CN108898081B - 图片处理方法、装置、移动终端及计算机可读存储介质 - Google Patents
图片处理方法、装置、移动终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108898081B CN108898081B CN201810630403.2A CN201810630403A CN108898081B CN 108898081 B CN108898081 B CN 108898081B CN 201810630403 A CN201810630403 A CN 201810630403A CN 108898081 B CN108898081 B CN 108898081B
- Authority
- CN
- China
- Prior art keywords
- picture
- processed
- processing mode
- reference picture
- determining
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种图片处理方法、装置、移动终端及计算机可读存储介质,所述方法包括:获取待处理图片集合中的基准图片,以及与所述基准图片间隔预设帧数的待处理图片;对所述基准图片进行场景检测,获得第一检测结果,并对所述基准图片进行场景分类,获得第一分类结果;根据所述第一检测结果以及所述第一分类结果,确定所述基准图片的图片处理模式;根据所述基准图片的图片处理模式,确定所述待处理图片的图片处理模式;根据所述待处理图片的图片处理模式对所述待处理图片进行处理。本申请可以避免移动终端出现发热现象,提高移动终端的使用寿命以及用户的使用体验。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种图片处理方法、装置、移动终端及计算机可读存储介质。
背景技术
目前,人们对视频的画质要求越来越高。通常情况下,为了提高视频的画质,需要利用训练后的神经网络模型识别视频中每帧图片中的预设目标,比如判断每帧图片中是否包含人脸、动物或美食,然后,根据识别出的预设目标,对图片进行相应的处理,比如,若识别出视频中某帧图片包含人脸,则对该帧图片进行美白磨皮处理。
上述传统的视频处理方法需要利用神经网络模型对视频中的每帧图片进行场景识别,由于视频中每秒包括24帧以上的图片,每一帧图片所占用的时间小于0.0417s,而神经网络模型对图片的场景识别处理往往会耗费大量的时间,为了满足视频的实时性要求(在小于0.0417s内完成对图片的场景识别以及图片处理),需要提高算法运行速度,这会使得用户在观看视频的过程中,移动终端的计算压力较大,导致移动终端容易出现发热现象,不仅会影响移动终端的使用寿命,而且会影响用户的使用体验。
发明内容
有鉴于此,本申请提供了一种图片处理方法、装置、移动终端及计算机可读存储介质,可以在一定程度上降低移动终端对视频中图片的处理压力,减轻移动终端的发热现象,提高用户的使用体验。
本申请的第一方面提供了一种图片处理方法,包括:
获取待处理图片集合中的基准图片,以及与上述基准图片间隔预设帧数的待处理图片;
对上述基准图片进行场景检测,获得第一检测结果,并对上述基准图片进行场景分类,获得第一分类结果;
根据上述第一检测结果以及上述第一分类结果,确定上述基准图片的图片处理模式;
根据上述基准图片的图片处理模式,确定上述待处理图片的图片处理模式;
根据上述待处理图片的图片处理模式对上述待处理图片进行处理。
本申请的第二方面提供了一种图片处理装置,包括:
图片获取模块,用于获取待处理图片集合中的基准图片,以及与上述基准图片间隔预设帧数的待处理图片;
场景处理模块,用于对上述基准图片进行场景检测,获得第一检测结果,并对上述基准图片进行场景分类,获得第一分类结果;
第一模式确定模块,用于根据上述第一检测结果以及上述第一分类结果,确定上述基准图片的图片处理模式;
第二模式确定模块,用于根据上述基准图片的图片处理模式,确定上述待处理图片的图片处理模式;
图片处理模块,用于根据上述待处理图片的图片处理模式对上述待处理图片进行处理。
本申请的第三方面提供了一种移动终端,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面方法的步骤。
本申请的第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面方法的步骤。
本申请第五方面提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面方法的步骤。
