CN109656657A - 一种图像显示方法及装置 - Google Patents
一种图像显示方法及装置 Download PDFInfo
- Publication number
- CN109656657A CN109656657A CN201811506443.2A CN201811506443A CN109656657A CN 109656657 A CN109656657 A CN 109656657A CN 201811506443 A CN201811506443 A CN 201811506443A CN 109656657 A CN109656657 A CN 109656657A
- Authority
- CN
- China
- Prior art keywords
- image
- text information
- feature
- mentioned
- database
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Controls And Circuits For Display Device (AREA)
Abstract
本发明实施例提供一种图像显示方法及装置,用于解决在显示的壁纸或桌面图像上人为添加文本信息耗费时间长、效率低的问题。其中,该方法包括:获取第一图像;提取所述第一图像的特征;从数据库中获取所述特征对应的文本信息;在显示界面显示所述第一图像和所述文本信息。实施本发明实施例,可以丰富图像的内容,提升图像的趣味性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种图像显示方法及装置。
背景技术
随着电子技术的不断发展,手机、平板电脑等已成为人们日常生活中必不可少的电子设备,同时人们对电子设备的要求也越来越高,如图像的显示。而在实际应用中,图像的显示方式为:从本地或网络中获取图像,将获取到的图像作为壁纸或桌面图像进行显示。而在实践中发现,上述方式显示的壁纸或桌面图像只显示图像本身内容,以致显示的内容比较单一。
发明内容
本申请的目的是提供一种图像显示方法及装置,用于解决显示的壁纸或桌面图像只显示图像本身内容,以致显示的内容比较单一的问题。
第一方面,本申请实施例提供了一种图像显示方法包括:
获取第一图像;
提取所述第一图像的特征;
从数据库中获取所述特征对应的文本信息;
在显示界面显示所述第一图像和所述文本信息。
在一个可能的实施方式中,所述提取所述第一图像的特征包括:
通过卷积神经网络提取所述第一图像的特征,所述特征包括图像的颜色特征、纹理特征和形状特征中的一种或多种。
在一个可能的实施方式中,所述从数据库中获取所述特征对应的文本信息包括:
确定与所述特征的相关性大于阈值的特征;
从数据库中获取确定的特征对应的文本信息。
在一个可能的实施方式中,所述在显示界面显示所述图像和所述文本信息包括:
将所述文本信息添加到所述第一图像中的特定区域,生成第二图像。
在一个可能的实施方式中,所述在显示界面显示所述图像和所述文本信息包括:
显示所述第一图像;
将所述文本信息以悬浮的方式显示在所述第一图像中的特定区域上。
在一个可能的实施方式中,所述方法还包括:
对所述文本信息进行预处理;
所述将所述文本信息添加到所述第一图像中的特定区域,生成第二图像包括:
将预处理的文本信息添加到所述第一图像中的特定区域,生成第二图像。
在一个可能的实施方式中,所述方法还包括:
对所述文本信息进行预处理;
所述将所述文本信息以悬浮的方式显示在所述第一图像中的特定区域上包括:
将预处理的文本信息以悬浮的方式显示在所述第一图像中的特定区域上。
在一个可能的实施方式中,所述方法还包括:
获取图像中可能出现的所有特征的文本信息;
将获取的文本信息存储在数据库中。
第二方面,本申请实施例提供了一种图像显示装置,包括:
第一获取单元,用于获取第一图像;
提取单元,用于提取所述第一图像的特征;
第二获取单元,用于从数据库中获取所述特征对应的文本信息;
显示单元,用于在显示界面显示所述第一图像和所述文本信息。
在一个可能的实施方式中,所述提取单元具体用于通过卷积神经网络提取所述图像的特征,所述特征包括图像的颜色特征、纹理特征和形状特征中的一种或多种。
在一个可能的实施方式中,所述第二获取单元,包括:
确定子单元,用于确定与所述特征的相关性大于阈值的特征;
获取子单元,从数据库中获取确定的特征对应的文本信息。
在一个可能的实施方式中,所述显示单元具体用于:
将所述文本信息添加到所述第一图像中的特定区域,生成第二图像。
在一个可能的实施方式中,所述显示单元,包括:
第一显示子单元,用于显示所述第一图像;
第二显示子单元,用于将所述文本信息以悬浮的方式显示在所述第一图像中的特定区域上。
在一个可能的实施方式中,所述装置还包括:
第一处理单元,用于对所述文本信息进行预处理;
所述显示单元将所述文本信息添加到所述第一图像中的特定区域,生成第二图像包括:
将预处理的文本信息添加到所述第一图像中的特定区域,生成第二图像。
在一个可能的实施方式中,所述装置还包括:
第二处理单元,用于对所述文本信息进行预处理;
所述第二显示子单元将所述文本信息以悬浮的方式显示在所述第一图像中的特定区域上包括:
