CN103578098A - 在商品图片中提取商品主体的方法和装置 - Google Patents
在商品图片中提取商品主体的方法和装置 Download PDFInfo
- Publication number
- CN103578098A CN103578098A CN201210279081.4A CN201210279081A CN103578098A CN 103578098 A CN103578098 A CN 103578098A CN 201210279081 A CN201210279081 A CN 201210279081A CN 103578098 A CN103578098 A CN 103578098A
- Authority
- CN
- China
- Prior art keywords
- picture
- body region
- commodity
- significance
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种在商品图片中提取商品主体的方法,所述方法包括:获取图片数据对应的图片中的多个选定区域的显著度;选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心;以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;根据增强后的显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;根据所述绝对主体区域和背景区域,提取商品主体。相比于现有技术,能够更准确获取图片中商品的主***置。
Description
技术领域
本申请涉及互联网领域,具体涉及一种在商品图片中提取商品主体的方法、图片质量获取的方法、在商品图片中提取商品主体的装置以及图片质量的获取装置。
背景技术
在电子商务领域,例如一淘、淘宝以及天猫商城等提供在线搜索商品和在线购物的网站,通常需要提供较多的商品图片,以便于消费者选择。对于一幅商品图片,商户往往并不具备专业的拍摄能力,因此上传的每一幅图片的质量都不相同。
但是,在电子商务中,商品图片最能体现商品的直观特性,商品主体区域是商品图片中信息量最大的部分。例如,在商品展示、投放广告时,通常需要考虑在一幅图片当中,商品主体是否居中,是否在图片所展示的画面中,占据符合规定的比例、主题区域相对于背景是否突出。这些应用都需要对商品主***置做出精确判断。因此,针对一幅图片,如何利用计算机分析并预测其主***置是一项重要而基础的技术。
现有技术中,对商品图片进行主体识别一种是依赖人工标注,但是对于互联网上亿的图片数据量,依赖人工标注效率极其低下。为此,现有技术有一种将商品图片划分为网格的处理方式,仅将中心网格默认为主体,对中心区域作为商品主体区域。但是事实上,商品主体并不一定位于中心的位置,并且,商品主体所占的面积,也并不一定能被中心网格全部覆盖。因此,现有技术,无法在商品图片中准确地通过计算机获得商品主体的位置。
发明内容
本申请要解决的技术问题是提供一种在商品图片中提取商品主体的方法;并本申请提供一种图片质量获取的方法。
一方面,为解决上述技术问题,本申请实施例提供了一种在商品图片中提取商品主体的方法,所述方法包括:
获取图片数据对应的图片中的多个选定区域的显著度;
选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心;
以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
根据增强后的显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
根据所述绝对主体区域和背景区域,提取商品主体。
另一方面,为解决上述技术问题,本申请实施例提供一种图片质量获取的方法,所述方法包括:
依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;
从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数。
再一方面,本申请实施例提供一种在商品图片中提取商品主体的装置,所述装置包括:
获取单元,用以获取图片中的多个选定区域的显著度;
选择单元,选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心;
增强单元,用以以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
选取单元,用以根据所述增强后的所述显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
提取单元,用以根据所述绝对主体区域和背景区域,提取商品主体。
再一方面,本申请提供一种图片质量的获取装置,所述装置包括:
第一获取单元,用以依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;
第二获取单元,用于从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
第三获取单元,用以根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数。
本申请通过获取所述一幅图片中的多个选定区域的显著度,在选定所述多个选定区域中显著度最高的一个选定区域为潜在商品主体区域,之后在所述潜在商品主体区域内按照增强显著度选取绝对主体区域,以获取到商品主体。通过此种方式,获得商家提供该图片时期望展示的商品在图片中的区域,以获得针对性展示。
另外,本申请在通过相对熵的方式获取图片的显著度之后,再通过不同区域的显著度结合,得出商品的主体区域后,获取主体区域的绝对主体区域的醒目度,根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数,从而提供一种采用计算机对商品图片的显示质量进行计算的方案,提高筛选效率。
附图说明
图1为本申请实施例提供的在商品图片中提取商品主体的方法的应用架构图;
图2是为一种图片显著度获取方法的流程图;
图3为本申请提供的商品主体获取方法一实施例的流程图;
图3A为本申请提供的商品主体获取方法中显著度获取方法的流程图;
图4为本申请提供的图片质量获取方法的一实施例的流程图;
图4A是图4中步骤401的详细流程图;
图4B是图4中步骤403一种实施例的详细流程图;
图4C是图4B中步骤4031的详细流程图;
图4D是图4中步骤403另一种实施例的详细流程图;
图4E是图4D中步骤4033中获取背景杂乱度的详细流程图;
图5是本申请实施例提供的一种在商品图片中提取商品主体的装置的结构图;
图6是图5中获取单元的详细结构图;
图7是本申请实施例提供的图片质量的获取装置的结构图。
具体实施方式
下面结合附图和并举若干实施例,对本申请的技术方案做进一步的详细描述。
本申请的核心思想是通过一幅图片中部分区域相较周边环境所提供的额外的信息量,来获取该区域的显著度。并且依靠不同区域显著度之间的区别,获取一幅图片中的商品主体区域,并且依靠商品主体区域的醒目度评价图片的展示效果。
请参考图1,其为本申请提供的获取商品主体的方法以及获取图片展示质量的方法的应用的场景架构图。其中,所述架构包括连接到互联网中的消费端显示设备10、商务平台服务器20和商户端服务器30。
其中,商务平台服务器20是提供电子商务的平台,例如一淘、淘宝以及天猫商城等能够提供网上购物功能的网站,通过该平台,用户能够查看商品图片,商家信誉等。商户通过商户端服务器30向商务平台服务器20上传带有其欲出售的商品的图片,例如水果、衣服、鞋子、家居用品等。商务平台服务器20将商户上传的图片处理后,进行上线展示。消费者通过互联网登录商务网站,连接商务平台服务器20,在所述商务网站界面查找其感兴趣的商品。商户上传的图片,往往并不能展示其最想要突出的商品,因此商务平台服务器20需要对商户提供的图片进行分析,获取图片显著度之后,获取商品主体,调整商品的展示角度以及具有最佳展示效果的图片,作为商品代表图片在商务平台展示,以便于消费者能够更准确获取其感兴趣的商品,或者被商户的商品吸引。