由上可见,本申请提供了一种图片处理方法,首先,获取待处理图片集合中的基准图片以及与该基准图片间隔预设帧数的待处理图片,对该基准图片中进行场景检测,比如检测该基准图片中的人脸、动物以及美食等目标物体,并获得第一检测结果,同时对该基准图片进行场景分类,获得第一分类结果,比如,将该基准图片分类为海滩场景、森林场景、雪地场景、草原场景或沙漠场景等;其次,根据上述第一检测结果以及上述第一分类结果,获取该基准图片的图片处理模式;最后,根据上述基准图片的图片处理模式,确定该待处理图片的图片处理模式,并根据该待处理图片的图片处理模式对该待处理图片进行处理。因此,本申请所提供的技术方案中待处理图片的图片处理模式是根据基准图片的图片处理模式得到的,而不是利用场景检测模型和场景分类模型做场景识别得到的,因此避免了利用神经网络模型对待处理图片进行场景识别的处理,可以有效减轻移动终端在该待处理图片显示时(小于0.0417s)的计算压力,避免移动终端出现发热现象,提高移动终端的使用寿命以及用户的使用体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本申请实施例一提供的一种图片处理方法的实现流程示意图;
图2(a)是本申请实施例一提供的利用场景检测模型以及场景分类模型对基准图片进行场景识别的示意图;
图2(b)是本申请实施例一提供的预设对应关系表的示意图;
图3是本申请实施例二提供的另一种图片处理方法的实现流程示意图;
图4是本申请实施例三提供的一种图片处理装置的结构示意图;
图5是本申请实施例四提供的移动终端的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
本申请实施例提供的图片处理方法可以适用于移动终端,示例性地,上述移动终端包括但不限于:智能手机、平板电脑或者智能穿戴设备等。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,上述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的移动终端。然而,应当理解的是,移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
移动终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了说明本申请上述的技术方案,下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例一提供的一种图片处理方法进行描述,请参阅附图1,本申请实施例一提供的图片处理方法包括步骤S101-S105:
在步骤S101中,获取待处理图片集合中的基准图片,以及与上述基准图片间隔预设帧数的待处理图片;
在本申请实施例中,上述待处理图片集合可以是移动终端在启动相机或摄像机后的预览画面中的各个图片帧的集合;或者,可以是保存在本地的视频,比如,用户下载完成的电视剧、综艺节目等等;或者,也可以是用户利用网络在线观看的视频,比如,用户利用视频播放器,在线观看的新闻节目、动画片等等;或者,还可以是用户开启移动终端的摄像头正在录制的视频,此处对待处理图片集合的类型不作限定。
上述基准图片可以是待处理图片集合中的任意一帧图片,本申请实施例提供的图片处理方法可以获取基准图片后续的图片帧的图片处理模式,并利用该图片处理模式对相应的图片进行处理。因此,可以将上述基准图片确定为待处理图片集合的第一帧图片。
此外,在本申请实施例中,为了保证用户在观看待处理图片集合的时候,能够获取每一帧图片的图片处理模式,可以将上述预设帧数设置为1,即获取该基准图片的下一帧作为待处理图片。
在步骤S102中,对上述基准图片进行场景检测,获得第一检测结果,并对上述基准图片进行场景分类,获得第一分类结果;
在本申请实施例中,可以利用训练后的场景检测模型(即用于场景检测的神经网络模型)对上述基准图片进行场景检测,或者,也可以利用本领域常用的其他场景检测方法来检测上述基准图片中的场景,此处对场景检测的方法不作限定。
上述场景检测模型用于对基准图片中的目标物体进行检测。其中,上述目标物体可以为经常出现在用户照片中的具有动态特征的前景,例如人脸、动物等;也可以是用户照片中距离观赏者较近且具有静态特征的景物,例如鲜花、美食等。在本申请实施例中,为了获取基准图片所包含的更多信息,便于后续对基准图片的处理,可以预先训练该场景检测模型能够检测多个不同种类的前景(比如训练后的场景检测模型能够检测的目标物体为人脸、动物以及美食)。
上述第一检测结果可以用于指示上述基准图片中有无目标物体,并且在包含目标物体时用于指示上述基准图片中所包含的各个目标物体的类别和位置。其中,上述位置用于对目标物体进行定位,在本申请实施例中,可以用方框、圆框、椭圆形框等对各个目标物体进行定位,若用方框对目标物体进行定位的话,可以用该方框左上角以及右下角的坐标来表示目标物体的位置;若用圆框对目标物体进行定位的话,可以用圆框的圆心坐标以及圆半径来表示目标物体的位置,此处对目标物体的位置的表示方式不作限定。比如,如图2(a)所示,若训练后的场景检测模型202能够检测到的目标物体为人脸和狗,则对基准图片201进行场景检测后,所获得的第一检测结果用以指示该基准图片201中包含人脸、位置为{(X1人脸,Y1人脸),(X2人脸,Y2人脸)},还包含狗、位置为{(X1狗,Y1狗),(X2狗,Y2狗)}。
