CN110298380A - 图像处理方法、装置及电子设备 - Google Patents
图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110298380A CN110298380A CN201910433470.XA CN201910433470A CN110298380A CN 110298380 A CN110298380 A CN 110298380A CN 201910433470 A CN201910433470 A CN 201910433470A CN 110298380 A CN110298380 A CN 110298380A
- Authority
- CN
- China
- Prior art keywords
- image
- center
- interest
- target
- target area
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 34
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000013519 translation Methods 0.000 claims description 24
- 230000005484 gravity Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 description 20
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/20—Linear translation of whole images or parts thereof, e.g. panning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于一种图像处理方法、装置及电子设备,属于互联网领域。该方法包括:对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像;根据所述目标区域,确定所述图像的关注中心;根据所述关注中心,对所述图像进行处理。本公开可以智能的匹配到用户的关注中心,在对图像进行后续的编辑处理时,利用关注中心来确定操作点的位置,用户不再需要对其进行手动调整,这样满足了用户的实际需求,提高了用户的体验度。
Description
技术领域
本申请涉及互联网领域,尤其涉及一种图像处理方法、装置及电子设备。
背景技术
相关技术中,随着互联网的飞速发展,基于图像的应用程序层出不穷,用户在各个方面对图像编辑处理的需求越来越大,例如对图像进行剪裁、缩放、平移或者旋转等;一般情况下,对图像进行编辑时,默认的中心点为图像的中心点,即根据该图像的中心点位置对图像进行剪裁、缩放、平移或者旋转等操作。
但是,在大多数情况下,用户对图像进行编辑时,关注点并不在图像的中心;现有技术不能按照用户的兴趣点对其编辑操作进行调整,因此,不能智能的匹配到用户的实际需求,导致对图像进行编辑时造成不便,用户体验不高。
发明内容
为克服相关技术中存在的问题,本申请提供一种图像处理方法、装置及电子设备。
根据本申请实施例的第一方面,提供一种图像处理方法,其特征在于,所述方法包括:
对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像;
根据所述目标区域,确定所述图像的关注中心;
根据所述关注中心,对所述图像进行处理。
在一种可能实施方式中,所述对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,包括:
根据图像识别算法对所述图像进行检测,得到至少一个同类对象;
确定目标对象的对应区域为所述目标区域,所述目标对象为所述至少一个同类对象中优先级最高的对象。
在一种可能实施方式中,所述对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,包括:
根据图像识别算法对所述图像进行检测,得到至少两种类型对象,所述至少两种类型对象包括第一类型对象和第二类型对象;
当所述第一类型对象的优先级大于所述第二类型对象的优先级时,确定所述第一类型对象的对应区域为所述目标区域。
在一种可能实施方式中,所述根据所述目标区域,确定所述图像的关注中心,包括:
确定所述目标区域的中心点为所述图像的关注中心;或者
确定所述目标区域的任一预设特征点为所述图像的关注中心。
在一种可能实施方式中,所述对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,包括:
根据视觉显著性检测算法对图像进行检测,得到显著区域;
确定所述显著区域为所述目标区域。
在一种可能实施方式中,所述根据视觉显著性检测算法对图像进行检测,得到显著区域,包括:
根据所述视觉显著性检测算法对图像进行检测,获取所述图像对应的不同区域的灰度值;
当所述灰度值在预设灰度值范围内,确定所述灰度值对应的区域为显著区域。
