CN111986089A - 特征值整数化的图像存储与比对方法、装置、设备和介质 - Google Patents

特征值整数化的图像存储与比对方法、装置、设备和介质 Download PDF

Info

Publication number
CN111986089A
CN111986089A CN202010887737.5A CN202010887737A CN111986089A CN 111986089 A CN111986089 A CN 111986089A CN 202010887737 A CN202010887737 A CN 202010887737A CN 111986089 A CN111986089 A CN 111986089A
Authority
CN
China
Prior art keywords
image
integer
integers
standard image
comparison
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
Application number
CN202010887737.5A
Other languages
English (en)
Inventor
马计国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiyi Data Technology Shanghai Co ltd
Original Assignee
Jiyi Data Technology Shanghai Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiyi Data Technology Shanghai Co ltd filed Critical Jiyi Data Technology Shanghai Co ltd
Priority to CN202010887737.5A priority Critical patent/CN111986089A/zh
Publication of CN111986089A publication Critical patent/CN111986089A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/32—Normalisation of the pattern dimensions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种特征值整数化的图像存储与比对方法、装置、设备和介质，通过将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。本申请将图片的特征值转化为整数形式，以便于存储和比对，大大节省了对比处理速度和存储所需内存。

Description

特征值整数化的图像存储与比对方法、装置、设备和介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种特征值整数化的图像存储与比对方法、装置、设备和介质。
背景技术
当前越来越多的场景中需要图片的对比，如常见的针对盗用或抄袭图案的鉴定。随着图片或图案的抄袭越来越隐蔽，往往还需要对图片中的图案的颜色、形状等进行局部的比对。
而传统的图片比对过程，需要将待比对图像与数据库中的图片进行逐一比对，如常见的利用图片提取出的特征向量进行比对，但是一个图片中所包含的特征向量或像素内存也非常多，这就造成需比对的速度非常多，比对速度非常缓慢，而且对于局部或细微的抄袭图案往往不能发现；另外，图片数据库中存储图片的数据占用也非常庞大。
发明内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种特征值整数化的图像存储与比对方法、装置、设备和介质，以解决现有技术中存在的至少一个问题。
为实现上述目的及其他相关目的，本申请提供一种特征值整数化的图像存储与比对方法，所述方法包括：将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
于本申请的一实施例中，所述将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块，包括：将原始图像的RGBA四通道删减为RGB三通道，并缩放为x×y像素大小的标准图像；将所述标准图像按N宫格进行分割以得到N个像素块。
于本申请的一实施例中，所述缩放过程通过计算像素块内每个通道的均值方法以消除原始图像的失真。
于本申请的一实施例中，所述令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合，包括：将各所述向量中每个维度的像素值转化为8位二进制数，以得到对应每个向量的8×(x×y)/N的二进制数矩阵；将所述二进制数矩阵根据低位到高位的排列方式重新排列组合，以降维重组为一整数；汇集所述标准图像的全部像素块所对应的整数，以得到对应所述标准图像的3N个整数的集合。
于本申请的一实施例中，所述将所述二进制数矩阵根据低位到高位的排列方式以降维重组为一整数，包括：所述二进制数矩阵中，每行对应每个维度的8位二进制数，且每个维度的位由左到右依次对应为由低到高；每列对应每个维度中属于相同位的二进制数；将每个维度中属于相同位的二进制数组合为对应该位的数值区段；根据各所述数值区段按照对应的位，按由低位到高位依次排列，以重新组合得到对应一向量的包含8个数值区段的整数。