在本申请实施例中,可以利用训练后的场景分类模型(即用于场景分类的神经网络模型)对上述基准图片进行场景分类,或者,也可以利用本领域常用的其他场景分类方法来对上述基准图片中的场景进行场景分类,此处对场景分类的方法不作限定。
一般情况下,用户所拍摄的照片的背景通常为草地、雪地、海滩以及室内,因此,可以预先训练场景分类模型,使得训练后的场景分类模型能够识别出用户所拍摄的照片的背景,比如,能够识别出草地场景、雪地场景、海滩场景以及室内场景等。
上述第一分类结果可以用于指示上述场景分类模型是否识别出上述基准图片的场景,并且在识别出上述基准图片的场景时用于指示该基准图片的场景类别。比如,如图2(a)所示,若训练后的场景分类模型203能够识别草地场景,则对基准图片201进行场景分类后,所获得第一分类结果用于指示该基准图片201为草地场景。
在步骤S103中,根据上述第一检测结果以及上述第一分类结果,确定上述基准图片的图片处理模式;
在获取到上述基准图片的第一检测结果以及第一分类结果之后,根据所获取的第一检测结果以及第一分类结果,确定该基准图片的图片处理模式,其中,该图片处理模式可以包括该基准图片的亮度、对比度、锐化度、色彩饱和度和/或色温等等图片参数的调节模式,还可以包括对该基准图片的风格转换调节模式。如图2(b)所示,给出了预设对应关系表的示意图,该预设对应关系表包括检测结果、分类结果以及图片处理模式之间的对应关系信息。移动终端在获取到该基准图片的第一检测结果和第一分类结果之后,可以根据该预设对应关系表查找相应的图片处理模式,并且可以根据该图片处理模式对该基准图片进行处理。
在步骤S104中,根据上述基准图片的图片处理模式,确定上述待处理图片的图片处理模式;
在本申请实施例中,可以根据步骤S103所获取的基准图片的图片处理模式,来确定该待处理图片的图片处理模式。
其中,上述根据基准图片的图片处理模式,确定该待处理图片的图片处理模式的方法可以为:
首先,分别提取上述基准图片以及上述待处理图片的图片特征,比如纹理特征、颜色特征、亮度特征和/或边缘特征等;然后,对上述基准图片以及上述待处理图片的图片特征进行相似度匹配;若相似度大于第一预设阈值,则认为上述待处理图片与上述基准图片的相似度较高,可以直接将上述基准图片的图片处理模式确定为上述待处理图片的图片处理模式;若上述基准图片的图片特征与上述待处理图片的图片特征的相似度小于或等于上述第一预设阈值,则重新对上述待处理图片进行场景检测,获得第二检测结果,并对上述待处理图片进行场景分类,获得第二分类结果,并根据上述第二检测结果和上述第二分类结果,确定上述待处理图片的图片处理模式。在本申请实施例中,可以根据预设对应关系表,查找上述第二检测结果和上述第二分类结果所对应的图片处理模式。
在步骤S105中,根据上述待处理图片的图片处理模式对上述待处理图片进行处理;
在本申请实施例中,在获取到上述待处理图片的图片处理模式之后,可以根据获取的图片处理模式对该待处理图片进行处理,比如调节该待处理图片的色彩饱和度、亮度和/或对比度等图片参数,或者对该待处理图片进行风格转换等。
此外,在本申请实施例中,为了实现对待处理图片集合的处理,可以将上述待处理图片重新设置为基准图片,并将与该更新后的基准图片间隔预设帧数的图片重新设置为待处理图片,返回执行步骤S104,直至遍历完上述待处理图片集合。
比如,在步骤S101中,若基准图片为上述待处理图片集合中的第1帧图片且预设帧数为1,则待处理图片即为该待处理图片集合中的第2帧图片,然后获取第1帧图片的图片处理模式,并根据第1帧图片的图片处理模式确定第2帧图片的图片处理模式,为了实现对该待处理图片集合中所有图片的处理,可以对基准图片以及待处理图片进行更新,将该第2帧图片重新设置为基准图片,并将该待处理图片集合中的与更新后的基准图片(即第2帧图片)间隔预设帧数(即1帧)的图片(也即第3帧图片)重新设置为当前的待处理图片,以此类推,实现对整个待处理图片集合中的所有图片的处理。
在本申请实施例一中,待处理图片的图片处理模式是根据基准图片的图片处理模式得到的,而不是利用场景检测模型和场景分类模型做场景识别得到的,因此避免了利用神经网络模型对待处理图片进行场景识别的处理,可以有效减轻移动终端在该待处理图片显示时(小于0.0417s)的计算压力,避免移动终端出现发热现象,提高移动终端的使用寿命以及用户的使用体验。