在一种可能实施方式中,所述根据所述目标区域,确定所述图像的关注中心,包括:
对所述显著区域进行二值化处理,获取所述显著区域对应的二值图像;
确定所述二值图像的重心为所述图像的关注中心;或者
对所述显著区域进行聚类分析,获取所述显著区域对应的聚类中心;
确定显著度最高的所述聚类中心为所述图像的关注中心。
在一种可能实施方式中,所述根据所述关注中心,对所述图像进行处理,包括:
当对所述图像进行裁剪时,根据所述关注中心确定裁剪的范围;
根据所述裁剪的范围,对所述图像进行裁剪;或者
当对所述图像进行缩放时,根据所述关注中心确定所述缩放中心;
根据所述缩放中心,对所述图像进行缩放;或者
当对所述图像进行平移时,根据所述关注中心确定平移起点和平移终点;
根据所述平移起点和平移终点,对所述图像进行平移。
根据本申请实施例的第二方面,提供一种图像处理装置,该装置包括:
检测单元,被配置为对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像;
确定单元,被配置为根据所述目标区域,确定所述图像的关注中心;
执行单元,被配置为根据所述关注中心,对所述图像进行处理。
在一种可能实施方式中,所述检测单元还被配置为根据图像识别算法对所述图像进行检测,得到至少一个同类对象;确定目标对象的对应区域为所述目标区域,所述目标对象为所述至少一个同类对象中优先级最高的对象。
在一种可能实施方式中,所述检测单元还被配置为根据图像识别算法对所述图像进行检测,得到至少两种类型对象,所述至少两种类型对象包括第一类型对象和第二类型对象;当所述第一类型对象的优先级大于所述第二类型对象的优先级时,确定所述第一类型对象的对应区域为所述目标区域。
在一种可能实施方式中,所述确定单元还被配置为确定所述目标区域的中心点为所述图像的关注中心;或者确定所述目标区域的任一预设特征点为所述图像的关注中心。
在一种可能实施方式中,所述检测单元还被配置为根据视觉显著性检测算法对图像进行检测,得到显著区域;确定所述显著区域为所述目标区域。
在一种可能实施方式中,所述检测单元还被配置为根据所述视觉显著性检测算法对图像进行检测,获取所述图像对应的不同区域的灰度值;当所述灰度值在预设灰度值范围内,确定所述灰度值对应的区域为显著区域。
在一种可能实施方式中,所述确定单元还被配置为对所述显著区域进行二值化处理,获取所述显示区域对应的二值图像;确定所述二值图像的重心为所述图像的关注中心;或者对所述显著区域进行聚类分析,获取所述显著区域对应的聚类中心;确定显著度最高的所述聚类中心为所述图像的关注中心。
在一种可能实施方式中,所述执行单元还被配置为当对所述图像进行裁剪时,根据所述关注中心确定裁剪的范围;根据所述裁剪的范围,对所述图像进行裁剪;或者当对所述图像进行缩放时,根据所述关注中心确定所述缩放中心;根据所述缩放中心,对所述图像进行缩放;或者当对所述图像进行平移时,根据所述关注中心确定平移起点和平移终点;根据所述平移起点和平移终点,对所述图像进行平移。
根据本申请实施例的第三方面,提供一种图像处理电子设备,该电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面以及第一方面任一可选方式所述的图像处理方法所执行的操作。
本申请实施例第四方面提供一种存储介质,当所述存储介质中的指令由图像处理电子设备的处理器执行时,使得所述电子设备能够执行如第一方面以及第一方面任一可选方式所述的图像处理方法。
本申请实施例第五方面提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机能够执行如第一方面以及第一方面任一可选方式所述的图像处理方法。
本申请的实施例提供的技术方案至少带来以下有益效果:
本方法提供了一种图像处理方法,通过对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像,再根据该目标区域,确定图像的关注中心,然后根据所述关注中心,对所述图像进行处理的方法,智能的匹配到用户的兴趣点,在对图像进行后续的编辑时,可以利用关注中心来确定操作点的位置,用户不再需要对其进行手动调整,这样,可以满足用户的实际需求,提高用户的体验度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种图像处理方法的流程图。
图2是根据另一示例性实施例示出的一种图像处理方法的流程图。
图3是根据再一示例性实施例示出的一种图像处理方法的流程图。
图4是根据又一示例性实施例示出的一种图像处理方法的流程图。
图5根据一示例性实施例示出的一种图像处理装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请实施例可以应用于移动终端上,移动终端具体可以包括但不限于:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3,Moving PictureExperts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4,MovingPicture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备、智能音响等等。
