。
PCT/CN2018/121881 2017-12-29 2018-12-19 一种图像信息处理方法及装置 Ceased WO2019128786A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711489949.2A CN109993687B (zh) 2017-12-29 2017-12-29 一种图像信息处理方法及装置
CN201711489949.2 2017-12-29

Publications (1)

Publication Number Publication Date
WO2019128786A1 true WO2019128786A1 (zh) 2019-07-04

Family

ID=67063108

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/121881 Ceased WO2019128786A1 (zh) 2017-12-29 2018-12-19 一种图像信息处理方法及装置

Country Status (2)

Country Link
CN (1) CN109993687B (zh)
WO (1) WO2019128786A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115684688B (zh) * 2022-03-31 2024-02-06 江苏未来智慧信息科技有限公司 针对防窃电系统的图像监测传递系统与方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103516993A (zh) * 2012-06-29 2014-01-15 联想(北京)有限公司 一种亮度调节方法
CN104298707A (zh) * 2014-09-01 2015-01-21 联想(北京)有限公司 一种信息处理方法及电子设备
CN105227855A (zh) * 2015-09-28 2016-01-06 广东欧珀移动通信有限公司 一种图像处理方法及终端
CN105989599A (zh) * 2015-02-15 2016-10-05 西安酷派软件科技有限公司 一种图像处理方法、装置和终端

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6868179B2 (en) * 2001-07-06 2005-03-15 Jasc Software, Inc. Automatic saturation adjustment
CN1849830A (zh) * 2003-09-09 2006-10-18 精工爱普生株式会社 图像处理装置和图像处理方法
JP2005151282A (ja) * 2003-11-18 2005-06-09 Fuji Xerox Co Ltd 画像処理装置、画像処理方法、およびプログラム
KR101092539B1 (ko) * 2005-02-18 2011-12-14 삼성전자주식회사 화이트 밸런스를 자동 조정하는 영상장치 및 그의 화이트밸런스 조정 방법
US7719543B2 (en) * 2005-09-08 2010-05-18 General Electric Company Methods and apparatus for method to optimize visual consistency of images using human observer feedback
CN1941923B (zh) * 2005-09-30 2011-03-23 义晶科技股份有限公司 应用于彩色数字影像的自动白平衡方法
CN101651786B (zh) * 2008-08-14 2011-07-27 华为终端有限公司 一种视频序列明暗变化修复的方法和视频处理设备
CN105335939B (zh) * 2014-08-15 2020-01-10 腾讯科技（深圳）有限公司 图像处理方法及装置
CN105491120A (zh) * 2015-12-01 2016-04-13 小米科技有限责任公司 图片传输的方法及装置
CN105976325A (zh) * 2016-06-29 2016-09-28 上海小蚁科技有限公司 用于调整多个图像的明亮度的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103516993A (zh) * 2012-06-29 2014-01-15 联想(北京)有限公司 一种亮度调节方法
CN104298707A (zh) * 2014-09-01 2015-01-21 联想(北京)有限公司 一种信息处理方法及电子设备
CN105989599A (zh) * 2015-02-15 2016-10-05 西安酷派软件科技有限公司 一种图像处理方法、装置和终端
CN105227855A (zh) * 2015-09-28 2016-01-06 广东欧珀移动通信有限公司 一种图像处理方法及终端

Also Published As

Publication number Publication date
CN109993687B (zh) 2023-06-13
CN109993687A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN107179889B (zh) 界面色彩调节方法、网页色彩调节方法及装置
WO2020258808A1 (en) Systems and methods for determining exposure parameter of an image capture device
CN106157273B (zh) 生成合成图片的方法及装置
CN112449169B (zh) 色调映射的方法和装置
CN108833877B (zh) 图像处理方法及装置、计算机装置及可读存储介质
WO2019101005A1 (zh) 像素补偿方法、装置和终端设备
CN106462986A (zh) 用于数字图像的颜色处理的方法和系统
CN108446089B (zh) 数据的显示方法、装置及显示器
CN111312141A (zh) 色域的调整方法及装置
CN111798525A (zh) 图像数据处理、色卡推荐方法、装置、设备及存储介质
WO2020001176A1 (zh) 显示方法及装置、可见光通信传输方法及装置
WO2024001360A1 (zh) 绿幕抠图方法、装置及电子设备
TWI717317B (zh) 對顯示裝置的顯示圖像進行截屏的方法及裝置
CN113110731B (zh) 媒体内容生成的方法和装置
WO2024001502A1 (zh) 屏幕显示方法、屏幕显示装置、电子设备、程序及介质
CN114414065A (zh) 物体温度探测方法、装置、计算机设备和介质
US20200036882A1 (en) Faster automatic exposure control system
WO2019128786A1 (zh) 一种图像信息处理方法及装置
CN105551011A (zh) 一种主色调的设置方法及装置
CN111090384A (zh) 软键盘的显示方法及装置
CN118119964A (zh) 用于处理图像的电子设备及其控制方法
WO2019029514A1 (zh) 色温调整方法及装置、显示设备、计算机可读存储介质和计算机程序产品
CN115691396A (zh) 一种led显示屏显示控制方法、装置、设备及存储介质
WO2025145962A1 (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN121794974A (zh) 电子装置及其控制方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18894520

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18894520

Country of ref document: EP

Kind code of ref document: A1