具体地,本申请实施例一中还提供了一种待处理图片的图片处理模式的获取方法,即首先计算待处理图片与基准图片的相似度,在相似度较小的情况下,才利用神经网络模型对该待处理图片做场景识别。而通常情况下,我们所观看的视频中连续的图片之间的相似度往往比较大,因此,对于视频中的大量图片来说,移动终端不需要利用神经网络模型对其做场景识别,只需要计算图片相似度即可,而图片相似度匹配的计算量远远小于利用神经网络模型做场景识别的计算量,因此,在视频播放时,本申请实施例一所提供的上述技术方案可以在一定程度上减轻移动终端的处理压力。
实施例二
下面对本申请实施例二提供的另一种图片处理方法进行描述,请参阅附图3,本申请实施例二的图片处理方法包括步骤S301-S314:
在步骤S301中,获取待处理图片集合中的基准图片,以及与上述基准图片间隔预设帧数的待处理图片;
在步骤S302中,对上述基准图片进行场景检测,获得第一检测结果,并对上述基准图片进行场景分类,获得第一分类结果;
在步骤S303中,根据上述第一检测结果以及上述第一分类结果,确定上述基准图片的图片处理模式;
在本申请实施例中,上述步骤S301-S303与实施例一中的步骤S101-S103相同,具体可参见实施例一的描述,此处不再赘述。
在步骤S304中,判断待处理图片与基准图片的间隔帧数是否大于第二预设阈值,若否,执行步骤S305,若是,执行步骤S308;
在本申请实施例二中,首先判断所获取的待处理图片与基准图片之间的图片间隔帧数是否达到上述第二预设阈值,若未达到上述第二预设阈值,则认为该待处理图片与基准图片所间隔的帧数比较少,认为该待处理图片与基准图片的内容比较相似,则执行步骤S305来确定该待处理图片的图片处理模式;若达到上述第二预设阈值,则认为该待处理图片与基准图片所间隔的帧数较多,则该待处理图片与上述基准图片可能会有一些差异,则执行步骤S308及后续步骤来确定该待处理图片的图片处理模式。
在步骤S305中,将上述待处理图片的图片处理模式确定为上述基准图片的图片处理模式;
在本申请实施例二中,若当前的待处理图片与基准图片之间的图片间隔帧数未达到上述第二预设阈值,则认为该待处理图片与基准图片的内容比较相似,可以直接将步骤S303中所获取的基准图片的图片处理模式确定为该待处理图片的图片处理模式。
在步骤S306中,根据上述待处理图片的图片处理模式对上述待处理图片进行处理;
根据步骤S305获取到上述待处理图片的图片处理模式对该待处理图片进行处理,比如调节该待处理图片的色彩饱和度、亮度和/或对比度等图片参数,或者对该待处理图片进行风格转换等。
在步骤S307中,获取与该待处理图片间隔预设帧数的图片,将该图片重新设置为待处理图片,并返回执行步骤S304;
在本申请实施例中,在上述待处理图片集合中获取与上述待处理图片间隔预设帧数的图片,并将所获取的图片重新设置为待处理图片。
比如,若基准图片为上述待处理图片集合的第1帧图片,预设帧数为2,则步骤S301中所获取的待处理图片为该待处理图片集合的第3帧图片,而该步骤S307中,需要获取与上述待处理图片(也即是第3帧图片)间隔预设帧数(也即是2)的图片,并将该图片重新设置为待处理图片,因此,待处理图片更新为上述待处理图片集合的第5帧图片。
在更新待处理图片之后,返回执行步骤S304,判断当前重新设置的待处理图片与上述基准图片之间的图片间隔是否达到第二预设阈值,若仍为达到该第二预设阈值,则继续执行步骤S305,若达到该第二预设阈值,则执行步骤S308。
在步骤S308中,分别提取上述基准图片与当前待处理图片的图片特征;
在步骤S309中,将上述基准图片的图片特征与当前的待处理图片的图片特征进行相似度匹配;
在步骤S310中,判断上述相似度是否大于第一预设阈值,若是,则执行步骤S311,否则,执行步骤S312;
在步骤S311中,将当前待处理图片的图片处理模式确定为上述基准图片的图片处理模式;
在步骤S312中,对当前的待处理图片进行场景检测,获得第二检测结果,并对当前的待处理图片进行场景分类,获得第二分类结果;
在步骤S313中,根据上述第二检测结果和上述第二分类结果,确定当前的待处理图片的图片处理模式;
在本申请实施例中,随着待处理图片的不断更新,当前的待处理图片与上述基准图片所间隔的帧数不断增加,若大于上述第二预设阈值,则认为当前的待处理图片与上述基准图片所间隔的帧数较多,则当前的待处理图片与上述基准图片可能会有一些差异,因此,为了确定当前的待处理图片的图片处理模式,可以计算当前的待处理图片与上述基准图片的相似度,并根据相似度大小来确定当前的待处理图片的图片处理模式。上述步骤S308-S313已经在实施例一中的步骤S104中有记载,具体可参见实施例一的描述,此处不再赘述。
在步骤S314中,根据上述待处理图片的图片处理模式对上述待处理图片进行处理,并将当前的待处理图片重新设置为基准图片,并将与该更新后的基准图片间隔预设帧数的图片重新设置为待处理图片,返回执行步骤S304,直至遍历完上述待处理图片集合;