将预处理的文本信息以悬浮的方式显示在所述第一图像中的特定区域上。
在一个可能的实施方式中,所述装置还包括:
第三获取单元,用于获取图像中可能出现的所有特征的文本信息;
存储单元,用于将获取的文本信息存储在数据库中。
第三方面,本申请实施例提供了一种电子设备,其特征在于,包括处理器、存储器、输入设备、收发器和输出设备,所述处理器、所述存储器、所述输入设备、所述收发器和所述输出设备相互连接,其中,所述存储器用于存储支持所述电子设备执行上述进程识别方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行第一方面或第一方面任一可能的实施方式提供的图像显示方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其特征在于,所述介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面或第一方面任一可能的实施方式图像显示方法。
第五方面,本申请实施例提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
本申请实施例中,获取第一图像,提取所述第一图像的特征,从数据库中获取所述特征对应的文本信息,在显示界面显示所述第一图像和所述文本信息。因此,在选择图片作为壁纸或者桌面图像显示时,能够获取图像特征对应的文本信息并且显示出来,从而丰富了图像的内容,提升了图像的趣味性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种图像显示方法的流程示意图;
图2是本申请实施例提供的另一种图像显示方法的流程示意图;
图3是本申请实施例提供的一种图像显示方法的界面示意图;
图4是本申请实施例提供的一种图像显示装置的结构示意图;
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
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”和“包含”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]”。
请参阅图1,图1是本申请实施例提供的一种图像显示方法的流程示意图。如图1所示,该图像显示方法包括:
S101、获取第一图像。
在一种可能的实施方式中,电子设备可以在设备相册中获取第一图像,也可以是安装在电子设备上的应用程序中连接的服务器中存储的第一图像,还可以是在网络中爬虫爬取到的第一图像(如Scrapy抓取框架)。
其中,本申请中的图像显示装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(mobileinternet devices,MID)或穿戴式设备等可以安装应用软件的电子设备,上述图像显示装置仅是举例,而非穷举,包含但不限于上述图像显示装置。当然在实际应用中,上述图像显示装置也不限于上述变现形式,例如还可以包括:智能车载终端。上述第一图像可以是2D图像也可以是3D图像。
S102、提取上述第一图像的特征。
具体地,将上述获取到的第一图像输入到卷积神经网络中,卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层,因此将上述第一图像输入至卷积神经网络中的输入层,卷积神经网络是一个通过建立模式分类器能够对图像进行检测和识别的前馈式神经网络的模型。在上述第一图像输入卷积神经网络之前,该神经网络已经通过大量的样本图像和样本图像对应的特征关键字信息训练完成,即该神经网络模型能够识别上述图像中的特征,并将特征分类,得到特征关键字。可以理解的是,一张图像中可以包括一个或多个特征,即可以提取到一个或多个特征关键词。
可选地,为了提高对上述第一图像识别的准确性,可以对上述第一图像进行图像分割,上述图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。可以使用基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
可选地,为了提高对上述第一图像识别的准确性,可以对上述第一图像进行图像增强,上述图像增强是有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,从而加强图像判读和识别效果。
S103、从数据库中获取上述特征对应的文本信息。
具体地,基于步骤S102中,可以提取到上述第一图像的一个或多个特征与特征的关键词。将上述一个或多个特征关键字在数据库中查找对应的特征文字信息,可以理解的是,一个特征关键词可以在数据库中搜索到一个或多个文字信息。在得到多个对应的特征文本信息后,可以随机筛选出一个文字信息存储起来,以便于后续处理,也可以将搜索得到的文本信息都存储起来,在生成第二图像后,以预设时间周期更换上述第二图像的文本信息。
其中,关键词在数据库中搜索,可以是搜索带有关键词的文本信息,例如,当从卷积神经网络中提取到的关键词是书籍时,可以搜索到包含书籍为关键词的文本信息,如“书籍是人类进步的阶梯”;关键词在数据库中搜索也可以是在文本信息被收集到数据库中时,将搜索到的文本信息分类,或者存储在不同的表单当中,以便于后续搜索,若按照存储文本信息分类的方式搜素,可以搜索到的文本信息如“读一本好书,就是和许多高尚的人谈话”。