图1是根据一示例性实施例示出的一种图像处理方法的流程图,如图1所示,图像处理方法应用于终端中,包括以下步骤:
101,对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像。
可以理解的,根据预设的条件对图像进行检测筛选,筛选出符合条件的目标图像,并且把其对应的区域确定为目标区域,示例性的,在有多个人脸图像的照片中,可以根据预设条件筛选出离镜头最近,清晰度最高的人脸图像,并将该人脸图像对应的图片区域确定为目标区域。
102,根据所述目标区域,确定所述图像的关注中心。
示例性的,当确定好目标区域时,可以将目标区域的几何中心点确定为图像的关注中心,例如,当确定好目标区域为人脸图像时,再根据该人脸鼻子的位置确定关注中心;可选的,当确定好目标区域之后,在目标区域以外确定关注中心,例如确定某张照片中,面积最小的人脸图像对应的区域为目标区域,则将关注中心确定在该目标区域以外的其人脸所对应的区域上。
示例性的,当确定好目标区域时,也可以将目标区域的预设特征点确定为图像的关注中心,例如,当确定好目标区域为人脸图像时,可以进一步检测人脸图像的眼睛,然后,将眼睛确定为该图像的关注中心。
103,根据所述关注中心,对所述图像进行处理。
示例性的,当对图像进行编辑处理时,可以根据关注中心的位置来确定操作点的位置,例如,将关注中心确定为裁剪中心,旋转中心,缩放中心或者平移中心等,具体不做限定;然后根据确定好的操作点,对所述图像进行后续编辑处理。
示例性的,本方法既可以应用于对图像图片的编辑过程中,还可以应用于对视频帧进行处理的过程中,不仅可应用于用户手动编辑操作中,还可应用于算法自动编辑剪辑过程中,具体不做限定。
本方法提供了一种图像处理方法,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像,再根据该目标区域,确定图像的关注中心,然后根据所述关注中心,对所述图像进行处理的方法,智能的匹配到用户的兴趣点,在对图像进行后续的编辑时,可以利用关注中心来确定操作点的位置,用户不再需要对其进行手动调整,这样,可以满足用户的实际需求,提高用户的体验度。
图2是根据另一示例性实施例示出的一种图像处理方法的流程图,如图2所示,图像处理方法应用于终端中,包括以下步骤:
201,根据图像识别算法对所述图像进行检测,得到至少一个同类对象。
202,确定目标对象的对应区域为所述目标区域,所述目标对象为所述至少一个同类对象中优先级最高的对象。
示例性的,根据图像识别算法对图像进行物体检测,例如,检测图像中的人脸图像,得到至少一个人脸图像。示例性的,当在图片中只检测到一个人脸图像时,则确定该人脸图像的区域为目标区域;当检测到两个以上人脸图像时,则根据其所占面积大小来确定目标区域,即确定其中所占面积最大的人脸图像为目标区域;当检测到多个人脸图像所占的面积相同时,则可以进一步的检测,示例性的,可以进一步根据清晰度、位置等进行判断;当未检测到人脸图像时,则根据其他预设的规则来确定目标图像。
一般的,用户的关注点总是在所占面积最大,清晰度最高的对象上,但是该对象并不总是在整个图像的中心,若将上述面积最大,清晰度最高的对象确定为关注中心,基于关注中心对图像进行后续操作,则可以智能的匹配到用户兴趣点,方便用户的操作,提高体验度。
可选的,可以根据目标对象的对应面积大小、清晰程度、色彩鲜艳程度、目标检测置信分数等进行优先级排序,再将优先级最高的对象所对应的区域确定为目标区域。
203、根据所述目标区域,确定所述图像的关注中心。
在一个可选的实施方式中,所述根据所述目标区域,确定所述图像的关注中心,包括:确定所述目标区域的中心点为所述图像的关注中心;或者确定所述目标区域的任一预设特征点为所述图像的关注中心。
可以理解的,当确定好目标区域后,还需要根据其它规则来确定目标区域内的点为关注中心,可选的,可以确定目标区域的位置中心点为关注中心,也可以选择某一预设的特征点作为关注中心;示例性的,当目标区域为人脸图像时,可以确定该人脸图像的鼻尖作为关注中心,也可以确定该人脸图像的眉心作为关注中心,规则可根据用户需求进行调整,具体不做限定。
204、根据所述关注中心,对所述图像进行处理。
在一种可选的实施方式中,所述根据所述关注中心,对所述图像进行处理,包括:当对所述图像进行裁剪时,根据所述关注中心确定裁剪的范围;根据所述裁剪的范围,对所述图像进行裁剪;或者当对所述图像进行缩放时,根据所述关注中心确定所述缩放中心;根据所述缩放中心,对所述图像进行缩放;或者当对所述图像进行平移时,根据所述关注中心确定平移起点和平移终点;根据所述平移起点和平移终点,对所述图像进行平移。
示例性的,在对图像进行裁剪时,可以根据关注中心来确定裁剪的范围,将关注中心确定为裁剪操作的操作中心,方便用户根据兴趣点来对重要部分进行裁剪。
示例性的,在对图像进行缩放时,根据关注中心来确定缩放中心,对目标区域围绕关注中心进行等比例缩放,不需要用户手动调节缩放中心位置,方便用户操作。