由于在本申请实施例中提出的在商品图片中提取商品主体的方法和图片质量获取的方法中,都用到了获取显著度的方法,因此首先介绍一种获取图片显著度的方法,图2该种获取图片显著度的方法的流程图,由图可见,所述方法包括:
步骤201,选定颜色空间,该颜色空间包含多种颜色;
具体的,所述颜色空间C={c1,c2,…,cN},均匀覆盖整个颜色空间,包含几百种颜色;
所述的颜色空间也可称之为颜色模型,是指使用一组值来表示颜色的抽象数学模型。常用的有三原色模型和Lab模型。其中前者包含RGB三个维度,R红色,G绿色,B蓝,后者为颜色-对立模型,维度L表示亮度,a和b分别代表红/绿和黄/蓝对立通道。
在一个颜色空间中,通常使用颜色距离,表示两个颜色之间的差异程度,在Lab模型中,假设设有两Lab空间中的颜色A(L1,a1,b1)和B(L1,a1,b1),其Lab距离的定义为:
步骤202,获取图片中的选定区域中的每一种颜色在所述颜色空间中的占比概率分布直方图,为第一概率分布直方图;
具体的,首先,统计整个图片I中属于所述颜色空间C中的各种颜色的像素数,生成I的颜色直方图,用H={p1,p2,......pn},其中pi为颜色ci∈C在I中的占比,也就是图片中属于颜色ci的像素在整个图片中占的面积比例。即为I在颜色上的概率分布。
之后,采用窗口扫描策略,按照设定的步长和窗口大小,在图片中不断选取不同的区域R,获取该区域R的每一种颜色在所述颜色空间中的占比概率分布直方图HR={r1,r2,…,rN},其中ri为颜色ci∈C在R中的占比。
具体可以通过获取所R中属于每一种颜色的像素数,依照某种颜色的像素数在整个R区域中所占的面积比,作为选定区域中的每一种颜色在所述颜色空间中的占比概率分布,依据此概率分布生成直方图。
在应用的窗口扫描策略中,通常选取正方形的窗口,该正方形窗口的边长为图片最短边图片最短边的1/4,所述扫描步长为所述扫描窗口边长的1/2。每次移动一个步长,直至覆盖整个图片的全部区域。
上述扫描窗口的形状、边长、以及扫描步长仅仅是一种实施方式,在实际应用中,可以选择其他的形状、尺寸以及扫描的步长,不应该理解为对本申请的限制。
步骤203,获取所述图片中除去所述的选定区域后的剩余区域中每一种颜色在所述颜色空间中的占比概率分布直方图,为第二概率分布直方图;
具体的,图片中除去选定区域后的剩余区域可以称之为所述选定区域的补图。例如,RC是R的补图,RC的颜色直方图为:
步骤204,依据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定所述的选定区域的显著度;
其中,qi=max(qi,ε),ε为很小的正数。
在本实施例中,就是获取在一幅图片中相对于其补图包含更多信息量的一个区域,作为显著度最高的区域。
在本实施例中,使用相对熵的意义是:在已知补图RC的编码的情况下,表征整个图片I需要的额外编码长度的期望。如果这个期望很小,那么说明区域RC所包含的信息量与整个图片I已经相近,从RC恢复整个画面I不需要很多额外的信息,从侧面反映除去R区域的信息量很小。
反之,如果这个期望很大,证明R与周遭RC的差异很大,R包含很多额外的信息。
通过上述实施例,计算机能够依据商户上传的一幅图片,进行分析,获取该图片上的显著度分布,便于商户平台选取恰当的展示位置,并且有利于图片搜索。
上述的显著度获取方法,可以应用在本申请提供的在商品图片中提取商品主体的方法的实施例,以及颜色选取的方法的实施例中。
基于图1所示的架构,本申请实施例首先提供一种在商品图片中提取商品主体的方法,在所述方法中,首先获取图片数据对应的图片中的多个选定区域的显著度,并且选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心,之后以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;然后,根据增强后的显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;最后,根据所述绝对主体区域和背景区域,提取商品主体。
上述的获取图片数据对应的图片中的多个选定区域的显著度可以进一步包括:首先,获取图片数据对应的图片中的选定区域中的每一种颜色在颜色空间中的第一概率分布直方图;之后,获取图片数据对应的图片中去除所述选定区域后的剩余区域中的每一种颜色在所述颜色空间中的第二概率分布直方图;最后,根据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定所述选定区域的显著度。
在本发明实施例中,所述以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强具体为:对所述图片数据对应的图片的全部区域上的任一像素点,根据所述像素点与所述圆心的距离对所述像素点的显著度进行高斯加权,以获取所述像素点的增强后的显著度。依据高斯加权进行显著度增强的步骤,可以通过以下公式:
在上述的公式中,S′x,y为增强后的显著度,Sx,y为增强前显著度,W为图片的长度,W为图片宽度,xc为圆心的X轴坐标,x为选定像素点的X轴坐标,yc为圆心的Y轴坐标,y为选定像素点的Y轴坐标。
需要指出的是,在前述实施例中所述选定区域面积优选为所述图片面积的1/16,所述绝对主体区域面积为所述图片面积的1/10。
实施例一:
以下结合附图,对上述在商品图片中提取商品主体的方法进行详细描述,图3是本申请提供的在商品图片中提取商品主体的方法的流程图,由图可见,该方法包括:
步骤301,获取图片数据对应的图片中的多个选定区域的显著度;
在本步骤中,一幅图片中的多个选定区域的显著度的获取可以通过现有的显著度获取方法进行获取,或者通过将在下面图3A描述的显著度的获取过程来获取。图3A所示的显著度获取方法包括:
步骤3011,获取图片数据对应的图片中的选定区域中的每一种颜色在颜色空间中的第一概率分布直方图;
步骤3012,获取图片数据对应的图片中去除所述选定区域后的剩余区域中的每一种颜色在所述颜色空间中的第二概率分布直方图;
步骤3013,根据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定所述选定区域的显著度。
更具体的说,图3A所示的显著度获取方法中的步骤3011-步骤3013可以参考图2所示的显著度获取方法中的具体实施方法,但是并不限定于图2所示的方式。
步骤302,选择所述显著度最高的所述选定区域的中心为潜在商品主体区域的中心;
具体的,通常在商品的图片中,商品主体可能摆放在图片显示画面的任一位置,通常是显著度最高的位置。在前一步骤中,已经获取到图片所显示的画面的显著度分布情况。
通过正方形扫描窗口扫描整个图片画面,统计每个窗口内像素显著度之和,将显著度之和最大的一个窗口作为潜在商品主体区域,显著度之和最大的一个窗口的中心为潜在商品主体区域的中心。为了尽可能增加潜在商品主体区域的范围,在本实施例中,扫描窗口可以为图片尺寸的1/4,而扫描步长可以为扫描窗口边长的一半,也就是说选定区域面积为所述图片面积的1/16。
步骤303,以所述潜在商品主体区域中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
在本步骤中,对所述图片数据对应的图片的全部区域上的任一像素点,根据所述像素点与所述圆心的距离对所述像素点的显著度进行高斯加权,以获取所述像素点的增强后的显著度。
具体的,在将显著度最高的一个选定区域作为潜在商品主体区域,选定该区域的中心O(xc,yc)作为潜在商品主体区域的中心。
接着,增强O及其周边区域的显著度的强度,以O为圆心,对图片显示的画面上的任意一位置对应的像素,将该位置的显著度Sx,y按照与O的距离远近程度进行高斯加权:
其中,S′x,y为增强后的显著度,Sx,y为增强前显著度,W为图片的长度,W为图片宽度,xc为圆心的X轴坐标,x为选定像素点的X轴坐标,yc为圆心的Y轴坐标,y为选定像素点的Y轴坐标。