S104、在显示界面显示上述第一图像和上述文本信息。
在一种可能的实施方式中,基于得到的文本信息和第一图像,可以在第一图像上选取一个特定的区域作为第一区域,将文本信息添加到上述选取的第一区域内,区域的选取可以是用户根据偏好预设的区域,也可以在生成图像之前对文本信息的位置进行调整,若没有修改,将按照默认选取的区域作为第一区域,从而生成一张新的图像,即第二图像,随即将第二图像显示在显示界面上。
在一种可能的实施方式中,基于得到的文本信息和第一图像,以及上述选取的第一区域,将上述文本信息以悬浮的方式显示在第一图像上,可以理解的是,悬浮在第一图像上的文本信息可以不随着第一图像的尺寸调整或者用户在显示界面上的滑动操作而移动位置。
可选地,在文本信息被添加在上述选取的第一区域之前,可以对文本信息的外观进行预处理,即调整文本信息的字体、字号、颜色、透明度等等。
在图1所描述的图像显示方法中,获取第一图像,提取上述第一图像的特征,从数据库中获取上述特征对应的文本信息,在显示界面显示上述第一图像和上述文本信息。因此,在选择图片作为壁纸或者桌面图像显示时,能够获取图像特征对应的文本信息并且显示出来,从而丰富了图像的内容,提升了图像的趣味性。
请参阅图2,图2是本申请实施例提供的一种图像显示方法的流程示意图。如图2所示,该图像显示方法包括:
S201、获取图像中可能出现的所有特征的文本信息。
具体地,图像显示装置可以接收用户上传的文本信息如歌词库、诗词库或者台词库以及流行词库等等,在上传的过程中,用户可以为上传的文本信息按照特征分类;也可以是在含有文本信息的网页上通过爬虫爬取的文本信息,并根据网页爬取的特征分类,即尽可能的爬取数据。
可选地,按照预设时间周期性的获取新出现的文本信息,并存储在数据库中,上述时间可以是1天、2天、5天、7天,本申请不做限定。
S202、将获取的文本信息存储在数据库中。
具体地,文本信息可以存储在电子设备的本地文件中,搜索特征对应的文本信息可以直接在本地文件中搜索并获取;也可以存储在云端服务器中,搜索特征对应的文本信息时通过网络访问云端服务器并获取文本信息。
在一种可能的实施方式中,图像显示装置周期性的获取新出现的文本信息后,更新当前数据库,存储新的文本信息,并对新的文本信息按照特征分类,以便于后续处理。
S203、获取第一图像。
其中,步骤S203的具体实现过程可参见上述图1所对应实施例中对步骤S101的描述,这里将不再继续进行赘述。
S204、通过卷积神经网络提取上述第一图像的特征。
具体地,图像特征包括图像的颜色特征、纹理特征以及形状特征,上述颜色特征,其中,颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质;纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质;形状特征有两类表示方法,一类是轮廓特征,另一类是区域特征,图像的轮廓特征主要针对物体的外边界,而图像的区域特征则关系到整个形状区域。
其中,将上述第一图像输入卷积神经网络的输入层后,进入卷积层,对图像进行卷积运算,即利用卷积核在上述第一图像上滑动,将图像上的像素灰度值与卷积核上的数值相乘按照对应的位置相乘后求和作为当前窗口,即卷积核对应的第一图像位置的中间像素的灰度值,当卷积核滑动操作完全部第一图像的像素点后,能够提取到第一图像在不同图像区域的特征,即从样本中训练得到的特征跟在上述第一图像上的像素点做卷积,从而获得单位目标图像数据不同位置上的特征。
由于提取到的特征数量过多,尺寸过大,对计算造成很大压力,所以为了减少运算量,对卷积后的特征图像进行池化运算,即特征图像从卷积层进入池化层。通过池化操作处理上述得到的特征图像,将上述提取到的车头图像特征的尺寸缩小到一个目标大小,减少特征和参数,并保持某种不变性(如旋转、平移、伸缩等)以满足后续处理的需要,通常有三种池化的方法:平均池化、最大池化和随机数池化,其中平均池化即对邻域内特征点在卷积后只求平均,最大池化是对领域内的特征点在卷积后求最大,而随机数池化介于两者之间,通过对像素点按照数值大小赋予概率,再按照概率进行亚采样,在平均意义上,与平均池化近似,在局部意义上,则服从最大池化的准则。只需对特征图像中的元素按照其概率值大小随机选择,即元素值大的被选中的概率也大。而不像最大池化那样,永远只取那个最大值元素。应该理解的是,在卷积和池化层中,为了提取到更精确的数据,特征在卷积神经网络中可以被一层卷积层和池化层处理,也可以被多层卷积层和池化层处理。值得注意的是,卷积和池化层里都是对特征图像进行卷积操作,上一层提取到的特征将作为下一层卷积操作的输入,下层的操作中包含的卷积核越多,即可以提取出的特征信息就越丰富,最终提取的特征的准确率就越高。
