一种基于图片识别的自动裁剪方法技术

本发明专利技术涉及一种基于图片识别的自动裁剪方法，所述方法包括(1)图片预处理；(2)人脸识别；(3)背景识别；(4)自适应截取。本发明专利技术采用基于识别的方式实现图片的裁剪，会给出裁剪出的图片占原图的比例。本发明专利技术无需人工干预，算法简单，可靠性高。本发明专利技术可根据需求采用不同策略，满足不同网页的展示。采用本发明专利技术对组图进行裁剪，选择裁剪成功的，设为展示图，准确率达99.8％。本发明专利技术应用到资讯和微薄的页面图片的裁剪，经人工测试准确率在99.5％。

【技术实现步骤摘要】
—种基于图片识别的自动裁剪方法
本专利技术涉及一种自动裁剪方法，具体讲涉及。
技术介绍
在网页展示领域，图片裁剪是项必不可少的环节。目前根据网页展示需要，图片需要裁剪成不同尺寸。图片裁剪方法各式各样，基本可分为两大类:基于软件的方式的人工裁剪和算法的裁剪。 基于软件的方式裁剪:首先要定义裁剪的区域和缩放比例，然后可以对一组图片进行批量裁剪。针对某一类图片，人工手工指定裁剪过程。算法的裁剪，利用机器识别算法，识别出背景区域，按要求展示尺寸，裁减掉部分背景，再进行图片缩放。 人工裁剪方式的缺点是需要耗费巨大人力资源来裁剪图片，并且随着网站的扩建，裁剪图片的成本也非常大。自动裁剪方式的缺点是算法复杂，同时，也要监控图片裁剪效果，以发现问题及时调整算法。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于图片识别的自动裁剪技术。针对网页要展示的尺寸，对图片进行有效的裁剪，而不需要人为干预。根据观察发现，不同的网页对图片展示的需求不同，根据要求的尺寸判定是否需要对原图进行裁剪，如果需要裁剪，则先进行人脸识别，如果没有人脸，则进行背景识别，在此基础上，找到图片需要保留的主体部分。然后用自适应截取的方法，截取出需要的图形。 本专利技术的目的是采用下述技术方案实现的: —种基于图片识别的自动裁剪方法，其改进之处在于，所述方法包括 (I)图片预处理； (2)人脸识别； (3)背景识别； (4)自适应截取。 优选的，所述步骤(I)包括读入图片，得到图片的高和宽的信息，与要求的尺寸对t匕，比例正好，则直接缩放后结束。 优选的，所述步骤(2)包括判断是否识别出人脸。 进一步地， (2.1)识别出多张人脸，算出最小的框，将所有人脸包含在其中，即为主体部分，进行权利要求的步骤⑷；和 (2.2)未识别出人脸则进行权利要求的步骤(3)。 优选的，所述人脸识别包括运用opencv的人脸检测算法、皮肤识别算法和图像分块算法进行图片的光照补偿。 优选的，所述步骤(3)包括采用图片分块算法，计算出左右上下的背景部分。 优选的，所述步骤⑷包括 对有多张人脸，裁取能包含所有人脸的最小框，标定为图片的主体部分； 对截取人脸失败时，将最大的那张人脸框定为图片的主体部分；和 对截取没有人脸时，将除去背景部分的框标定为图片的主体部分。 进一步地，根据要求的高或宽，计算出图片主体部分要截取的是高还是宽，求出一 个窗口，即图片被保留的部分的高和宽。 进一步地，所述方法包括对截取主体部分失败进行尺寸调整，其包括补全方式调整和中心扩展裁剪方式调整； 补全方式包括如截取失败，可通过两边或上下补充相应颜色边来得到适合的尺寸；中心扩展裁剪方式包括如截取失败，如高长了，则从中心上下扩展得到相应的合适的尺寸；如宽长了，则从中心左右扩展得到相应的合适尺寸。 与现有技术比，本专利技术的有益效果为: 1、本专利技术采用基于识别的方式实现图片的裁剪，会给出裁剪出的图片占原图的比例。 2、本专利技术无需人工干预。 3、本专利技术算法简单，可靠性高。 4、本专利技术可根据需求采用不同策略，满足不同网页的展示。 5、采用本专利技术对组图进行裁剪，选择裁剪成功的，设为展示图，准确率达99.8%。 6、本专利技术应用到资讯和微薄的页面图片的裁剪，经人工测试准确率在99.5%。 【附图说明】 图1为本专利技术提供的流程图。 【具体实施方式】 下面结合附图对本专利技术的【具体实施方式】作进一步的详细说明。 本专利技术具体流程如下: 1、图片预处理。 读入图片,得到图片的高(RawHeight)和宽(RawWidth)的信息。与要求的尺寸进 行对比,width,height为要求的宽和高,要求的尺度比为scale = height/width,如 果RawHeight/RawWidth = scale,则不进行识别,直接缩放为要求的比例后结束。 2、人脸识别。 先进行了图片的光照补偿，再运用opencv的人脸检测算法。为了有效降低识别错误率，接着用了皮肤识别算法和图像分块算法。(皮肤识别颜色包括白种人，黄种人和黑种人)。认定只有皮肤覆盖率达到一定比例和分块符合人脸块数才算是人脸。 本专利技术采用的图像分块算法为论文Efficient Graph-Based ImageSegmentat1n (作者 Pedro F.Felzenszwalb and Daniel P.Huttenlocher)提供的算法。对于识别出的人脸部分，进行分块，因为人脸图片基本是鼻子，2个眼睛，嘴巴，脸颊，背景几个部分组成。如果图像分的块数过多，就说明不是人脸。 将原来opencv人脸识别漏报率34%，降低到15%。误报率从2%，降到0.6%。 3、背景识别。 同样运用了上面的图像分块算法，因为算法的对不同尺度的图片，运用得参数不同，所以要先将图片压缩到规定大小，再运用指定参数，才能到达好的效果。详细参数请参考论文。从左到右扫描，如果列上每个点都属于同一块，则为背景，直到扫描到不属于同一块的点，或者扫描到宽的1/2为止。记为左边背景部分。同理可得其它3边的背景部分。 4、自适应截取，保留图片主体部分。 识别之后，如果有多张人脸，取能包含所有人脸的最小框，标定为图片的主体部分； 如果截取失败，再将最大的那张人脸框定为图片的主体部分； 如果没有人脸，就将除去背景部分的框标定为图片的主体部分。 [0051 ] 对截取主体部分失败图片采用尺寸调整。 其中，包括两种调整方式: 补全方式:如果截取失败，可以通过两边或者上下补充相应颜色边来得到适合的尺寸。 中心扩展裁剪方式:如果截取失败，则如果高长了，则从中心上下扩展得到相应的合适的尺寸。如果宽长了，则从中心左右扩展得到相应的合适尺寸。 在实际应用中，可根据需要对图进行补全。 根据要求的高宽，计算出图片要截取的是高还是宽。然后求出一个窗口，即图片最后被保留的部分的闻和览。 若要截取的是高,最后的高度为:Height = RawWidth*scale,找到保留性主体部分，(主体部分的高位y0到yl)，窗口高就是Height,宽就是RawWidth,然后从上到下逐行移动，直到窗口包含主体部分的y0和yl，且最好主体位于窗口偏上部分或已经移到最后结束。 若要截取的是宽,最后的宽度为:Width = RawHeight*scale,找到保留性主体部分，(主体部分的宽为x0到xl)，窗口高就是RawHeight，宽就是Width，然后从左到右逐列移动，直到窗口包含主体部分的xO和xl，且最好主体位于窗口偏右部分或已经移到最后结束。 最后应当说明的是:以上实施例仅用以说明本专利技术的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本专利技术的【具体实施方式】进行修改或者等同替换，这些未脱离本专利技术精神和范围的任何修改或者等同替换，均在申请待批的本专利技术的权利要求保护范围之内。本文档来自技高网...