更具体的,σ取0.3,W为图片的宽度,H为图片的长度,S’x,y为点(x,y)增强后的显著度。由于靠近潜在主体区域中心的位置属于商品主体的概率较大,通过高斯加权能够增强这部分区域的显著度,从而增强商品主体提取的完整性。
即,本步骤具体为对所述图片数据对应的图片的全部区域上的任一像素点,根据所述像素点与所述圆心的距离对所述像素点的显著度进行高斯加权,以获取所述像素点的增强后的显著度
步骤304,根据增强后的显著度,在所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
具体的,在对圆心周边区域增强显著度之后,按照选定的潜在商品主体区域内,按照显著度从高到低选取一定面积的区域标定为绝对主体区域。通常选定的绝对主体区域占整个图片面积的1/10。
同时,在所述潜在商品主体区域外按照显著度从低到高选取一部分区域作为绝对背景区域,该部分的面积也选定为整个图片面积的1/10。
步骤305,根据所述绝对主体区域和背景区域,提取商品主体。
具体的,在获取到绝对主体区域和绝对背景区域之后,通过抠图方法,将绝对主体区域和绝对背景区域分割,即提取到商品的主体。所述的抠图技术,可以为GrabCut方法,但不作为限定。
通过本申请的上述实施例提供的商品主体的获取方法,能够高效发现并提取一幅商品图片中的主体区域,便于商务平台服务器依据在商户上传的商品图片中获取商品主体,从而根据商品主体的位置和种类,进行优化排序,便于消费者从商务平台中搜索需要的商品。
此外,上述实施例中仅仅给出了获取一个商品主体的方法,在实际应用中,可以在一幅图片中按照显著度大小,获取多个潜在商品主体区域,进一步获取一幅图片中多个商品主体,不加赘述。
在一幅商品图片中获取商品主体的方法,可以应用到获取商品图片展示效果的应用中。在商务平台展示中,如何评价商品图片的展示效果,在现有技术中往往通过人工主观判定,这显然带有较多的主观因素,且判断标准不明确。通过人工判断展示效果,往往是通过对背景的杂乱程度进行区分来判断,例如白色背景相比杂乱背景具有较高的展示效果,但是对于背景杂乱度的区分,由人工判断具有较大的主观因素,且对于海量数据通过人工判断,显然需要较大的工作量。
但是,在诸如淘宝、一淘等商务平台,商品图片的展示效果直接影响用户在浏览商品图片时的体验,进而影响用户的消费选择。商品主体在图片中相比于背景比较醒目,那么消费者在看到此图片后,就能够被商品吸引。因此主体醒目程度和背景的杂乱程度是评价商品图片展示效果的重要因素。
为此,基于上述实施例的实现,本申请可以提供一种基于上述实施例的图片质量获取的方法。所述图片质量获取方法包括:首先,依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;之后,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;最后,根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数。
优选的,所述不同多个选定区域在所述图片中的显著度分布依照如下方式获得:首先,获取多个选定区域的显著度;之后,将多个所述选定区域的所述显著度进行均一化,以获取所述图片中多个选定区域在所述图片中的显著度分布。
更优选的,在本申请提供的图片质量获取的方法中,获得多个选定区域的显著度的方法进一步包括:首先,获取图片数据对应的图片中的选定区域中的每一种颜色在颜色空间中的第一概率分布直方图;之后,获取图片数据对应的图片中去除所述选定区域后的剩余区域中的每一种颜色在所述颜色空间中的第二概率分布直方图;然后,根据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定所述选定区域的显著度。
更优选的,在本申请提供的图片质量获取的方法中,所述获取潜在商品主体区域之后,还包括:
以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;之后,根据所述增强后的所述显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域。
在本申请提供的图片质量获取的方法中,根据所述绝对主体区域中的子主体区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量具体包括:将所述子主体区域与所述背景区域中的所有的所述子背景区域的对比度进行累加,获得所述子主体区域相对所述背景区域的醒目度,并且根据所述子主体区域在所述绝对主体区域中的占比,将所述绝对主体区域中全部的所述子主体区域相对所述背景区域的醒目度进行累加,获得主体总醒目度作为图片的质量参数;或者依照上述方式获取到主体总醒目度之后,获取所述绝对背景区域中的所述子背景区域的颜色分布杂乱度,之后,根据所述子背景区域在所述绝对背景区域中的占比,将所述子背景区域的颜色分布杂乱度进行累加,获得背景总杂乱度;最后,根据所述主体总醒目度和所述背景总杂乱度进行计算,将计算结果作为图片的质量参数。
在本申请提供的图片质量获取的方法中,在获取所述绝对主体区域的所在的图片的质量参数之后还可以包括:
获取不同图片中的所述绝对主体区域的所在的图片的质量参数,以根据不同图片中的所述绝对主体区域的所在的图片的质量参数对所述图片进行排序。
在前述的实施例中,一个子主体区域相对于一个子背景区域的醒目度,通过以下公式获得:
其中,fi为颜色空间中的第i种颜色在所述子主体区域F中的占比,bi为颜色空间中的第i种颜色在所述子背景区域B中的占比,dist(ci,cj)为颜色空间中的第i种颜色和第j种颜色在颜色空间中的颜色距离。
在前述的实施例中,将所述子主体区域与所述背景区域中的所有的所述子背景区域的对比度进行累加,获得所述子主体区域相对所述背景区域的醒目度具体通过以下公式获得:
其中,rj为子背景区域Bj在整个背景区域中的面积占比,att(Fi,Bj)为子主体区域Fi相对于一个子背景区域Bj的醒目度。
在前述的实施例中,所述获得主体总醒目度具体通过以下公式:
其中,sj为子主体区域Fj在整个主体区域中的面积占比。
实施例二:
以下结合附图,对本申请实施例提供的图片质量获取的方法进行进一步详细叙述,请参考图4,其为本申请提供一种图片质量获取方法的流程图。由图4可见,该种图片质量获取的方法包括:
步骤401,依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;
在该步骤中,首先在步骤4011中,获取多个选定区域的显著度;之后,在步骤4012中,将多个所述选定区域的所述显著度进行均一化,以获取所述图片中多个选定区域在所述图片中的显著度分布,其流程可参考图4A。
更具体而言,在步骤4011中,可以依据设定的扫描步长和设定的扫描窗口大小依次扫过所述图片中的全部区域;将每次移动一个扫描步长后的一个扫描窗口大小的区域作为一个选定区域,直至扫描完整个图片,之后按照图3所示的获取那个品主体方法中的步骤301中获取图片中的每一个选定区域的显著度的具体描述相同,在此不再赘述。
需要指出的是,在本实施例中取图片中的每一个选定区域的显著度的方法同样可以参考图2所示的显著度获取方法的具体实现方法,但是并不限定于图2所示的方式,只要能够在一幅商品图片中准确获取选定区域显著度的方法都可以应用在本实施例中。
在步骤4012中,归一化是指把所给出的数据去单位化,把同类型的数据除以其所在数据的总和,得到该数据在总和中的比重。
具体的,通常在商品的图片中,商品主体可能摆放在图片显示画面的任一位置,通常是显著度最高的位置。在前一步骤中,已经获取到图片所显示的画面的显著度分布情况。
因此,通过正方形扫描窗口扫描整个图片画面,统计每个窗口内像素显著度之和,将显著度之和最大的一个窗口作为潜在商品主体区域,显著度之和最大的一个窗口的中心为潜在商品主体区域的中心。为了尽可能增加潜在商品主体区域的范围,在本实施例中,扫描窗口可以为图片尺寸的1/4,而扫描步长可以为扫描窗口边长的一半,也就是说选定区域面积为所述图片面积的1/16,通过本步骤可以获取到商品图片中,商品主体的潜在位置。