示例性的,在对图像进行平移时,可以根据关注中心来确定平移的终点,具体的,可以将关注中心点平移到终点位置,完成平移操作。
示例性的,还可以根据关注中心对图像进行虚化处理,进行旋转操作,进行色彩调整等多种编辑操作,具体不做限定。
图3是根据再一示例性实施例示出的一种图像处理方法的流程图,如图3所示,图像处理方法应用于终端中,包括以下步骤:
301,根据图像识别算法对所述图像进行检测,得到至少两种类型对象,所述至少两种类型对象包括第一类型对象和第二类型对象。
302,当所述第一类型对象的优先级大于所述第二类型对象的优先级时,确定所述第一类型对象的对应区域为所述目标区域。
可以理解的,根据图像识别算法对图像进行物体检测时,可能检测出多种类型的对象,例如,检测到人像,动物,或者植物;可选的,可以对不同类型的对象进行优先级排序,再根据优先级顺序来确定目标对象。
示例性的,可以确定优先级顺序为人像高于动物,动物高于植物;例如对图像进行识别,识别出狗、人脸与树木,则确定人脸图像为目标对象,且人脸图像的对应区域为目标区域;还例如,对图像进行识别,只识别出狗、树木、花,则确定狗为目标对象,其所对应的区域为目标区域。
可选的,可以先对不同类型的对象进行筛选,然后对同类型对象所占面积进行判断;示例性的,当检测到图像中有人脸、狗、树木,可以根据不同类型对象的优先级进行排序,先筛选多个人脸图像,再对多个人脸图像进行选择,然后选择最大的人脸为目标对象,并将其所占区域确定为目标区域。
可选的,还可以先对对象所占面积进行判断,再对不同类型的对象进行筛选;示例性的,可以先对面积超过阈值的对象进行筛选,然后对筛选出的对象进行优先级排序,例如,当检测到的图像中有人脸,狗,和树木,先对其面积进行判断,筛选出面积大的狗和树木,然后再次对狗和树木进行优先级排序,最后确定狗为目标对象并将其所占区域确定为目标区域。
303、根据所述目标区域,确定所述图像的关注中心。
304、根据所述关注中心,对所述图像进行处理。
步骤303和步骤304可以参考图2所示实施例中的步骤203和步骤204中的描述,此处不做赘述。
图4是根据又一示例性实施例示出的一种图像处理方法的流程图,如图4所示,图像处理方法应用于终端中,包括以下步骤:
401,根据视觉显著性检测算法对图像进行检测,得到显著区域。
在一个可能的实施方式中,所述根据视觉显著性检测算法对图像进行检测,得到显著区域,包括:
根据所述视觉显著性检测算法对图像进行检测,获取所述图像对应的不同区域的灰度值;当所述灰度值在预设灰度值范围内,确定所述灰度值对应的区域为显著区域。
可以理解的,在确定目标区域时,还可以根据视觉显著性检测算法对图像进行显著性检测,得到该图像对应的与输入图像相同大小(或等比例缩小)的一个灰度图,该灰度图用不同的灰度表示不同的显著程度,然后根据该灰度图确定该图像的显著区域和非显著区域。
402,确定所述显著区域为所述目标区域。
403,根据所述目标区域,确定所述图像的关注中心。
在一种可能实施方式中,所述根据所述目标区域,确定所述图像的关注中心,包括:对所述显著区域进行二值化处理,获取所述显示区域对应的二值图像;确定所述二值图像的重心为所述图像的关注中心;或者,对所述显著区域进行聚类分析,获取所述显著区域对应的聚类中心;确定显著度最高的所述聚类中心为所述图像的关注中心。
对图像进行二值化处理,即将不同亮度等级的灰度图像通过适当的阈值进行选取,以此获得仍然可以反映图像整体和局部特征的二值化图像,使得整个图像呈现出明显的黑白效果。因为图像二值化可以使图像中的数据量大为减少,所以能凸显出目标的轮廓,然后根据二值图像计算重心,将该重心作为图像的关注中心。
可选的,还可以将显著区域的位置中心作为关注中心,也可以根据显著区域的灰度值来确定关注中心,具体不做限定。
聚类分析指将对象集合分组为由类似的对象组成的多个类的分析过程,其目的在于在相似的基础上收集数据来分类;在本实施例中,可以使用聚类分析的方法进行图像分割,即将具有不同属性和特点的部分分割开来,并且从中提取出用户感兴趣的部分;因此可以获取图像的多个聚类中心,并且将显著度最高的聚类中心确定为图像的关注中心。
404,根据所述关注中心,对所述图像进行处理。
可选的,当对所述图像进行裁剪时,根据关注中心确定裁剪的范围,再根据裁剪范围对图像进行裁剪;或者当对所述图像进行缩放时,确定关注中心为缩放中心,再根据关注中心的位置对图像进行缩放;或者当对所述图像进行平移时,根据关注中心确定平移终点,再根据平移终点的位置对图像进行平移。
图5是根据一示例性实施例示出的一种图像处理装置500的逻辑结构框图。参照图5,该装置包括检测单元501,确定单元502,执行单元503。
检测单元501,被配置为对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像。
确定单元502,被配置为根据所述目标区域,确定所述图像的关注中心。
执行单元503,被配置为根据所述关注中心,对所述图像进行处理。