经多个卷积层和池化层后,连接着一个或多个的全连接层.与多层感知器(Multi-Layer Perceptron,MLP)类似,全连接层中的每个神经元与其前一层的所有神经元进行全连接.全连接层可以整合卷积层或者池化层中具有类别区分性的局部信息.为了提升卷积神经网络的性能,全连接层每个神经元的激励函数一般采用线性整流函数(RectifiedLinear Unit,ReLU)函数。最后一层全连接层的输出值被传递给一个输出,可以采用分类器函数(softmax)逻辑回归(softmax regression)进行分类,该层也可称为分类器层(softmax)层,分类器将输出层前一层输出的图像特征向量输入到分类器,分类器可以判断输入的特征向量(由池化得到的)属于什么特征(即属于什么特征信息),分类器的结点数与上述样本标签信息的类别数相同,也与样本图像数据的特征类别数一致,该分类器的每一个分类结点包括从每一种样本标签信息类别所对应的样本图像数据提取出来的特征集合,将提取到的特征与特征集合进行相似度比较,上述比较相似度可以采用距离度量的方式,若计算出距离越小,则相似度越大。
在从分类器中输出的图像类别即特征的关键词信息后,存储起来,以便后续的处理。
S205、从数据库中获取所述特征对应的文本信息。
具体地,在上述卷积神经网络中的分类器中输出一个或多个输入的图像的特征或者类别的关键词之后,可以直接在数据库中搜索有关关键词的文本信息,其中文本信息可以包含关键词,也可以不包含关键词。
在一种可能的实施方式中,可以预设一个阈值,利用所提取到的特征关键词,生成多个与当前关键词近似的关键词,其中相关性大于预设的阈值,其中,可以在搜索引擎Elastic Search的服务器中配置同义词词库,并且创建索引和映射,在得到关键词之后,在上述搜索引擎中查询同义词,将查询到的同义词或者近义词通过词义相似度计算,若大于预设阈值,则存储起来,若小于预设阈值,则删除,上述词义相似度计算可以是基于同义词词林的计算方法,也可以是词向量(word to vector,word2vec)来计算;也可以是直接通过词向量(word2vec)算法来生成大于预设阈值的特征相近关键词。即得到一个或多个与图像特征关键词相关性大于阈值的关键词。
具体地,从上述数据库中搜索与特征关键词或者生成的一个或多个关键词相关的文本信息,若能搜索到一个或多个文本信息,则随机选择一条存储起来,以便后续处理,也可以是均存储起来,以便后续根据预设的时间阈值周期性的更换基于图像的文本信息,若不能在数据库中搜索到当前关键词相关的文本信息,则更换图像的另一关键词在数据库中进行搜索或者搜索有关上述生成的关键词对应的文本信息,以确定最终对应的一条或者多条文本信息。
可选地,获取用户输入的文本信息作为最终展示的文本信息,或者用户可以根据确定的文本信息进行修改。
S206、对上述文本信息进行预处理。
具体地,对上述确定的文本信息进行预处理,预处理的操作包括改变文本信息的字体,即上述电子设备可以是从本地预设有字体库,也可以是从云服务器中获取字体库,可以调整文本信息的颜色、字号大小、以及文本信息显示的投影和投影的颜色、透明度和多行文字时可以调整文本信息的行间距,可以在文本信息上填充图案等。
可选地,可以在文本信息上贴上贴纸图案作为处理后的文本信息显示在第一图像上,也可以是接收用户绘制的画笔图形或者是手写的文字显示在第一图像上。
S207、在显示界面显示所述第一图像和所述文本信息。
可选地,可以对第一图像进行预处理,调整第一图像的尺寸、白平衡、曝光、亮度、对比度、饱和度、锐化等参数,这里指的第一图像可以是预处理后的第一图像。
在一种可能的实施方式中,基于步骤S207中得到的预处理后的信息,可将上述第一图像与文本信息合成一张新的图像,即第二图像,其中,将上述预处理后的文本信息直接叠加在第一图像的最上层,可以理解的是,上述预处理后的文本信息会覆盖第一图像中的内容,在合成之前,在上述第一图像中选取一个区域,作为文本信息的区域,上述选取区域可以是电子设备接收用户选取的区域,也可以是随机选取的区域作为特定区域;若用户没有选取区域,则可以按照默认选取第一图像居中的区域作为特定区域,从而生成第二图像。
可选地,可以根据上述第一图像,按照预设的时间阈值周期性的选取文字信息预处理后,叠加到第一图像上,生成第二图像并显示在显示界面上;或者按照预设时间阈值周期性的获取第一图像与第一图像相关的文本信息生成第二图像显示在显示界面上;还可以重新获取第一图像与上一次保存的预处理后的文本信息生成第二图像,以预设的时间阈值显示新的第二图像在显示界面上。
进一步地,上述处理后的文本信息可以生成第二图像,将上述第一图像和第二图像合成得到第三图像,并显示在显示界面上,也可以将上述处理后的文本信息形成(Graphics Interchange Format,GIF)动态图像后,叠加在上述第一图像上。
在一种可能的实施方式中,基于上述预处理后的文本信息,选取第一图像中的特定区域,其中,用户可以设定特定区域在第一图像中的某个区域,也可以按照默认居中的区域作为特定区域,将上述文本信息添加到选取的特定区域后,将第一图像显示在显示界面上,同时将上述处理后的文本信息以悬浮的方式显示在上述第一图像所选取的特定区域上,可以理解的是,当第一图像的尺寸过大或者是可以滑动显示完整第一图像时,在尺寸改变的时候或者在桌面滑动的时候,悬浮的文本信息不做任何的变化。
可选地,可以按照预设的时间阈值周期性的更新第一图像和悬浮的处理后的文本信息,或者更换第一图像而不更换文本信息,或者更新文本信息不更换第一图像,可以达到轮播的效果,实现屏幕保护的图片轮播。
可选地,可以根据用户设定或者检测设备时间,在更换桌面显示图像的时候,调整屏幕的亮度,以达到护眼的目的。