于本申请的一实施例中，所述通过整数比对断是否存在相似的像素块或图像，包括：针对包含8个数值区段的整数设置比对线，以令所述整数中在所述比对线右边的一或多个高位数值区段的数值与所述图像数据库中各整数对应的一或多个高位数值区段的数值进行比对；若比对存在相同，则判定该整数相近；若对应所述像素块的3个整数中至少2个整数的对比判定为相同，则判定所述图像数据库中存在与所述像素块相似的像素块；若对应所述标准图像的3N个整数中至少m个整数的对比判定为相同，则判定所述图像数据库中存在与所述标准图像相似的图像。
于本申请的一实施例中，所述比对线可根据比对情况或场景需求进行调节，以供调整比对精确度。
为实现上述目的及其他相关目的，本申请提供一种特征值整数化的图像存储与比对装置，所述装置包括：所述装置包括：缩放分割模块，用于将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；整数转化模块，用于令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；存储比对模块，用于将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
为实现上述目的及其他相关目的，本申请提供一种计算机设备，所述设备包括：存储器、及处理器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如上所述的方法。
为实现上述目的及其他相关目的，本申请提供一种计算机可读存储介质，存储有计算机指令，所述计算机指令被运行时执行如上所述的方法。
综上所述，本申请提供的一种特征值整数化的图像存储与比对方法、装置、设备和介质，通过将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
具有以下有益效果：
本申请将图片的特征值转化为整数形式，以便于存储和比对，大大节省了对比处理速度和存储所需内存。
附图说明
图1显示为本申请于一实施例中特征值整数化的图像存储与比对方法的流程示意图。
图2显示为本申请于一实施例中对应步骤S101的场景示意图。
图3显示为本申请于一实施例中特征值整数化的图像存储与比对装置的模块示意图。
图4显示为本申请于一实施例中计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，虽然图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，但其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在通篇说明书中，当说某部分与另一部分“连接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部分“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素，排除在外，而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成分、区域、层及/或段而使用的，但并非限定于此。这些术语只用于把某部分、成分、区域、层或段区别于其它部分、成分、区域、层或段。因此，以下叙述的第一部分、成分、区域、层或段在不超出本申请范围的范围内，可以言及到第二部分、成分、区域、层或段。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
传统的图片比对过程，需要将待比对图像与数据库中的图片进行逐一比对，如常见的利用图片提取出的特征向量进行比对，但是一个图片中所包含的特征向量或像素内存也非常多，这就造成需比对的速度非常多，比对速度非常缓慢，而且对于局部或细微的抄袭图案往往不能发现；另外，图片数据库中存储图片的数据占用也非常庞大。
为解决上述问题，本申请提出一种特征值整数化的图像存储与比对方法、装置、设备和介质，将图片的特征值转化为整数形式，以便于存储和比对，大大节省了对比速度和存储所需内存。
如图1所示，展示为本申请于一实施例中的特征值整数化的图像存储与比对方法的流程示意图。如图所示，所述方法包括：
步骤S101：将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量。
于本申请一实施例中，所述将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块，包括：
A、将原始图像的RGBA四通道删减为RGB三通道，并缩放为x×y像素大小的标准图像；
于本实施例中，通常一张原始图像均具有RGBA四个通道，它们分别代表Red(红色)Green(绿色)Blue(蓝色)和Alpha的色彩空间，但是它其实仅仅是RGB模型的附加了额外的信息。采用的颜色通常是RGB，而Alpha通道一般用作不透明度参数，因此，本申请将在图像比对过程中产生影响较小或不产生影响的Alpha通道去掉，以减少通道数，从而减少比对用到的数据。
另外，通常一张原始图像的像素大小各不相同，且往往具有较大的像素尺寸，如4032×3024、2048×1024等等，为了便于本申请将图片转化为整数、以及后续的存储于对比，本申请统一将原始图像缩放至较小或极小的统一像素大小，如12×12的像素大小，以统一为标准图像，可参考图2所示。而本申请进行缩放的方法，采用图像处理技术领域中常见的一些缩放方法即可。