步骤402,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
在此步骤中,可以以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;之后,根据所述增强后的所述显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域。
具体增强显著度的方法,可以参考图3所示的前述实施例中的步骤303,也就是,根据显著度获取方法,获取一幅图片的显著度分布,之后,根据显著度分布,获取商品的潜在主体区域,并依据高斯加权,增强潜在主体区域中心周围的显著度,依照增强后的显著度获取绝对主体区域和背景区域。
更具体的,在对圆心周边区域增强显著度之后,在选定的潜在商品主体区域内,按照显著度从高到低选取一定面积的区域标定为绝对主体区域。通常选定的绝对主体区域占整个图片面积的1/10。
同时,在所述潜在商品主体区域外按照显著度从低到高选取一部分区域作为绝对背景区域,该部分的面积也选定为整个图片面积的1/10。
步骤403,根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数。
具体的说是,根据绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数的方法可以只参考绝对主体区域的主体总醒目度,也可结合背景区域的背景杂乱度,综合判断,得出商品图片的质量参数。
以下介绍一种通过获取主体总醒目度,获取商品图片质量参数的方法,图4B是步骤403中根据绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数的一种实施例的流程图,在该实施例中通过获取主体总醒目度,获取商品图片质量参数。该包括:
步骤4031,获取图片中的所述绝对主体区域的主体总醒目度;
具体的,在获取到的绝对主体区域中的选取任一子区域与背景区域一个区域的对比度,累加该子区域的相对整个图片中背景区域的对比度,即可得到商品主体中的子区域相比整个背景的醒目度;
由于绝对主体区域包含多个子区域,将这些子区域的醒目度按照在绝对主体区域中的面积占比进行累加,即可得到在该图片中整个商品主体的主体总醒目度。
在该步骤4031中获取一幅图片中的绝对主体区域的主体总醒目度的方法可以参考图4C,具体包括:
步骤40311,获取所述绝对主体区域中的任一子主体区域与背景区域中的子背景区域的对比度;
具体的,指定一个颜色集合C={c1,c2,…,cN},对绝对主体区域中的任一子主体区域,统计其在颜色集合C上的概率分布。
设一子区域为F={f1,f2,…,fN},其fi为在F中,颜色ci的占比;
背景区域B={b1,b2,…,bN},其中bi为在B中,颜色c1的占比,F相对B的醒目度att(F,B)被定义为:
其中,dist(ci,cj)为两个颜色的在某个颜色空间中的颜色距离。
步骤40312,累加所述子主体区域与所述背景区域全部子背景区域的对比度为该子主体区域相对整个背景区域的醒目度;
其中,rj为子背景区域Bj在全部背景区域中的面积占比。
步骤40313,按照所述子主体区域在所述绝对主体区域中的占比,累加所述绝对主体区域中全部子主体区域的醒目度,作为为整个商品主体的主体总醒目度。
步骤4032,根据所述主体总醒目度,获取所述图片的质量参数。
具体的,可以按照预设的评分标准,按照所述主体总醒目度与评分标准中对应,获取相应分数,以判定该图片的展示效果。
采用上述实施例,可以通过对一幅图片中商品主体的显著度对比获取一幅图片中商品主体的醒目度,将不同图片商品醒目度对比,获取商品的展示效果。
此外,在步骤403中,还可以根据主体总醒目度和背景总杂乱度结合的方式,获取绝对主体区域的所在的图片的质量参数,图4D就是该种实施例的流程图。在该实施例中,所述方法包括:
步骤4033,获取图片中的所述绝对主体区域的主体总醒目度,并获取所述图片中的所述绝对背景区域的背景总杂乱度。
具体的,在获取到的绝对主体区域中的选取任一子主体区域与背景区域一个区域的对比度,累加该子区域的相对整个图片中背景区域的对比度,即可得到商品主体中的子区域相比整个背景的醒目度;
由于绝对主体区域包含多个子主体区域,将这些子主体区域的醒目度按照在绝对主体区域中的面积占比进行累加,即可得到在该图片中整个商品主体的主体总醒目度,该步骤的方法和图4B所示的实施例中的步骤4031相同,不加赘述。
所述的背景杂乱度是指图片画面中绝对背景的杂乱程度,绝对背景中颜色越简单,其杂乱程度越低,获取背景杂乱度的方法,可以参考图4E,由图4E可见,获取背景杂乱度的方法包括:
步骤40331,获取所述绝对背景区域中的子背景区域的颜色分布杂乱度;
具体的,在颜色集合C={c1,c2,…,cN}中。对任一子背景区域,统计其在颜色集C上的概率分布。设有一子背景区域B={b1,b2,…,bN},其中bi为在B中,颜色ci的占比,B的杂乱度noi(B)由熵公式计算:
步骤40332,按照所述子背景区域在所述绝对背景区域中的占比,累加所述绝对背景区域中全部子背景区域的杂乱度为整个背景的背景总杂乱度。
步骤4034,根据所述主体总醒目度和所述背景总杂乱度进行计算,将计算结果作为图片的质量参数。
具体的,获取一幅图片中商品绝对主体区域的主体总醒目度之后,再将该图片中绝对背景的背景杂乱度,按照设定的排序因子计算得到该图片的质量参数,作为图片的整体展示效果。
Quality(I)=α·QuanATT(I)-β·QuanNOI(I)
其中,QuanATT()为量化成0-100分以后的主体醒目度,而QuanNOI()为量化到0-100分以后的背景杂乱度,而α和β为调节两个指标所占权重的排序因子。
获取到一幅图片中背景杂乱度和主体醒目度之后,具体通过以下方式获取图片的展示效果。
在确定了“主体醒目度”/“背景杂乱度”之后,通过对海量数据的观察,可以确定其最大值/最小值,然后将“主体醒目度”/“背景杂乱度”映射到100-0分,实现了对商品图片展示效果的打分。
具体总体总醒目度和背景总杂乱度的评分标准,可依据需求设定。
若想要在多张图片中获取一张图片相比其他图片的展示质量,则可以在依照所述主体总醒目度,获取所述一幅图片的整体展示效果之后获取不同图片中的质量参数,以按照不同图片的质量参数排序,以获取一目标图片在全部图片中的展示效果。
一般来说,主体越醒目,背景越不杂乱(纯净)的图片,其商品的展示效果也越好。对于图片,通过下述公式对其综合展示效果进行自动评估,进而排序或精选,提高用户的浏览体验:
通过上述实施例,使得商务平台服务器能够针对商户上传的图片获取图片的展示效果,实现对商品图片展示效果的自动评价,通过不同图片的展示效果对图片进行排序,筛选。
对应图1所示的***,本申请实施例还可以提供一种在商品图片中提取商品主体的装置,所述装置包括用以获取图片数据对应的图片中的多个选定区域的显著度的获取单元、用以选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心的选择单元、用以以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强的增强单元、用以从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域的选取单元;以及用以根据所述绝对主体区域和背景区域,提取商品主体的提取单元。
实施例三
以下结合附图,对前述的在商品图片中提取商品主体的装置进行更详细描述,其结构可参考图5所示的结构图,如图5所示,所述装置包括:
获取单元501,用以获取图片数据对应的图片中的多个选定区域的显著度;
选择单元502,用以选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心;
增强单元503,用以以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