本方法提供了一种图像处理装置500,通过对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像,再根据该目标区域,确定图像的关注中心,然后根据所述关注中心,对所述图像进行处理的方法,智能的匹配到用户的兴趣点,在对图像进行后续的编辑时,可以利用关注中心来确定操作点的位置,用户不再需要对其进行手动调整,这样,可以满足用户的实际需求,提高用户的体验度。
在一种可能实施方式中,检测单元501还被配置为根据图像识别算法对所述图像进行检测,得到至少一个同类对象;确定目标对象的对应区域为所述目标区域,所述目标对象为所述至少一个同类对象中优先级最高的对象。
在一种可能实施方式中,检测单元501还被配置:根据图像识别算法对所述图像进行检测,得到至少两种类型对象,所述至少两种类型对象包括第一类型对象和第二类型对象;当所述第一类型对象的优先级大于所述第二类型对象的优先级时,确定所述第一类型对象的对应区域为所述目标区域。
在一种可能实施方式中,确定单元502还被配置为:确定所述目标区域的中心点为所述图像的关注中心;或者确定所述目标区域的任一预设特征点为所述图像的关注中心。
在一种可能实施方式中,检测单元501还被配置为根据视觉显著性检测算法对图像进行检测,得到显著区域;确定所述显著区域为所述目标区域。
在一种可能实施方式中,检测单元501还被配置为根据所述视觉显著性检测算法对图像进行检测,获取所述图像对应不同区域的灰度值;当所述灰度值在预设灰度值范围内,确定所述灰度值对应的区域为显著区域。
在一种可能实施方式中,确定单元502还被配置为对所述显著区域进行二值化处理,获取所述显著区域对应的二值图像;确定所述二值图像的重心为所述图像的关注中心;或者对所述显著区域进行聚类分析,获取所述显著区域对应的聚类中心;确定显著度最高的所述聚类中心为所述图像的关注中心。
在一种可能实施方式中,执行单元503还被配置为当对所述图像进行裁剪时,根据所述关注中心确定裁剪的范围;根据所述裁剪的范围,对所述图像进行裁剪;或者当对所述图像进行缩放时,根据所述关注中心确定所述缩放中心;根据所述缩放中心,对所述图像进行缩放;或者当对所述图像进行平移时,根据所述关注中心确定平移起点和平移终点;根据所述平移起点和平移终点,对所述图像进行平移。
关于上述实施例中的装置500,其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器,上述指令可由处理器执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种应用程序/计算机程序产品,包括一条或多条指令,该一条或多条指令可以由处理器执行,以完成上述图像处理方法,该方法包括:对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像;根据所述目标区域,确定所述图像的关注中心;根据所述关注中心,对所述图像进行处理。可选地,上述指令还可以由处理器执行以完成上述示例性实施例中所涉及的其他步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像;
根据所述目标区域,确定所述图像的关注中心;
根据所述关注中心,对所述图像进行处理。
2.根据权利要求1所述的方法,其特征在于,所述对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,包括:
根据图像识别算法对所述图像进行检测,得到至少一个同类对象;
确定目标对象的对应区域为所述目标区域,所述目标对象为所述至少一个同类对象中优先级最高的对象。
3.根据权利要求1所述的方法,其特征在于,所述对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,包括:
根据图像识别算法对所述图像进行检测,得到至少两种类型对象,所述至少两种类型对象包括第一类型对象和第二类型对象;
当所述第一类型对象的优先级大于所述第二类型对象的优先级时,确定所述第一类型对象的对应区域为所述目标区域。
4.根据权利要求2或3任一项所述的方法,其特征在于,所述根据所述目标区域,确定所述图像的关注中心,包括:
确定所述目标区域的中心点为所述图像的关注中心;或者
确定所述目标区域的任一预设特征点为所述图像的关注中心。
5.根据权利要求1所述的方法,其特征在于,所述对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,包括:
根据视觉显著性检测算法对图像进行检测,得到显著区域;
确定所述显著区域为所述目标区域。
6.根据权利要求5所述的方法,其特征在于,所述根据视觉显著性检测算法对图像进行检测,得到显著区域,包括:
根据所述视觉显著性检测算法对图像进行检测,获取所述图像对应的不同区域的灰度值;
当所述灰度值在预设灰度值范围内,确定所述灰度值对应的区域为显著区域。
7.根据权利要求5或6任一项所述的方法,所述根据所述目标区域,确定所述图像的关注中心,包括:
对所述显著区域进行二值化处理,获取所述显著区域对应的二值图像;
确定所述二值图像的重心为所述图像的关注中心;或者
对所述显著区域进行聚类分析,获取所述显著区域对应的聚类中心;