于本实施例中，由于图像进行缩放处理过程中会带来图像失真的问题，故本申请在所述缩放过程通过计算像素块内每个通道的均值方法以消除原始图像的失真。例如，对每个像素点分配权重，以及进行归一化处理，通过数值差分方法来消除失真。
需说明的是，本方法中消除失真的过程也采用常见的处理图像失真的方法即可。另外，这里处理图像失真的效果也并非需要极高的标准，因为，本申请围绕图像进行一系列处理的目的是用于图片比对，如对某部分区域图案的颜色或形状等进行比对，而并非用于使用或欣赏等，只要该区域内图案对应的特征信息无较大变化，均对图片比对的影响较小。因此，对于图像失真处理的要求不算太高。
B、将所述标准图像按N宫格进行分割以得到N个像素块。
举例来说，如图2所示，其展示为由原始图像到像素块的场景示意图。原始图像缩放为12×12的像素大小的标准图像后，按九宫格框架进行分割，可以得到9个4×4的像素大小的像素块。相应地，每个像素块则具有分别对应RGB三通道的三个16维((12×12)/9＝4×4)的向量：
Figure BDA0002656062430000051
具体向量如下：
Figure BDA0002656062430000052
Figure BDA0002656062430000053
Figure BDA0002656062430000054
需说明的是，本申请中分割标准图像的N宫格并不限于中心对称的四宫格、九宫格、十六宫格等，还可包括如六宫格、八宫格、十二宫格等非中心对称的多宫格。另外，由N宫格分割后的每个像素块优选为正方形或长方形。
步骤S102：令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合。
于本申请一实施例中，所述令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合，包括：
A、将各所述向量中每个维度的像素值转化为8位二进制数，以得到对应每个向量的8×(x×y)/N的二进制数矩阵。
举例来说，向量
Figure BDA0002656062430000055
的第一个维度R1的像素值对应转为8为二进制数如下所示：
R1＝{r11,r12,…,r18}；
需说明的是，RGB三通道的每个通道内的像素值范围为(0～255)，其对应二进制正好为8位(00000000～11111111)，因此，可将每个维度的像素值转化为8位二进制数。
进一步地，承接如图2中所举例的每个向量为16维，那么如向量
Figure BDA0002656062430000062
所得到的二进制数矩阵如下所示；
Figure BDA0002656062430000061
具体来说，如上所举例的二进制数矩阵公式(1)中，每行对应每个维度的8位二进制数，且每个维度的位由左到右依次对应为由低到高，如第一行中，r11对应为最低位，r18对应为最高位；每列对应每个维度中属于相同(高低)位的二进制数，如第一列中的r11、r21、…、r161则对应为各维度中属于相同低位的二进制数。
B、将所述二进制数矩阵根据低位到高位的排列方式重新排列组合，以降维重组为一整数。具体包括：
b1、将每个维度中属于相同位的二进制数组合为对应该位的数值区段；
通常将矩阵降维转换为一行整数时，可能会按横向编号顺序自然排列，这也是通常的做法。但是本申请创新的提出按相同位来纵向组合排列。如上举例的向量
Figure BDA0002656062430000063
的二进制数矩阵公式(1)中，得到对应向量
Figure BDA0002656062430000064
的整数如下所示：
{r11,r21,…,r161|r12,r22,…,r162|…|r18,r28,…,r168}； (2)
b2、根据各所述数值区段按照对应的位，按由低位到高位依次排列，以重新组合得到对应一向量的包含8个数值区段的整数。
对应地，如上所举例的整数公式(2)，r11到r161则对应为最低位的数值区段；r18到r168则对应为最高位的数值区段，按照由低位到高位的顺序依次进行排列，则得到对应向量
Figure BDA0002656062430000065
的整数如上所举例的整数公式(2)，其中，该整数包含8个数值区段的整数。
C、汇集所述标准图像的全部像素块所对应的整数，以得到对应所述标准图像的3N个整数的集合。
在举例来说，如上所举例的整数公式(2)实际上只对应一个像素块中的一个向量
Figure BDA0002656062430000066
而如上举例可知，一个像素块中有3个向量，一个标准图像则又包含9个像素块，因此，一个标准图像则对应有27个整数的集合。
步骤S103：将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
需要说明的是，将图像提炼出特征，并以整数表示，来进行存储和比对，与直接存储图像或特征向量相比，所占内存将大大减少，计算速度也将大大提高。
于本实施例中，所述图像数据库中存储海量图像也是整数集合的存储形式，因此，通过整数与整数之间的比对即可实现相似图像的判断。
于本申请实施例中，本步骤S103具体包括：
A、针对包含8个数值区段的整数设置比对线，以令所述整数中在所述比对线右边的一或多个高位数值区段的数值与所述图像数据库中各整数对应的一或多个高位数值区段的数值进行比对；