选取单元504,用以从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
提取单元505,用以根据所述绝对主体区域和背景区域,提取商品主体。
具体而言,获取单元501依据前述实施例中提供的显著度分布的获取方法,获取该图片的显著度分布,具体方可参考前述实施例,在此不多加赘述。
通常在商品的图片中,商品主体可能摆放在图片显示画面的任一位置,通常是显著度最高的位置。已经获取到图片所显示的画面的显著度分布情况。选择单元502选择所述显著度最高的所述选定区域为潜在商品主体区域,并且选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心。
增强单元503在选定的潜在主体区域的中心O(xc,yc),增强O及其周边区域的显著度的强度,以O为圆心,对图片显示的画面上的任意一位置,将该位置的显著度Sx,y按照与O的距离远近程度进行高斯加权,由于靠近潜在主体区域中心的位置属于商品主体的概率较大,通过高斯加权能够增强这部分区域的显著度,从而增强商品主体提取的完整性。
选取单元504在对圆心周边区域增强显著度之后,按照选定的潜在商品主体区域内,按照显著度从高到低选取一定面积的区域标定为绝对主体区域。
同时,选取单元504在所述潜在商品主体区域外按照显著度从低到高选取一部分区域作为绝对背景区域,该部分的面积也选定为整个图片面积的1/10。
提取单元505在获取到绝对主体区域和绝对背景区域之后,通过抠图方法,将绝对主体区域和绝对背景区域分割,即提取到商品的主体。所述的抠图技术,可以为GrabCut方法,但不作为限定。
如前面所述,获取单元501可以依据前述实施例中提供的显著度分布的获取方法,获取该图片的显著度分布。
因此,获取单元501可以进一步包括第一获取子单元5011、第二获取子单元5012和显著度获取子单元5013,参考图6。其中,第一获取子单元5011获取图片中的选定区域中的每一种颜色在颜色空间中的占比概率分布直方图,为第一概率分布直方图;第二获取子单元5012获取图片中除去所述的选定区域后的剩余区域中每一种颜色在颜色空间中的占比概率分布直方图,为第二概率分布直方图;显著度获取子单元5013依据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定选定区域的显著度。
更具体的,第一获取子单元5011通过获取所R中属于每一种颜色的像素数,依照某种颜色的像素数在整个R区域中所占的面积比,作为选定区域中的每一种颜色在所述颜色空间中的占比概率分布,依据此概率分布生成直方图。
第二获取子单元5012将图片中除去选定区域后的剩余区域作为为选定区域的补图。例如,RC是R的补图,RC的颜色直方图为:
其中qi为颜色ci∈C在R中的占比在补图RC中的占比,S为整个图片中画面的面积,而SR为区域R的面积。即为R的补图RC在颜色上的概率分布;
通过上述在商品图片中提取商品主体的装置,能够在商品图片中准确获取商品的主***置。
对应图1所述的架构和图4所示的图片质量参数获取的方法,本申请还提供一种图片质量的获取装置,所述装置包括:用以依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域的第一获取单元;用于从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域的第二获取单元;以及用以根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数的第三获取单元,。
实施例四
以下结合附图对上述图片质量的获取装置进行更详细的叙述,由图7可见,所述装置包括第一获取单元701、第二获取单元702以及第三获取单元703。其中,第一获取单元701依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;第二获取单元702从第一获取单元701获取到的潜在商品主体区域内选取绝对主体区域,并从潜在商品主体区域之外选取背景区域;第三获取单元703根据第二获取单元702获取到的绝对主体区域中的子区域与背景区域中的子背景区域的对比度,获取绝对主体区域的所在的图片的质量参数。
具体的,第一获取单元701通过前述两个实施例中利用显著度分布获取商品主体的方法,来获取一幅图片中的潜在主体区域第二获取单元702依照前述的高斯加权增强方法,获取商品的绝对主题区域和背景区域,,具体获取方式,参考前述实施例,不多赘述。
最后由第三获取单元703根据主体总醒目度和/或背景总杂乱度获取所述绝对主体区域的所在的图片的质量参数。
第三获取单元703获取图片中的所述绝对主体区域的主体总醒目度,具体通过在获取到的绝对主体区域中的选取任一子区域与背景区域一个区域的对比度,累加该子区域的相对整个图片中背景区域的对比度,即可得到商品主体中的子区域相比整个背景的醒目度;这些子区域的醒目度按照在绝对主体区域中的面积占比进行累加,即可得到在该图片中整个商品主体的主体总醒目度。之后,根据主体总醒目度,获取所述图片的质量参数。也可以同时获取绝对主体区域的主体总醒目度以及背景区域的背景杂乱度相结合,获取图片的质量参数。
例如,可以按照预设的评分标准,按照所述主体总醒目度与评分标准中对应,获取相应分数,以判定该图片的展示效果。
上述的装置是为了实现前述的方法的对应装置,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
例如,上述的图片质量获取单元,必然包含能够获取图片显著度分布的各种功能单元和商品主体获取装置的功能单元,但是依照现有技术,完全可以通过软件进行整个之后设计在同一个服务器中由软件和硬件结合实现。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (17)
1.一种在商品图片中提取商品主体的方法,其特征在于,所述方法包括:
获取图片数据对应的图片中的多个选定区域的显著度;
选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心;
以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
根据增强后的显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
根据所述绝对主体区域和背景区域,提取商品主体。
2.如权利要求1所述的在商品图片中提取商品主体的方法,其特征在于,所述获取图片数据对应的图片中的多个选定区域的显著度进一步包括:
获取图片数据对应的图片中的选定区域中的每一种颜色在颜色空间中的第一概率分布直方图;
获取图片数据对应的图片中去除所述选定区域后的剩余区域中的每一种颜色在所述颜色空间中的第二概率分布直方图;
根据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定所述选定区域的显著度。
3.如权利要求1所述的在商品图片中提取商品主体的方法,其特征在于,所述以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强具体包括:
对所述图片数据对应的图片的全部区域上的任一像素点,根据所述像素点与所述圆心的距离对所述像素点的显著度进行高斯加权,以获取所述像素点的增强后的显著度。
4.如权利要求3所述的在商品图片中提取商品主体的方法,其特征在于,所述对所述图片数据对应的图片的全部区域上的任一像素点,根据所述像素点与所述圆心的距离对所述像素点的显著度进行高斯加权,以获取所述像素点的增强后的显著度具体为:
其中,S′x,y为增强后的显著度,Sx,y为增强前显著度,W为图片的长度,W为图片宽度,xc为圆心的X轴坐标,x为选定像素点的X轴坐标,yc为圆心的Y轴坐标,y为选定像素点的Y轴坐标。
5.如权利要求1-4任一项所述的在商品图片中提取商品主体的方法,其特征在于,
所述选定区域面积为所述图片面积的1/16,所述绝对主体区域面积为所述图片面积的1/10。
6.一种图片质量获取的方法,其特征在于,所述方法包括:
依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;
从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数。
7.如权利要求6所述的图片质量获取的方法,其特征在于,所述不同多个选定区域在所述图片中的显著度分布依照如下方式获得:
获取多个选定区域的显著度;
将多个所述选定区域的所述显著度进行均一化,以获取所述图片中多个选定区域在所述图片中的显著度分布。
8.如权利要求7所述的图片质量获取的方法,其特征在于,所述获得多个选定区域的显著度进一步包括:
获取图片数据对应的图片中的选定区域中的每一种颜色在颜色空间中的第一概率分布直方图;
获取图片数据对应的图片中去除所述选定区域后的剩余区域中的每一种颜色在所述颜色空间中的第二概率分布直方图;
根据所述第一概率分布直方图和所述第二概率分布直方图的相对熵,确定所述选定区域的显著度。
9.如权利要求8所述的图片质量获取的方法,其特征在于,所述获取潜在商品主体区域之后,还包括:
以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域具体为:
根据所述增强后的所述显著度,从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域。
10.如权利要求9所述的图片质量获取的方法,其特征在于,所述根据所述绝对主体区域中的子主体区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量具体包括:
将所述子主体区域与所述背景区域中的所有的所述子背景区域的对比度进行累加,获得所述子主体区域相对所述背景区域的醒目度;
根据所述子主体区域在所述绝对主体区域中的占比,将所述绝对主体区域中全部的所述子主体区域相对所述背景区域的醒目度进行累加,获得主体总醒目度作为图片的质量参数。
11.如权利要求9所述的图片质量获取的方法,其特征在于,所述根据所述绝对主体区域中的子主体区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量具体包括:
将所述子主体区域与所述背景区域中的所有的所述子背景区域的对比度进行累加,获得所述子主体区域相对所述背景区域的醒目度;
根据所述子主体区域在所述绝对主体区域中的占比,将所述绝对主体区域中全部的所述子主体区域相对所述背景区域的醒目度进行累加,获得主体总醒目度;
获取所述绝对背景区域中的所述子背景区域的颜色分布杂乱度;
根据所述子背景区域在所述绝对背景区域中的占比,将所述子背景区域的颜色分布杂乱度进行累加,获得背景总杂乱度;
根据所述主体总醒目度和所述背景总杂乱度进行计算,将计算结果作为图片的质量参数。
12.如权利要求9所述的图片质量获取的方法,其特征在于,在获取所述绝对主体区域的所在的图片的质量参数之后还包括:
获取不同图片中的所述绝对主体区域的所在的图片的质量参数,以根据不同图片中的所述绝对主体区域的所在的图片的质量参数对所述图片进行排序。
13.如权利要求10或11所述的图片质量获取的方法,其特征在于,一个子主体区域相对于一个子背景区域的醒目度,通过以下公式获得:
其中,fi为颜色空间中的第i种颜色在所述子主体区域F中的占比,bi为颜色空间中的第i种颜色在所述子背景区域B中的占比,dist(ci,cj)为颜色空间中的第i种颜色和第j种颜色在颜色空间中的颜色距离。
14.如权利要求13所述的图片质量获取的方法,其特征在于,所述将所述子主体区域与所述背景区域中的所有的所述子背景区域的对比度进行累加,获得所述子主体区域相对所述背景区域的醒目度具体通过以下公式获得:
其中,rj为子背景区域Bj在整个背景区域中的面积占比,att(Fi,Bj)为子主体区域Fi相对于一个子背景区域Bj的醒目度。
15.如权利要求14所述的图片质量获取的方法,其特征在于,所述获得主体总醒目度具体通过以下公式:
其中,sj为子主体区域Fj在整个主体区域中的面积占比。
16.一种在商品图片中提取商品主体的装置,其特征在于,所述装置包括:
获取单元,用以获取图片数据对应的图片中的多个选定区域的显著度;
选择单元,用以选择所述显著度最高的所述选定区域的中心为潜在商品主体区域中心;
增强单元,用以以所述潜在商品主体区域的中心为圆心,将所述图片数据对应的图片的全部区域的所述显著度增强;
选取单元,用以从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
提取单元,用以根据所述绝对主体区域和背景区域,提取商品主体。
17.一种图片质量的获取装置,其特征在于,所述装置包括:
第一获取单元,用以依据图片中不同多个选定区域在所述图片中的显著度分布,获取潜在商品主体区域;
第二获取单元,用于从所述潜在商品主体区域内选取绝对主体区域,并从所述潜在商品主体区域之外选取背景区域;
第三获取单元,用以根据所述绝对主体区域中的子区域与所述背景区域中的子背景区域的对比度,获取所述绝对主体区域的所在的图片的质量参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210279081.4A CN103578098B (zh) | 2012-08-07 | 2012-08-07 | 在商品图片中提取商品主体的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210279081.4A CN103578098B (zh) | 2012-08-07 | 2012-08-07 | 在商品图片中提取商品主体的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103578098A true CN103578098A (zh) | 2014-02-12 |
CN103578098B CN103578098B (zh) | 2017-05-10 |
Family
ID=50049824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210279081.4A Active CN103578098B (zh) | 2012-08-07 | 2012-08-07 | 在商品图片中提取商品主体的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103578098B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016066042A1 (zh) * | 2014-10-29 | 2016-05-06 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
CN106157280A (zh) * | 2015-03-31 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法及装置 |
CN106202089A (zh) * | 2015-05-04 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 一种确定图片质量和网页展示的方法及设备 |
WO2017088605A1 (zh) * | 2015-11-26 | 2017-06-01 | 腾讯科技(深圳)有限公司 | 图片编辑中的图片显示控制方法及装置 |
CN107169817A (zh) * | 2017-04-20 | 2017-09-15 | 温州市鹿城区中津先进科技研究院 | 电商平台展示图片颜色信息采集方法 |
CN107798653A (zh) * | 2017-09-20 | 2018-03-13 | 北京三快在线科技有限公司 | 一种图像处理的方法和一种装置 |
CN108447064A (zh) * | 2018-02-28 | 2018-08-24 | 苏宁易购集团股份有限公司 | 一种图片处理方法及装置 |