在本申请实施例中,在获取到上述待处理图片的图片处理模式之后,可以根据获取的图片处理模式对该待处理图片进行处理,比如调节该待处理图片的色彩饱和度、亮度和/或对比度等图片参数,或者对该待处理图片进行风格转换等。此外,为了实现对待处理图片集合的处理,可以将上述待处理图片重新设置为基准图片,对基准图片进行更新,并返回执行步骤S104,直至遍历完上述待处理图片集合。
比如,若上述第二预设阈值为10,步骤S301中,基准图片设置为待处理图片集合中的第1帧图片且预设帧数为2,则步骤S301中确定的待处理图片即为该待处理图片集合中的第3帧图片,在步骤S304中,判断当前的待处理图片(第3帧图片)与基准图片(第1帧图片)的间隔帧数是否大于上述第二预设阈值,显然,第3帧图片与第1帧图片的间隔帧数为2,小于第二预设阈值,则执行步骤S305,将当前待处理图片更新为第5帧图片,并返回步骤S304,继续判断当前的待处理图片(第5帧图片)与基准图片(第1帧图片)的间隔帧数是否大于上述第二预设阈值,由于此时的图片间隔帧数为4,依然小于上述第二预设阈值,因此,继续执行步骤S305,进一步更新当前的待处理图片,直到当前待处理图片为第13帧图片时(与基准图片的间隔帧数为12,大于上述第二预设阈值),执行步骤S308,在步骤S308及其后续步骤中,求取基准图片(第1帧图片)与当前的待处理图片(第13帧图片)的相似度,并根据相似度来确定第13帧图片的图片处理模式。在获取到该第13帧图片的图片处理模式后,对基准图片进行更新,将基准图片更新为当前的待处理图片(即第13帧图片),并将与更新后的基准图片(第13帧图片)间隔预设帧数(即2帧)的图片重新设置为待处理图片(即第15帧图片),返回执行步骤S304,直至遍历完上述待处理图片集合。
本申请实施例二所提供的技术方案相比于实施例一所提供的技术方案,增加了“判断当前的待处理图片与基准图片的间隔帧数是否达到第二预设阈值”的步骤,若未达到预设阈值,则直接将基准图片的图片处理模式确定为当前的待处理图片的图片处理模式,若达到预设阈值,则可以执行实施例一所提供的技术方案。因此,本申请实施例二所提供的技术方案相比于实施例一所提供的技术方案,在当前的待处理图片与基准图片所间隔的帧数较少时,可以不再计算两帧图片的相似度,而是可以直接将基准图片的图片处理模式确定为当前的待处理图片的图片处理模式,因此,本申请实施例二所提供的技术方案相比于实施例一可以进一步减轻移动终端的处理压力。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例三
本申请实施例三提供了一种图片处理装置,为便于说明,仅示出与本申请相关的部分,如图4所示,图片处理装置400包括:
图片获取模块401,用于获取待处理图片集合中的基准图片,以及与上述基准图片间隔预设帧数的待处理图片;
场景处理模块402,用于对上述基准图片进行场景检测,获得第一检测结果,并对上述基准图片进行场景分类,获得第一分类结果;
第一模式确定模块403,用于根据上述第一检测结果以及上述第一分类结果,确定上述基准图片的图片处理模式;
第二模式确定模块404,用于根据上述基准图片的图片处理模式,确定上述待处理图片的图片处理模式;
图片处理模块405,用于根据上述待处理图片的图片处理模式对上述待处理图片进行处理。
可选地,上述第二模式确定模块404包括:
特征提取单元,用于分别提取上述基准图片以及上述待处理图片的图片特征;
相似度匹配单元,用于将上述基准图片的图片特征与上述待处理图片的图片特征进行相似度匹配;
模式确定第一单元,用于若上述基准图片的图片特征与上述待处理图片的图片特征的相似度大于第一预设阈值,则将上述待处理图片的图片处理模式确定为上述基准图片的图片处理模式。
可选地,上述第二模式确定模块404还包括:
模式确定第二单元,用于若上述基准图片的图片特征与上述待处理图片的图片特征的相似度小于或等于上述第一预设阈值,则对上述待处理图片进行场景检测,获得第二检测结果,并对上述待处理图片进行场景分类,获得第二分类结果,并根据上述第二检测结果和上述第二分类结果,确定上述待处理图片的图片处理模式。
可选地,上述图片处理装置400还包括:
图片重置模块,用于将上述基准图片更新为所述待处理图片,并将上待处理图片更新为上述待处理图片集合中与更新后的基准图片间隔预设帧数的图片。
可选地,上述特征提取单元具体用于:
判断上述待处理图片与上述基准图片的间隔帧数是否大于第二预设阈值;
若是,则分别提取上述基准图片以及上述待处理图片的图片特征。需要说明的是,上述装置各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例二基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例二部分,此处不再赘述。
实施例四