可选地,在上述处理后的文本信息显示在上述第一图像上后,可以在显示界面手动更换上述处理后的文本信息的显示区域。
在图2所描述的图像显示方法中,获取第一图像,提取上述第一图像的特征,从数据库中获取上述特征对应的文本信息,在显示界面显示上述第一图像和上述文本信息。因此,在选择图片作为壁纸或者桌面图像显示时,能够获取图像特征对应的文本信息并且显示出来,从而丰富了图像的内容,提升了图像的趣味性。
请参阅图3,图3是本发明实施例提供的一种图像显示方法的界面示意图。如图3所示,电子设备的屏幕上显示第一图像,将该第一图像数据输入卷积神经网络中,从上述卷积神经网络中识别出第一图像的特征为“书籍”,并将特性“书籍”在存储有文本信息的数据库中搜索相关的文本信息,获取到“书籍是人类进步的阶梯。——高尔基”的文本信息,对文本信息进行预处理,即更换文本信息的格式,上述文本信息的格式包括:字体、字号、文本信息阴影或者浮雕、文本信息颜色、透明度等格式,例如在图中,上述文本信息的预处理包括调整文字的字号为14号、字体为楷体、加了一个向右的灰色阴影、调整文本信息的颜色为黑色,即完成对文本信息的预处理,在上述第一图像中选取第一图像中的居中位置的文本信息大小的区域,将上述预处理的文本信息添加至上述选取的第一图像的区域,生成第二图像并显示出来如图右边电子设备所示;或者将上述预处理后的文本信息悬浮在上述第一图像上。
请参阅图4,图4是本发明实施例提供的一种图像显示装置的结构示意图。如图4所示,该图像显示装置可以包括:
第一获取单元401,用于获取第一图像;
提取单元402,用于提取上述第一图像的特征;
第二获取单元403,用于从数据库中获取上述特征对应的文本信息;
显示单元404,用于在显示界面显示上述第一图像和上述文本信息。
作为一种可能的实施方式,上述提取单元402具体用于通过卷积神经网络提取上述图像的特征,上述特征包括图像的颜色特征、纹理特征和形状特征中的一种或多种。
作为一种可能的实施方式,上述第二获取单元403,可以包括:
确定子单元4031,用于确定与上述特征的相关性大于阈值的特征;
获取子单元4032,从数据库中获取确定的特征对应的文本信息。
作为一种可能的实施方式,上述显示单元404具体用于:
将上述文本信息添加到上述第一图像中的特定区域,生成第二图像。
作为一种可能的实施方式,上述显示单元404,包括:
第一显示子单元4041,用于显示上述第一图像;
第二显示子单元4042,用于将上述文本信息以悬浮的方式显示在上述第一图像中的特定区域上。
作为一种可能的实施方式,该图像显示装置还可以包括:
处理单元405,用于对上述文本信息进行预处理。
作为一种可能的实施方式,上述显示单元404将上述文本信息添加到上述第一图像中的特定区域,生成第二图像包括:
将处理单元405预处理的文本信息添加到上述第一图像中的特定区域,生成第二图像。
作为一种可能的实施方式,上述第二显示子单元4042将上述文本信息以悬浮的方式显示在上述第一图像中的特定区域上包括:
将处理单元405预处理的文本信息以悬浮的方式显示在上述第一图像中的特定区域上。
作为一种可能的实施方式,该图像显示装置还可以包括:
第三获取单元406,用于获取图像中可能出现的所有特征的文本信息;
存储单元407,用于将获取的文本信息存储在数据库中。
在图4所描述的图像显示装置中,获取第一图像,提取上述第一图像的特征,从数据库中获取上述特征对应的文本信息,在显示界面显示上述第一图像和上述文本信息。因此,在选择图片作为壁纸或者桌面图像显示时,能够获取图像特征对应的文本信息并且显示出来,从而节约时间,提升效率。
可以理解的是,本实施例的图像显示装置的第一获取单元401、提取单元402、第二获取单元403、显示单元404、确定子单元4031、获取子单元4032、第一显示子单元4041、第二显示子单元4042、处理单元405、第三获取单元406、存储单元407的功能可以根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
请参阅图5,图5是本申请实施例提供的一种电子设备。如图5所示,该电子设备可以包括处理器501、输入设备502、输出设备503和存储器504。存储器504用于存储计算机程序,计算机程序包括程序指令,处理器501用于执行存储器504存储的程序指令。其中,处理器501被配置用于调用程序指令执行以下步骤:
获取第一图像;
提取上述第一图像的特征;
从数据库中获取上述特征对应的文本信息;
在显示界面显示上述第一图像和上述文本信息。
作为一种可能的实施方式,处理器501提取上述第一图像的特征包括:
通过卷积神经网络提取上述第一图像的特征,上述特征包括图像的颜色特征、纹理特征和形状特征中的一种或多种。
作为一种可能的实施方式,处理器501从数据库中获取上述特征对应的文本信息包括:
确定与上述特征的相关性大于阈值的特征;
从数据库中获取确定的特征对应的文本信息。
作为一种可能的实施方式,处理器501在显示界面显示上述图像和上述文本信息包括:
将上述文本信息添加到上述第一图像中的特定区域,生成第二图像。
作为一种可能的实施方式,处理器501在显示界面显示上述图像和上述文本信息包括:
显示上述第一图像;
将上述文本信息以悬浮的方式显示在上述第一图像中的特定区域上。