确定显著度最高的所述聚类中心为所述图像的关注中心。
8.根据权利要求1所述的方法,其特征在于,所述根据所述关注中心,对所述图像进行处理,包括:
当对所述图像进行裁剪时,根据所述关注中心确定裁剪的范围;
根据所述裁剪的范围,对所述图像进行裁剪;或者
当对所述图像进行缩放时,根据所述关注中心确定所述缩放中心;;
根据所述缩放中心,对所述图像进行缩放;或者
当对所述图像进行平移时,根据所述关注中心确定平移起点和平移终点;
根据所述平移起点和平移终点,对所述图像进行平移。
9.一种图像处理装置,其特征在于,所述装置包括:
检测单元,被配置为对图像进行检测,在该图像中确定符合预设条件的目标图像所对应的目标区域,所述图像包括所述目标图像;
确定单元,被配置为根据所述目标区域,确定所述图像的关注中心;
执行单元,被配置为根据所述关注中心,对所述图像进行处理。
10.一种图像处理电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至8任一项所述的图像处理方法所执行的操作。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433470.XA CN110298380A (zh) | 2019-05-22 | 2019-05-22 | 图像处理方法、装置及电子设备 |
PCT/CN2020/075767 WO2020233178A1 (zh) | 2019-05-22 | 2020-02-18 | 一种图像处理方法、装置及电子设备 |
US17/532,319 US20220084304A1 (en) | 2019-05-22 | 2021-12-07 | Method and electronic device for image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433470.XA CN110298380A (zh) | 2019-05-22 | 2019-05-22 | 图像处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110298380A true CN110298380A (zh) | 2019-10-01 |
Family
ID=68027134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910433470.XA Pending CN110298380A (zh) | 2019-05-22 | 2019-05-22 | 图像处理方法、装置及电子设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220084304A1 (zh) |
CN (1) | CN110298380A (zh) |
WO (1) | WO2020233178A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402288A (zh) * | 2020-03-26 | 2020-07-10 | 杭州博雅鸿图视频技术有限公司 | 目标检测跟踪方法及装置 |
CN111461965A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、电子设备和计算机可读介质 |
CN111563517A (zh) * | 2020-04-20 | 2020-08-21 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2020233178A1 (zh) * | 2019-05-22 | 2020-11-26 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置及电子设备 |
CN112165635A (zh) * | 2020-10-12 | 2021-01-01 | 北京达佳互联信息技术有限公司 | 视频转换方法、装置、***及存储介质 |
WO2021218416A1 (zh) * | 2020-04-29 | 2021-11-04 | 京东方科技集团股份有限公司 | 可读存储介质、显示装置及其图像处理方法 |
CN114219729A (zh) * | 2021-12-09 | 2022-03-22 | 深圳Tcl新技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7391571B2 (ja) * | 2019-08-28 | 2023-12-05 | キヤノン株式会社 | 電子機器、その制御方法、プログラム、および記憶媒体 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102498499A (zh) * | 2009-08-11 | 2012-06-13 | 皇家飞利浦电子股份有限公司 | 提供用于显示的图像的方法和设备 |