图5是本申请实施例提供的移动终端的示意图。如图5所示,该实施例的移动终端5包括:处理器50、存储器51以及存储在上述存储器51中并可在上述处理器50上运行的计算机程序52。上述处理器50执行上述计算机程序52时实现上述实施例中的步骤,例如图1所示的步骤S101至S105。或者,上述处理器50执行上述计算机程序52时实现上述装置实施例中各模块/单元的功能,例如图4所示的模块401至405的功能。
上述移动终端5可以是智能手机、平板电脑及智能穿戴设备等计算设备。上述移动终端5可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是移动终端5的示例,并不构成对移动终端5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如上述移动终端5还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器51可以是上述移动终端5的内部存储单元,例如移动终端5的硬盘或内存。上述存储器51也可以是上述移动终端5的外部存储设备,例如上述移动终端5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器51还可以既包括上述移动终端5的内部存储单元也包括外部存储设备。上述存储器51用于存储上述计算机程序以及上述移动终端所需的其它程序和数据。上述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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。
在本申请所提供的实施例中,应该理解到,所揭露的装置/移动终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/移动终端实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种图片处理方法,其特征在于,包括:
获取待处理图片集合中的基准图片,以及与所述基准图片间隔预设帧数的待处理图片,将所述基准图片确定为所述待处理图片集合的第一帧图片,所述基准图片是所述待处理图片集合中的任意一帧图片;
对所述基准图片进行场景检测,获得第一检测结果,并对所述基准图片进行场景分类,获得第一分类结果;
根据所述第一检测结果以及所述第一分类结果,确定所述基准图片的图片处理模式;
根据所述基准图片的图片处理模式,确定所述待处理图片的图片处理模式;
根据所述待处理图片的图片处理模式对所述待处理图片进行处理;
所述根据所述基准图片的图片处理模式,确定所述待处理图片的图片处理模式,包括:
分别提取所述基准图片以及所述待处理图片的图片特征;
将所述基准图片的图片特征与所述待处理图片的图片特征进行相似度匹配;
若所述基准图片的图片特征与所述待处理图片的图片特征的相似度大于第一预设阈值,则将所述待处理图片的图片处理模式确定为所述基准图片的图片处理模式;
在将所述基准图片的图片特征与所述待处理图片的图片特征进行相似度匹配之后,还包括:
若所述基准图片的图片特征与所述待处理图片的图片特征的相似度小于或等于所述第一预设阈值,则:
对所述待处理图片进行场景检测,获得第二检测结果,并对所述待处理图片进行场景分类,获得第二分类结果;
根据所述第二检测结果和所述第二分类结果,确定所述待处理图片的图片处理模式。
2.如权利要求1所述的图片处理方法,其特征在于,在根据所述待处理图片的图片处理模式对所述待处理图片进行处理之后,所述方法还包括:
将所述基准图片更新为所述待处理图片,并将所述待处理图片更新为所述待处理图片集合中与更新后的基准图片间隔预设帧数的图片,返回执行所述根据所述基准图片的图片处理模式,确定所述待处理图片的图片处理模式的步骤以及后续步骤,直至遍历完所述待处理图片集合。
3.如权利要求1所述的图片处理方法,其特征在于,在所述分别提取所述基准图片以及所述待处理图片的图片特征之前,所述方法还包括:
判断所述待处理图片与所述基准图片的间隔帧数是否大于第二预设阈值;
若是,则执行分别提取所述基准图片以及所述待处理图片的图片特征的步骤;
若否,则将所述待处理图片的图片处理模式确定为所述基准图片的图片处理模式。
4.一种图片处理装置,其特征在于,包括:
图片获取模块,用于获取待处理图片集合中的基准图片,以及与所述基准图片间隔预设帧数的待处理图片,将所述基准图片确定为所述待处理图片集合的第一帧图片,所述基准图片是所述待处理图片集合中的任意一帧图片;
场景处理模块,用于对所述基准图片进行场景检测,获得第一检测结果,并对所述基准图片进行场景分类,获得第一分类结果;
第一模式确定模块,用于根据所述第一检测结果以及所述第一分类结果,确定所述基准图片的图片处理模式;
第二模式确定模块,用于根据所述基准图片的图片处理模式,确定所述待处理图片的图片处理模式;
图片处理模块,用于根据所述待处理图片的图片处理模式对所述待处理图片进行处理;
所述第二模式确定模块包括:
特征提取单元,用于分别提取所述基准图片以及所述待处理图片的图片特征;