作为一种可能的实施方式,处理器501还被配置用于调用该程序指令执行以下步骤:
对上述文本信息进行预处理;
上述将上述文本信息添加到上述第一图像中的特定区域,生成第二图像包括:
将预处理的文本信息添加到上述第一图像中的特定区域,生成第二图像。
作为一种可能的实施方式,处理器501还被配置用于调用该程序指令执行以下步骤:
对上述文本信息进行预处理;
上述将上述文本信息以悬浮的方式显示在上述第一图像中的特定区域上包括:
将预处理的文本信息以悬浮的方式显示在上述第一图像中的特定区域上。
作为一种可能的实施方式,处理器501还被配置用于调用该程序指令执行以下步骤:
获取图像中可能出现的所有特征的文本信息;
将获取的文本信息存储在数据库中。
在图5所描述的电子设备中,获取第一图像,提取上述第一图像的特征,从数据库中获取上述特征对应的文本信息,在显示界面显示上述第一图像和上述文本信息。因此,在选择图片作为壁纸或者桌面图像显示时,能够获取图像特征对应的文本信息并且显示出来,从而丰富了图像的内容,提升了图像的趣味性。
其中,步骤S101-S103可以由电子设备中的处理器501和存储器504来执行,步骤S104可以由电子设备中的处理器501和输出设备503来执行。
其中,第一获取单元401、提取单元402、第二获取单元403、确定子单元4031、获取子单元4032、第一处理单元405、第三获取单元406、存储单元407可以由电子设备中的处理器501和存储器504来实现,显示单元404、第一显示子单元4041、第二显示子单元4042可以由电子设备中的处理器501和输出设备502来实现。
应当理解,在本申请实施例中,所称处理器501可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、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。
输出设备502用于发送数据,输入设备503用于接收数据。
该存储器504可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如,存储器504还可以存储设备类型的信息。
具体实现中,本申请实施例中所描述的处理器501、输出设备502、输入设备503可执行图1或者图2提供的图像显示方法的实施例,在此不再赘述。
在一个实施例中提供了一种存储介质,该存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使处理器执行图1或者图2的图像显示方法。
在一个实施例中提供了一种应用程序,该应用程序用于在运行时执行图1或者图2的图像显示方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,该单元的划分,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。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriberline,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
Claims (10)
1.一种图像显示方法,其特征在于,包括:
获取第一图像;
提取所述第一图像的特征;
从数据库中获取所述特征对应的文本信息;
在显示界面显示所述第一图像和所述文本信息。
2.根据权利要求1所述的方法,其特征在于,所述提取所述第一图像的特征包括:
通过卷积神经网络提取所述第一图像的特征,所述特征包括图像的颜色特征、纹理特征和形状特征中的一种或多种。
3.根据权利要求2所述的方法,其特征在于,所述从数据库中获取所述特征对应的文本信息包括:
确定与所述特征的相关性大于阈值的特征;
从数据库中获取确定的特征对应的文本信息。
4.根据权利要求3所述的方法,其特征在于,所述在显示界面显示所述图像和所述文本信息包括:
将所述文本信息添加到所述第一图像中的特定区域,生成第二图像。
5.根据权利要求3所述的方法,其特征在于,所述在显示界面显示所述图像和所述文本信息包括:
显示所述第一图像;
将所述文本信息以悬浮的方式显示在所述第一图像中的特定区域上。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
对所述文本信息进行预处理;
所述将所述文本信息添加到所述第一图像中的特定区域,生成第二图像包括:
将预处理的文本信息添加到所述第一图像中的特定区域,生成第二图像。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对所述文本信息进行预处理;
所述将所述文本信息以悬浮的方式显示在所述第一图像中的特定区域上包括:
将预处理的文本信息以悬浮的方式显示在所述第一图像中的特定区域上。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述方法还包括:
获取图像中可能出现的所有特征的文本信息;
将获取的文本信息存储在数据库中。
9.一种图像显示装置,其特征在于,包括:
第一获取单元,用于获取第一图像;
提取单元,用于提取所述第一图像的特征;
第二获取单元,用于从数据库中获取所述特征对应的文本信息;