US20150310585A1 (en) * | 2014-04-29 | 2015-10-29 | Adobe Systems Incorporated | Method and apparatus for identifying a representative area of an image |
CN107123084A (zh) * | 2016-02-24 | 2017-09-01 | 奥多比公司 | 优化图像裁剪 |
CN107273904A (zh) * | 2017-05-31 | 2017-10-20 | 上海联影医疗科技有限公司 | 图像处理方法及*** |
CN107545576A (zh) * | 2017-07-31 | 2018-01-05 | 华南农业大学 | 基于构图规则的图像编辑方法 |
CN108776970A (zh) * | 2018-06-12 | 2018-11-09 | 北京字节跳动网络技术有限公司 | 图像处理方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100397411C (zh) * | 2006-08-21 | 2008-06-25 | 北京中星微电子有限公司 | 实时鲁棒的人脸追踪显示方法及*** |
CN104301596B (zh) * | 2013-07-11 | 2018-09-25 | 炬芯(珠海)科技有限公司 | 一种视频处理方法及装置 |
CN106101540B (zh) * | 2016-06-28 | 2019-08-06 | 北京旷视科技有限公司 | 对焦点确定方法及装置 |
CN108366203B (zh) * | 2018-03-01 | 2020-10-13 | 北京金山安全软件有限公司 | 一种构图方法、装置、电子设备及存储介质 |
CN110298380A (zh) * | 2019-05-22 | 2019-10-01 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置及电子设备 |
-
2019
- 2019-05-22 CN CN201910433470.XA patent/CN110298380A/zh active Pending
-
2020
- 2020-02-18 WO PCT/CN2020/075767 patent/WO2020233178A1/zh active Application Filing
-
2021
- 2021-12-07 US US17/532,319 patent/US20220084304A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102498499A (zh) * | 2009-08-11 | 2012-06-13 | 皇家飞利浦电子股份有限公司 | 提供用于显示的图像的方法和设备 |
US20150310585A1 (en) * | 2014-04-29 | 2015-10-29 | Adobe Systems Incorporated | Method and apparatus for identifying a representative area of an image |
CN107123084A (zh) * | 2016-02-24 | 2017-09-01 | 奥多比公司 | 优化图像裁剪 |
CN107273904A (zh) * | 2017-05-31 | 2017-10-20 | 上海联影医疗科技有限公司 | 图像处理方法及*** |
CN107545576A (zh) * | 2017-07-31 | 2018-01-05 | 华南农业大学 | 基于构图规则的图像编辑方法 |
CN108776970A (zh) * | 2018-06-12 | 2018-11-09 | 北京字节跳动网络技术有限公司 | 图像处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
JAN FLUSSER等: "《模式识别中的矩和矩不变量》", 31 December 2014, 中国科学技术大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020233178A1 (zh) * | 2019-05-22 | 2020-11-26 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置及电子设备 |
CN111402288A (zh) * | 2020-03-26 | 2020-07-10 | 杭州博雅鸿图视频技术有限公司 | 目标检测跟踪方法及装置 |
CN111461965A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 图片处理方法、装置、电子设备和计算机可读介质 |
CN111461965B (zh) * | 2020-04-01 | 2023-03-21 | 抖音视界有限公司 | 图片处理方法、装置、电子设备和计算机可读介质 |