【技术保护点】
一种基于图片识别的自动裁剪方法，其特征在于，所述方法包括(1)图片预处理；(2)人脸识别；(3)背景识别；(4)自适应截取。

【技术特征摘要】
1.一种基于图片识别的自动裁剪方法，其特征在于，所述方法包括 (1)图片预处理； (2)人脸识别； (3)背景识别； (4)自适应截取。2.如权利要求1所述的一种基于图片识别的自动裁剪方法，其特征在于，所述步骤(I)包括读入图片，得到图片的高和宽的信息，与要求的尺寸对比，比例正好，则直接缩放后结束。3.如权利要求1所述的一种基于图片识别的自动裁剪方法，其特征在于，所述步骤(2)包括判断是否识别出人脸。4.如权利要求3所述的一种基于图片识别的自动裁剪方法，其特征在于， (2.1)识别出多张人脸，算出最小的框，将所有人脸包含在其中，即为主体部分，进行权利要求的步骤⑷；和 (2.2)未识别出人脸则进行权利要求的步骤(3)。5.如权利要求1所述的一种基于图片识别的自动裁剪方法，其特征在于，所述人脸识别包括运用opencv的人脸检测算法、皮肤识别算法和图像分块算法进行图片的光照补偿。6.如权利要求1所述的一种基于图片识别的自动裁剪方法，其特征在...

【专利技术属性】
技术研发人员：田艳莉，
申请(专利权)人：北京中搜网络技术股份有限公司，
类型：发明
国别省市：北京;11