显示单元,用于在显示界面显示所述第一图像和所述文本信息。
10.根据权利要求9所述的装置,其特征在于,所述提取单元具体用于:
通过卷积神经网络提取所述图像的特征,所述特征包括图像的颜色特征、纹理特征和形状特征中的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811506443.2A CN109656657A (zh) | 2018-12-10 | 2018-12-10 | 一种图像显示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811506443.2A CN109656657A (zh) | 2018-12-10 | 2018-12-10 | 一种图像显示方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109656657A true CN109656657A (zh) | 2019-04-19 |
Family
ID=66113632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811506443.2A Pending CN109656657A (zh) | 2018-12-10 | 2018-12-10 | 一种图像显示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109656657A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704153A (zh) * | 2019-10-10 | 2020-01-17 | 深圳前海微众银行股份有限公司 | 界面逻辑解析方法、装置、设备及可读存储介质 |
CN111158817A (zh) * | 2019-12-24 | 2020-05-15 | 维沃移动通信有限公司 | 一种信息处理方法及电子设备 |
CN111158840A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 图像轮播方法及装置 |
CN112840666A (zh) * | 2019-09-25 | 2021-05-25 | 京东方科技集团股份有限公司 | 显示终端图像显示方法与装置、电子设备、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844659A (zh) * | 2017-01-23 | 2017-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种多媒体数据处理方法和装置 |
CN107622104A (zh) * | 2017-09-11 | 2018-01-23 | 中央民族大学 | 一种文字图像识别标注方法及*** |
CN108174099A (zh) * | 2017-12-29 | 2018-06-15 | 光锐恒宇(北京)科技有限公司 | 图像显示方法、装置和计算机可读存储介质 |
-
2018
- 2018-12-10 CN CN201811506443.2A patent/CN109656657A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844659A (zh) * | 2017-01-23 | 2017-06-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种多媒体数据处理方法和装置 |
CN107622104A (zh) * | 2017-09-11 | 2018-01-23 | 中央民族大学 | 一种文字图像识别标注方法及*** |
CN108174099A (zh) * | 2017-12-29 | 2018-06-15 | 光锐恒宇(北京)科技有限公司 | 图像显示方法、装置和计算机可读存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112840666A (zh) * | 2019-09-25 | 2021-05-25 | 京东方科技集团股份有限公司 | 显示终端图像显示方法与装置、电子设备、存储介质 |
CN112840666B (zh) * | 2019-09-25 | 2023-04-28 | 京东方艺云(杭州)科技有限公司 | 显示终端图像显示方法与装置、电子设备、存储介质 |
CN110704153A (zh) * | 2019-10-10 | 2020-01-17 | 深圳前海微众银行股份有限公司 | 界面逻辑解析方法、装置、设备及可读存储介质 |
CN110704153B (zh) * | 2019-10-10 | 2021-11-19 | 深圳前海微众银行股份有限公司 | 界面逻辑解析方法、装置、设备及可读存储介质 |
CN111158817A (zh) * | 2019-12-24 | 2020-05-15 | 维沃移动通信有限公司 | 一种信息处理方法及电子设备 |
CN111158840A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 图像轮播方法及装置 |