需要强调的是，进一步地，本申请中已转为表征图像特征的整数，由于针对应向量的二进制矩阵中，是按照低位到高位的顺序排列的，因此，可直接将整数与整数的高位进行相比。因为，若按本申请所述方法转换得到的整数，若32个高位相同，则这个整数对应的16维向量的高2位一定相同，低位可以作为允许用户添加文字，logo等噪音。
故本申请根据按照低位到高位的顺序排列的特点，针对包含8个数值区段的整数设置比对线，令部分整数进行比对，如在整数中靠后的若干个数值区段来进行比对。
另外，所述比对线可根据比对情况或场景需求进行调节，以供调整比对精确度。
举例来说，通过将比对线设置在第2个数值区或第3个数值区段后来进行比对，便能达到预期的比对精确度。
B、若比对存在相同，则判定该整数相近；
C、若对应所述像素块的3个整数中至少2个整数的对比判定为相同，则判定所述图像数据库中存在与所述像素块相似的像素块。
D、若对应所述标准图像的3N个整数中至少m个整数的对比判定为相同，则判定所述图像数据库中存在与所述标准图像相似的图像。
举例来说，假设27个整数全部相同，那么可判断为相同图像；若属于一像素块的一或多条整数相同，也可判断该像素块存在相似或相同的像素块。需说明的是，像素块表示一个图像中的部分(如九分之一的区域)，在这部分中可能存在一完整图案或部分图案，那么针对图像中局部或细微的图案，也可实现比对，以供判断图像中这一图案是否存在抄袭或侵权的可能。
在实际应用本方法的场景中，27个整数中存在4个以上整数相近，那么可判断为非常相似或相同的图像了，即可找到图像数据库中与标准图像高相似或相同的图像。因此，本申请通过整数的对比来判断相似或相同的图像，大大减少了处理速度。
综上所述，本申请提出的一种特征值整数化的图像存储与比对方法、装置、设备和介质，通过将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。本申请将图片的特征值转化为整数形式，以便于存储和比对，大大节省了对比处理速度和存储所需内存。
如图3所示，展示为本申请于一实施例中的特征值整数化的图像存储与比对装置的模块示意图。如图所示，所述装置300包括：
缩放分割模块301，用于将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；
整数转化模块302，用于令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；
存储比对模块303，用于将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请所述方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。
还需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，存储比对模块303可以为单独设立的处理元件，也可以集成在上述***的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述***的存储器中，由上述装置的某一个处理元件调用并执行以上存储比对模块303的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上***(system-on-a-chip，简称SOC)的形式实现。
如图4所示，展示为本申请于一实施例中的计算机设备的结构示意图。如图所示，所述计算机设备400包括：存储器401、及处理器402；所述存储器401用于存储计算机指令；所述处理器402运行计算机指令实现如图1所述的方法。
在一些实施例中，所述计算机设备400中的所述存储器401的数量均可以是一或多个，所述处理器402的数量均可以是一或多个，而图4中均以一个为例。
于本申请一实施例中，所述计算机设备400中的处理器402会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器401中，并由处理器402来运行存储在存储器401中的应用程序，从而实现如图1所述的方法。
所述存储器401可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述存储器401存储有操作***和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作***可包括各种***程序，用于实现各种基础业务以及处理基于硬件的任务。
所述处理器402可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在一些具体的应用中，所述计算机设备400的各个组件通过总线***耦合在一起，其中总线***除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见，在图4中将各种总线都成为总线***。
于本申请的一实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图1所述的方法。
在任何可能的技术细节结合层面，本申请可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本申请的各个方面。
综上所述，本申请提供的一种特征值整数化的图像存储与比对方法、装置、设备和介质，通过将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (10)