CN110717865A (zh) * | 2019-09-02 | 2020-01-21 | 苏宁云计算有限公司 | 图片检测方法及装置 |
CN114466203A (zh) * | 2020-11-10 | 2022-05-10 | 阿里巴巴集团控股有限公司 | 视频的处理方法、装置及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1211637A2 (en) * | 2000-08-18 | 2002-06-05 | Eastman Kodak Company | Digital image processing system and method for emphasizing a main subject of an image |
US20020093670A1 (en) * | 2000-12-07 | 2002-07-18 | Eastman Kodak Company | Doubleprint photofinishing service with the second print having subject content-based modifications |
US20030122942A1 (en) * | 2001-12-19 | 2003-07-03 | Eastman Kodak Company | Motion image capture system incorporating metadata to facilitate transcoding |
US20050025387A1 (en) * | 2003-07-31 | 2005-02-03 | Eastman Kodak Company | Method and computer program product for producing an image of a desired aspect ratio |
KR20060007901A (ko) * | 2004-07-22 | 2006-01-26 | 삼성전자주식회사 | 영상으로부터의 중요 객체 추출 장치 및 방법 |
CN101847264A (zh) * | 2010-05-28 | 2010-09-29 | 北京大学 | 基于互补显著度图的图像兴趣物体自动提取方法及*** |
CN102184557A (zh) * | 2011-06-17 | 2011-09-14 | 电子科技大学 | 一种复杂场景的显著区域检测方法 |
CN102214298A (zh) * | 2011-06-20 | 2011-10-12 | 复旦大学 | 基于选择性视觉注意机制的遥感图像机场目标检测与识别方法 |
-
2012
- 2012-08-07 CN CN201210279081.4A patent/CN103578098B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1211637A2 (en) * | 2000-08-18 | 2002-06-05 | Eastman Kodak Company | Digital image processing system and method for emphasizing a main subject of an image |
US20020093670A1 (en) * | 2000-12-07 | 2002-07-18 | Eastman Kodak Company | Doubleprint photofinishing service with the second print having subject content-based modifications |
US20030122942A1 (en) * | 2001-12-19 | 2003-07-03 | Eastman Kodak Company | Motion image capture system incorporating metadata to facilitate transcoding |
US20050025387A1 (en) * | 2003-07-31 | 2005-02-03 | Eastman Kodak Company | Method and computer program product for producing an image of a desired aspect ratio |
KR20060007901A (ko) * | 2004-07-22 | 2006-01-26 | 삼성전자주식회사 | 영상으로부터의 중요 객체 추출 장치 및 방법 |
CN101847264A (zh) * | 2010-05-28 | 2010-09-29 | 北京大学 | 基于互补显著度图的图像兴趣物体自动提取方法及*** |
CN102184557A (zh) * | 2011-06-17 | 2011-09-14 | 电子科技大学 | 一种复杂场景的显著区域检测方法 |
CN102214298A (zh) * | 2011-06-20 | 2011-10-12 | 复旦大学 | 基于选择性视觉注意机制的遥感图像机场目标检测与识别方法 |
Non-Patent Citations (4)
Title |
---|
张菁等: "《基于视觉注意模型和进化规划的感兴趣区检测方法》", 《电子与信息学报》 * |
王国营等: "《一种图像显著区域的提取方法》", 《计算机应用》 * |
王晓晓: "《基于改进区域生长的图像显著区域的提取方法》", 《现代计算机(专业版)》 * |
马儒宁等: "《视觉显著性凸显目标的评价》", 《自动化学报》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608459B (zh) * | 2014-10-29 | 2018-09-14 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
CN105608459A (zh) * | 2014-10-29 | 2016-05-25 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
WO2016066042A1 (zh) * | 2014-10-29 | 2016-05-06 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
US10297029B2 (en) | 2014-10-29 | 2019-05-21 | Alibaba Group Holding Limited | Method and device for image segmentation |
CN106157280A (zh) * | 2015-03-31 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法及装置 |
CN106157280B (zh) * | 2015-03-31 | 2019-09-24 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法及装置 |
CN106202089B (zh) * | 2015-05-04 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 一种确定图片质量和网页展示的方法及设备 |
CN106202089A (zh) * | 2015-05-04 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 一种确定图片质量和网页展示的方法及设备 |
CN106803234B (zh) * | 2015-11-26 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 图片编辑中的图片显示控制方法及装置 |