CN111158840B (zh) * | 2019-12-31 | 2023-04-28 | 中国银行股份有限公司 | 图像轮播方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020201988B2 (en) | Selectiontell: a natural language interface for selection in image | |
AU2018250370B2 (en) | Weakly supervised model for object detection | |
CN109656657A (zh) | 一种图像显示方法及装置 | |
CN106447721B (zh) | 图像阴影检测方法和装置 | |
US11875510B2 (en) | Generating refined segmentations masks via meticulous object segmentation | |
US11676283B2 (en) | Iteratively refining segmentation masks | |
CN109255352A (zh) | 目标检测方法、装置及*** | |
CN108961349A (zh) | 一种风格化图像的生成方法、装置、设备及存储介质 | |
US20200288204A1 (en) | Generating and providing personalized digital content in real time based on live user context | |
WO2020077940A1 (en) | Method and device for automatic identification of labels of image | |
CN109492576A (zh) | 图像识别方法、装置及电子设备 | |
Zhang et al. | Saliency detection via extreme learning machine | |
CN110119460A (zh) | 图像检索方法、装置及电子设备 | |
CN118071882A (zh) | 检测对象关系和基于对象关系编辑数字图像 | |
US20240144623A1 (en) | Modifying poses of two-dimensional humans in two-dimensional images by reposing three-dimensional human models representing the two-dimensional humans | |
CN110795995B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
US12020400B2 (en) | Upsampling and refining segmentation masks | |
Garg et al. | A survey on visual saliency detection and computational methods | |
US20240169624A1 (en) | Modifying digital images via scene-based editing using image understanding facilitated by artificial intelligence | |
US20240169685A1 (en) | Detecting shadows and corresponding objects in digital images | |
US20240171848A1 (en) | Removing distracting objects from digital images | |
US20240257421A1 (en) | Generating and using behavioral policy graphs that assign behaviors to objects for digital image editing | |
US20240169501A1 (en) | Dilating object masks to reduce artifacts during inpainting | |
US20240168617A1 (en) | Detecting and modifying object attributes | |
US20240169628A1 (en) | Moving objects casting a shadow and generating porxy shadows within a digital image |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |
|
RJ01 | Rejection of invention patent application after publication |