CN111563517A (zh) * | 2020-04-20 | 2020-08-21 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2021218416A1 (zh) * | 2020-04-29 | 2021-11-04 | 京东方科技集团股份有限公司 | 可读存储介质、显示装置及其图像处理方法 |
CN112165635A (zh) * | 2020-10-12 | 2021-01-01 | 北京达佳互联信息技术有限公司 | 视频转换方法、装置、***及存储介质 |
WO2022077977A1 (zh) * | 2020-10-12 | 2022-04-21 | 北京达佳互联信息技术有限公司 | 视频转换方法及视频转换装置 |
CN114219729A (zh) * | 2021-12-09 | 2022-03-22 | 深圳Tcl新技术有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20220084304A1 (en) | 2022-03-17 |
WO2020233178A1 (zh) | 2020-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298380A (zh) | 图像处理方法、装置及电子设备 | |
CN109359538B (zh) | 卷积神经网络的训练方法、手势识别方法、装置及设备 | |
Karayev et al. | Recognizing image style | |
US10956784B2 (en) | Neural network-based image manipulation | |
CN110163076B (zh) | 一种图像数据处理方法和相关装置 | |
WO2021139324A1 (zh) | 图像识别方法、装置、计算机可读存储介质及电子设备 | |
CN111563502B (zh) | 图像的文本识别方法、装置、电子设备及计算机存储介质 | |
US9058644B2 (en) | Local image enhancement for text recognition | |
CN110956060A (zh) | 动作识别、驾驶动作分析方法和装置及电子设备 | |
Rahman et al. | A framework for fast automatic image cropping based on deep saliency map detection and gaussian filter | |
WO2021114500A1 (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
US20150325023A1 (en) | Providing pre-edits for photos | |
CN108898082B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN107153838A (zh) | 一种照片自动分级方法及装置 | |
GB2611633A (en) | Textual editing of digital images | |
CN111488759A (zh) | 动物脸部的图像处理方法和装置 | |
GB2569833A (en) | Shape-based graphics search | |
CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
Yeh et al. | Personalized photograph ranking and selection system considering positive and negative user feedback | |
CN113722458A (zh) | 视觉问答处理方法、设备、计算机可读介质和程序产品 | |
US11823433B1 (en) | Shadow removal for local feature detector and descriptor learning using a camera sensor sensitivity model | |
CN110097071A (zh) | 基于谱聚类与K-means结合的乳腺病变区域的识别方法与装置 | |
CN114255493A (zh) | 图像检测方法、人脸检测方法及装置、设备及存储介质 | |
CN108334821B (zh) | 一种图像处理方法及电子设备 | |
WO2022266878A1 (zh) | 景别确定方法、装置及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191001 |
|
RJ01 | Rejection of invention patent application after publication |