相似度匹配单元,用于将所述基准图片的图片特征与所述待处理图片的图片特征进行相似度匹配;
模式确定第一单元,用于若所述基准图片的图片特征与所述待处理图片的图片特征的相似度大于第一预设阈值,则将所述待处理图片的图片处理模式确定为所述基准图片的图片处理模式;
模式确定第二单元,用于若所述基准图片的图片特征与所述待处理图片的图片特征的相似度小于或等于所述第一预设阈值,则对所述待处理图片进行场景检测,获得第二检测结果,并对所述待处理图片进行场景分类,获得第二分类结果,并根据所述第二检测结果和所述第二分类结果,确定所述待处理图片的图片处理模式。
5.一种移动终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810630403.2A CN108898081B (zh) | 2018-06-19 | 2018-06-19 | 图片处理方法、装置、移动终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810630403.2A CN108898081B (zh) | 2018-06-19 | 2018-06-19 | 图片处理方法、装置、移动终端及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108898081A CN108898081A (zh) | 2018-11-27 |
CN108898081B true CN108898081B (zh) | 2021-07-20 |
Family
ID=64345431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810630403.2A Active CN108898081B (zh) | 2018-06-19 | 2018-06-19 | 图片处理方法、装置、移动终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898081B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858475A (zh) * | 2019-01-08 | 2019-06-07 | 平安科技(深圳)有限公司 | 图片文字定位方法、装置、介质和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092946A (zh) * | 2013-01-11 | 2013-05-08 | 中兴通讯股份有限公司 | 终端批量图片选择的方法及*** |
CN104615986A (zh) * | 2015-01-30 | 2015-05-13 | 中国科学院深圳先进技术研究院 | 利用多检测器对场景变化的视频图像进行行人检测的方法 |
CN105204850A (zh) * | 2015-08-31 | 2015-12-30 | 深圳市金立通信设备有限公司 | 一种图片处理方法及终端 |
CN106358029A (zh) * | 2016-10-18 | 2017-01-25 | 北京字节跳动科技有限公司 | 一种视频图像处理方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09204525A (ja) * | 1996-01-29 | 1997-08-05 | Canon Inc | 画像像域分離装置及びその方法 |
US7310445B2 (en) * | 2003-11-26 | 2007-12-18 | International Business Machines Corporation | Classification of image blocks by region contrast significance and uses therefor in selective image enhancement in video and image coding |
JP2006060653A (ja) * | 2004-08-23 | 2006-03-02 | Fuji Photo Film Co Ltd | 画像編集装置,方法およびプログラム |
CN105447534A (zh) * | 2014-08-07 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种基于图像的信息呈现方法及装置 |
CN106101547A (zh) * | 2016-07-06 | 2016-11-09 | 北京奇虎科技有限公司 | 一种图像数据的处理方法、装置和移动终端 |
CN106778781B (zh) * | 2016-12-14 | 2018-08-17 | 维沃移动通信有限公司 | 一种图片处理方法及装置 |