1.一种特征值整数化的图像存储与比对方法，其特征在于，所述方法包括：
将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；
令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；
将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
2.根据权利要求1所述的方法，其特征在于，所述将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块，包括：
将原始图像的RGBA四通道删减为RGB三通道，并缩放为x×y像素大小的标准图像；
将所述标准图像按N宫格进行分割以得到N个像素块。
3.根据权利要求2所述的方法，其特征在于，所述缩放过程通过计算像素块内每个通道的均值方法以消除原始图像的失真。
4.根据权利要求1所述的方法，其特征在于，所述令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合，包括：
将各所述向量中每个维度的像素值转化为8位二进制数，以得到对应每个向量的8×(x×y)/N的二进制数矩阵；
将所述二进制数矩阵根据低位到高位的排列方式重新排列组合，以降维重组为一整数；
汇集所述标准图像的全部像素块所对应的整数，以得到对应所述标准图像的3N个整数的集合。
5.根据权利要求4所述的方法，其特征在于，所述将所述二进制数矩阵根据低位到高位的排列方式以降维重组为一整数，包括：
所述二进制数矩阵中，每行对应每个维度的8位二进制数，且每个维度的位由左到右依次对应为由低到高；每列对应每个维度中属于相同位的二进制数；
将每个维度中属于相同位的二进制数组合为对应该位的数值区段；
根据各所述数值区段按照对应的位，按由低位到高位依次排列，以重新组合得到对应一向量的包含8个数值区段的整数。
6.根据权利要求5所述的方法，其特征在于，所述通过整数比对断是否存在相似的像素块或图像，包括：
针对包含8个数值区段的整数设置比对线，以令所述整数中在所述比对线右边的一或多个高位数值区段的数值与所述图像数据库中各整数对应的一或多个高位数值区段的数值进行比对；
若比对存在相同，则判定该整数相近；
若对应所述像素块的3个整数中至少2个整数的对比判定为相同，则判定所述图像数据库中存在与所述像素块相似的像素块；
若对应所述标准图像的3N个整数中至少m个整数的对比判定为相同，则判定所述图像数据库中存在与所述标准图像相似的图像。
7.根据权利要求6所述的方法，其特征在于，所述比对线可根据比对情况或场景需求进行调节，以供调整比对精确度。
8.一种特征值整数化的图像存储与比对装置，其特征在于，所述装置包括：
缩放分割模块，用于将获取的原始图像缩放为x×y像素大小的标准图像，并分割为N个像素块；其中，每个像素块具有分别对应RGB三通道的三个(x×y)/N维的向量；
整数转化模块，用于令每个像素块中三个(x×y)/N维的向量分别降维并重组为整数，以得到对应所述标准图像的3N个整数的集合；
存储比对模块，用于将该集合作为所述标准图像的数据存储形式以存入遵循该数据存储形式的图像数据库，以供通过整数比对断是否存在相似的像素块或图像。
9.一种计算机设备，其特征在于，所述设备包括：存储器、及处理器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，存储有计算机指令，所述计算机指令被运行时执行如权利要求1至7中任一项所述的方法。
CN202010887737.5A 2020-08-28 2020-08-28 特征值整数化的图像存储与比对方法、装置、设备和介质 Pending CN111986089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010887737.5A CN111986089A (zh) 2020-08-28 2020-08-28 特征值整数化的图像存储与比对方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010887737.5A CN111986089A (zh) 2020-08-28 2020-08-28 特征值整数化的图像存储与比对方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN111986089A true CN111986089A (zh) 2020-11-24

Family

ID=73440190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010887737.5A Pending CN111986089A (zh) 2020-08-28 2020-08-28 特征值整数化的图像存储与比对方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN111986089A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1658219A (zh) * 2004-02-18 2005-08-24 富士施乐株式会社 图像处理装置
CN103714122A (zh) * 2013-12-06 2014-04-09 安徽大学 一种基于局部分块二进制编码特征的图像检索方法
CN104715449A (zh) * 2015-03-31 2015-06-17 百度在线网络技术（北京）有限公司 生成马赛克图像的方法和装置
CN104794189A (zh) * 2015-04-16 2015-07-22 惠州Tcl移动通信有限公司 一种图像筛选方法及筛选***
US20160092445A1 (en) * 2013-05-16 2016-03-31 Beijing Jingdong Shangke Information Technology Co., Ltd. Image provision method, server device, and terminal device
CN106997366A (zh) * 2016-01-26 2017-08-01 视辰信息科技(上海)有限公司 数据库构建方法、增强现实融合追踪方法及终端设备
US20180081877A1 (en) * 2015-03-31 2018-03-22 Channelsight Limited Method and system for product recognition
CN109214428A (zh) * 2018-08-13 2019-01-15 平安科技（深圳）有限公司 图像分割方法、装置、计算机设备及计算机存储介质
CN109344276A (zh) * 2018-08-27 2019-02-15 广州企图腾科技有限公司 一种图像指纹生成方法、图像相似度比较方法及存储介质
CN109902190A (zh) * 2019-03-04 2019-06-18 京东方科技集团股份有限公司 图像检索模型优化方法、检索方法、装置、***及介质
CN110348353A (zh) * 2019-06-28 2019-10-18 广东奥园奥买家电子商务有限公司 一种图像处理方法及装置
CN111161140A (zh) * 2018-11-08 2020-05-15 银河水滴科技（北京）有限公司 一种畸变图像的矫正方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1658219A (zh) * 2004-02-18 2005-08-24 富士施乐株式会社 图像处理装置
US20160092445A1 (en) * 2013-05-16 2016-03-31 Beijing Jingdong Shangke Information Technology Co., Ltd. Image provision method, server device, and terminal device
CN103714122A (zh) * 2013-12-06 2014-04-09 安徽大学 一种基于局部分块二进制编码特征的图像检索方法
CN104715449A (zh) * 2015-03-31 2015-06-17 百度在线网络技术（北京）有限公司 生成马赛克图像的方法和装置
US20180081877A1 (en) * 2015-03-31 2018-03-22 Channelsight Limited Method and system for product recognition
CN104794189A (zh) * 2015-04-16 2015-07-22 惠州Tcl移动通信有限公司 一种图像筛选方法及筛选***
CN106997366A (zh) * 2016-01-26 2017-08-01 视辰信息科技(上海)有限公司 数据库构建方法、增强现实融合追踪方法及终端设备
CN109214428A (zh) * 2018-08-13 2019-01-15 平安科技（深圳）有限公司 图像分割方法、装置、计算机设备及计算机存储介质
CN109344276A (zh) * 2018-08-27 2019-02-15 广州企图腾科技有限公司 一种图像指纹生成方法、图像相似度比较方法及存储介质
CN111161140A (zh) * 2018-11-08 2020-05-15 银河水滴科技（北京）有限公司 一种畸变图像的矫正方法及装置
CN109902190A (zh) * 2019-03-04 2019-06-18 京东方科技集团股份有限公司 图像检索模型优化方法、检索方法、装置、***及介质
CN110348353A (zh) * 2019-06-28 2019-10-18 广东奥园奥买家电子商务有限公司 一种图像处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘鹏等: "《人工智能应用技术基础》", 西安电子科技大学出版社, pages: 83 - 84 *

Similar Documents

Publication Publication Date Title
US11210765B2 (en) Image processing method and device, storage medium and computer device
US20190303757A1 (en) Weight skipping deep learning accelerator
US11961267B2 (en) Color conversion between color spaces using reduced dimension embeddings
US11663743B2 (en) Image data decompression
US11636665B2 (en) Streaming image semantic segmentation method, logical integrated circuit system and electronic device
US12008791B2 (en) Image data compression
CN113506305B (zh) 三维点云数据的图像增强方法、语义分割方法及装置
US20110221775A1 (en) Method for transforming displaying images
CN111986089A (zh) 特征值整数化的图像存储与比对方法、装置、设备和介质
US20220004857A1 (en) Neural network processing apparatus, neural network processing method, and neural network processing program
US11170260B2 (en) Techniques for determining importance of encoded image components for artificial intelligence tasks
WO2021036424A1 (zh) 盒式滤波器并行高效计算方法
CN109408028B (zh) 浮点数运算方法、装置及存储介质
CN111986277A (zh) 基于灰度值的图像局部比对方法、装置、设备和介质
CN111881916A (zh) 一种文字定位方法、装置及设备
CN115578243B (zh) 一种面向稀疏矩阵的膨胀处理方法
CN116977154B (zh) 可见光图像与红外图像融合储存方法、装置、设备和介质
US11403783B2 (en) Techniques to dynamically gate encoded image components for artificial intelligence tasks
CN113487624B (zh) 一种人体实例分割方法、终端设备及存储介质
CN113542808B (zh) 视频处理方法、设备、装置以及计算机可读介质
Sari et al. An Approach For Stitching Satellite Images In A Bigdata Mapreduce Framework
CN114037785A (zh) 图像处理方法及装置
CN116127118A (zh) 一种相似图像检索的方法、装置、电子设备及存储介质
CN117522753A (zh) 图像处理方法、装置、设备及计算机可读存储介质
CN117764819A (zh) 图像处理方法、装置、电子设备和存储介质

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