CN106803234A (zh) * | 2015-11-26 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 图片编辑中的图片显示控制方法及装置 |
US10360659B2 (en) | 2015-11-26 | 2019-07-23 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for controlling image display during image editing |
WO2017088605A1 (zh) * | 2015-11-26 | 2017-06-01 | 腾讯科技(深圳)有限公司 | 图片编辑中的图片显示控制方法及装置 |
US11087436B2 (en) | 2015-11-26 | 2021-08-10 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for controlling image display during image editing |
CN107169817A (zh) * | 2017-04-20 | 2017-09-15 | 温州市鹿城区中津先进科技研究院 | 电商平台展示图片颜色信息采集方法 |
CN107798653B (zh) * | 2017-09-20 | 2019-12-24 | 北京三快在线科技有限公司 | 一种图像处理的方法和一种装置 |
CN107798653A (zh) * | 2017-09-20 | 2018-03-13 | 北京三快在线科技有限公司 | 一种图像处理的方法和一种装置 |
CN108447064A (zh) * | 2018-02-28 | 2018-08-24 | 苏宁易购集团股份有限公司 | 一种图片处理方法及装置 |
CN110717865A (zh) * | 2019-09-02 | 2020-01-21 | 苏宁云计算有限公司 | 图片检测方法及装置 |
CN110717865B (zh) * | 2019-09-02 | 2022-07-29 | 苏宁云计算有限公司 | 图片检测方法及装置 |
CN114466203A (zh) * | 2020-11-10 | 2022-05-10 | 阿里巴巴集团控股有限公司 | 视频的处理方法、装置及*** |
Also Published As
Publication number | Publication date |
---|---|
CN103578098B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103578098A (zh) | 在商品图片中提取商品主体的方法和装置 | |
Shan | Image segmentation method based on K-mean algorithm | |
JP5779720B2 (ja) | 検索のための画像品質分析 | |
Romão et al. | Territory and sustainable tourism development: A space-time analysis on European regions | |
CN103577475B (zh) | 一种图片自动化分类方法、图片处理方法及其装置 | |
Linhai Jing et al. | Principal component analysis with optimum order sample correlation coefficient for image enhancement | |
CN104424230B (zh) | 一种网络商品推荐方法及装置 | |
Cetinic et al. | Learning the principles of art history with convolutional neural networks | |
CN102819582A (zh) | 一种海量图片快速检索方法 | |
Xu et al. | Hyperspectral image denoising using a spatial–spectral monte carlo sampling approach | |
Zhang et al. | Data fusion and classifier ensemble techniques for vegetation mapping in the coastal Everglades | |
CN103577993B (zh) | 颜色选取方法及装置 | |
CN108415913A (zh) | 基于不确定邻居的人群定向方法 | |
CN103793717A (zh) | 判断图像主体显著性及训练其分类器的方法和*** | |
CN108734520A (zh) | 一种基于机器学习的玉石价格评估方法及装置 | |
Miao et al. | Integration of satellite images and open data for impervious surface classification | |
Yin et al. | Sub-pixel vs. super-pixel-based greenspace mapping along the urban–rural gradient using high spatial resolution Gaofen-2 satellite imagery: a case study of Haidian District, Beijing, China | |
Kaya et al. | An automatic identification method for the comparison of plant and honey pollen based on GLCM texture features and artificial neural network | |
Chen et al. | Application of the image processing technique in identifying the particle dispersion from a centrifugal fertilizer spreader | |
Backes | Upper and lower volumetric fractal descriptors for texture classification | |
Song et al. | Hyperspectral data spectrum and texture band selection based on the subspace-rough set method | |
Han et al. | Research on grading detection of the wheat seeds | |
Espindola et al. | Comparing different deep learning architectures as vision-based multi-label classifiers for identification of multiple distresses on asphalt pavement | |
Cai et al. | A discrete bio-inspired metaheuristic algorithm for efficient and accurate image matting | |
CN106156063B (zh) | 用于图片对象搜索结果排序的相关方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1193227 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1193227 Country of ref document: HK |