CN107450796B (zh) * | 2017-06-30 | 2019-10-08 | 努比亚技术有限公司 | 一种图片处理方法、移动终端和计算机可读存储介质 |
CN107885813A (zh) * | 2017-11-03 | 2018-04-06 | 广东欧珀移动通信有限公司 | 图片处理方法、移动终端及计算机可读存储介质 |
-
2018
- 2018-06-19 CN CN201810630403.2A patent/CN108898081B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092946A (zh) * | 2013-01-11 | 2013-05-08 | 中兴通讯股份有限公司 | 终端批量图片选择的方法及*** |
CN104615986A (zh) * | 2015-01-30 | 2015-05-13 | 中国科学院深圳先进技术研究院 | 利用多检测器对场景变化的视频图像进行行人检测的方法 |
CN105204850A (zh) * | 2015-08-31 | 2015-12-30 | 深圳市金立通信设备有限公司 | 一种图片处理方法及终端 |
CN106358029A (zh) * | 2016-10-18 | 2017-01-25 | 北京字节跳动科技有限公司 | 一种视频图像处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108898081A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064390B (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
CN108961157B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN109118447B (zh) | 一种图片处理方法、图片处理装置及终端设备 | |
CN108898082B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN108769634B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN108737739B (zh) | 一种预览画面采集方法、预览画面采集装置及电子设备 | |
CN108961183B (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
CN110246110B (zh) | 图像评估方法、装置及存储介质 | |
US20220254143A1 (en) | Method and apparatus for determining item name, computer device, and storage medium | |
CN110457963B (zh) | 显示控制方法、装置、移动终端及计算机可读存储介质 | |
CN109086742A (zh) | 场景识别方法、场景识别装置及移动终端 | |
US20210335391A1 (en) | Resource display method, device, apparatus, and storage medium | |
CN109618098A (zh) | 一种人像面部调整方法、装置、存储介质及终端 | |
CN112422817B (zh) | 图像处理方法及装置 | |
CN111399965A (zh) | 用户界面兼容显示方法及装置、设备、存储介质 | |
CN115631122A (zh) | 一种用于边缘图像算法的图像优化方法及装置 | |
CN110166696B (zh) | 拍摄方法、装置、终端设备以及计算机可读存储介质 | |
CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN108898081B (zh) | 图片处理方法、装置、移动终端及计算机可读存储介质 | |
CN108932704B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN108763491B (zh) | 图片处理方法、装置及终端设备 | |
CN108898169B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN110677586B (zh) | 图像显示方法、图像显示装置及移动终端 | |
CN111667313A (zh) | 广告展示方法、装置、客户端设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |