图像裁剪方法及装置制造方法及图纸

本公开揭示了一种图像裁剪方法及装置，属于图像处理领域。所述图像裁剪方法包括：建立图像的人脸显著性模型，所述人脸显著性模型用于表征所述图像中各个人脸叠加后对所述图像中各个像素点的显著性值的影响；将预先建立的颜色显著性模型以及所述人脸显著性模型进行线性叠加，得到目标显著性模型；利用所述目标显著性模型对所述图像进行裁剪。通过结合颜色显著性模型和人脸显著性模型对图像准确裁剪；解决了相关技术中在基于图像颜色显著性分析的图像裁剪中，仅考虑到图像中的颜色信息，容易造成对包含其他重要特征的图像的误裁剪的问题；达到了可以在对图像进行裁剪时对其中的人脸也进行有效裁剪的效果。

Image clipping method and apparatus

The invention discloses an image clipping method and a device, belonging to the field of image processing. Including the image clipping method: a face image saliency model, the model is used to face significant significant influence on each pixel of the image in the image of each value to represent the face of the superimposed; will be pre established color saliency model is significant and the face model of linear superposition and get the target saliency model; target saliency model to cut the image using the. By combining the color saliency model and face saliency model for accurate image clipping; to solve the related technology based on image analysis of cutting image color saliency, only considering the information of the color image, easy mistake to cut the image contains other important features of the problem; it can reach up to cut in when the image of the face is effectively cutting effect.

【技术实现步骤摘要】
图像裁剪方法及装置
本公开涉及图像处理领域，特别涉及一种图像裁剪方法及装置。
技术介绍
图像中通常会包含一些冗余信息，这些冗余信息会占用一部分容量，因此为了减少图像中冗余信息的容量占用，通常需要对图像进行裁剪。在相关的对图像进行裁剪的过程中，首先，建立原图像的颜色显著性模型，根据该颜色显著性模型确定原图像中各个元素的颜色显著性度量值，根据原图像中各个元素的颜色显著性度量值，得到原图像的颜色显著性图；然后，利用指定矩形框框定颜色显著性图，选取显著性成分最多的框定区域；最后，对原图像进行裁剪以裁剪出该框定区域。专利技术人在实现本公开的过程中，发现相关技术至少存在如下缺陷：在基于图像颜色显著性分析的图像裁剪中，仅考虑到图像中的颜色信息，容易造成对包含有其他重要特征的图像的误裁剪，其他重要特征可以为人脸、指定物体等。
技术实现思路
为了解决相关技术中在基于图像颜色显著性分析的图像裁剪中，仅考虑到图像中的颜色信息，容易造成对包含其他重要特征的图像的误裁剪的问题，本公开提供一种图像裁剪方法及装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种图像裁剪方法，包括：建立图像的人脸显著性模型，所述人脸显著性模型用于表征所述图像中各个人脸叠加后对所述图像中各个像素点的显著性值的影响；将预先建立的颜色显著性模型以及所述人脸显著性模型进行线性叠加，得到目标显著性模型；利用所述目标显著性模型对所述图像进行裁剪。可选的，所述人脸显著性模型为：其中，为所述图像中第i个像素点的显著性值，为所述图像中第p个人脸最小外接矩形的宽度，为所述图像中第p个人脸最小外接矩形的长度，为所述图像中第p个人脸所对应的人脸区域的中心点的位置，可选的，所述将预先建立的颜色显著性模型以及所述人脸显著性模型线性叠加，得到目标显著性模型，包括：将所述颜色显著性模型与第一权值相乘，得到第一乘积；将所述人脸显著性模型与第二权值相乘，得到第二乘积；将所述第一乘积与所述第二乘积相加，得到所述目标显著性模型；其中，所述第一权值与所述第二权值的和为1。可选的，所述利用所述目标显著性模型对所述图像进行裁剪，包括：利用预定的裁剪框对所述图像进行框定，获取至少一个框定区域；利用所述目标显著性模型，计算各个框定区域的总显著性值；选定总显著性值最大的框定区域；裁剪出选定的所述框定区域。可选的，所述利用所述目标显著性模型，计算各个框定区域的总显著性值，包括：对于每个框定区域，利用所述目标显著性模型计算所述框定区域中各个像素点的显著性值；将所述框定区域中各个像素点所对应的显著性值相加，得到所述框定区域的总显著性值。可选的，还包括：检测所述图像中是否存在人脸；若检测结果为所述图像中存在人脸，则执行所述建立图像的人脸显著性模型的步骤。根据本公开实施例的第二方面，提供一种图像裁剪装置，包括：可选的，所述人脸显著性模型为：其中，为所述图像中第i个像素点的显著性值，为所述图像中第p个人脸最小外接矩形的宽度，为所述图像中第p个人脸最小外接矩形的长度，为所述图像中第p个人脸所对应的人脸区域的中心点的位置，可选的，所述叠加模块，包括：第一相乘单元，用于将所述颜色显著性模型与第一权值相乘，得到第一乘积；第二相乘单元，用于将所述人脸显著性模型与第二权值相乘，得到第二乘积；相加单元，用于将所述第一相乘单元得到的第一乘积与所述第二相乘单元得到的第二乘积相加，得到所述目标显著性模型；其中，所述第一权值与所述第二权值的和为1。可选的，所述裁剪模块，包括：框定单元，用于利用预定的裁剪框对所述图像进行框定，获取至少一个框定区域；计算单元，用于利用所述叠加模块得到的目标显著性模型，计算各个框定区域的总显著性值；选定单元，用于选定总显著性值最大的框定区域；裁剪单元，用于裁剪出选定的所述框定区域。可选的，所述计算单元，包括：计算子单元，用于对于每个框定区域，利用所述目标显著性模型计算所述框定区域中各个像素点的显著性值；相加子单元，用于将所述框定区域中各个像素点所对应的显著性值相加，得到所述框定区域的总显著性值。可选的，还包括：检测模块，用于检测所述图像中是否存在人脸；所述建立模块，还用于在所述检测模块的检测结果为所述图像中存在人脸时，建立图像的人脸显著性模型。根据本公开实施例的第三方面，提供一种图像裁剪装置，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：建立图像的人脸显著性模型，所述人脸显著性模型用于表征所述图像中各个人脸叠加后对所述图像中各个像素点的显著性值的影响；将预先建立的颜色显著性模型以及所述人脸显著性模型进行线性叠加，得到目标显著性模型；利用所述目标显著性模型对所述图像进行裁剪。本公开的实施例提供的技术方案可以包括以下有益效果：通过结合颜色显著性模型和人脸显著性模型对图像准确裁剪；由于在对图像进行裁剪时考虑到了人脸对图像中像素点的影响，因此在包含有人脸的图像时，在裁剪出图像中突出物体的同时也包含有比较重要的人脸信息，解决了相关技术中在基于图像颜色显著性分析的图像裁剪中，仅考虑到图像中的颜色信息，容易造成对包含其他重要特征的图像的误裁剪的问题；达到了可以在对图像进行裁剪时对其中的人脸也进行有效裁剪的效果。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的，并不能限制本公开。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，示出了符合本专利技术的实施例，并于说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种图像裁剪方法的流程图；图2A是根据另一示例性实施例示出的一种图像裁剪方法的流程图；图2B是根据一示例性实施例示出的一种包含有人脸图像的示意图；图2C是根据一示例性实施例示出的一种利用矩形框对图像进行框定的示意图；图2D是根据一示例性实施例示出的一种利用矩形框对图像进行多次框定的示意图；图2E是根据一示例性实施例示出的一种对包含有人脸图像进行裁剪的示意图；图3A是根据再一示例性实施例示出的一种图像裁剪方法的流程图；图3B是根据一示例性实施例示出的一种对不包含有人脸图像进行裁剪的示意图；图4是根据一示例性实施例示出的一种图像裁剪装置的框图；图5是根据另一示例性实施例示出的一种图像裁剪装置的框图；图6是根据再一示例性实施例示出的一种图像裁剪装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术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、本专利技术的一些方面相一致的装置和方法的例子。文中所讲的“电子设备”可以是智能手机、平板电脑、智能电视、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。图1是根据一示例性实施例示出的一种图像裁剪方法的流程图，如图1所示，该图像裁剪方法应用于电子设备中，包括以下步骤。在步骤101中，建立图像的人脸显著性模型，本文档来自技高网...

【技术保护点】
一种图像裁剪方法，其特征在于，包括：建立图像的人脸显著性模型，所述人脸显著性模型用于表征所述图像中各个人脸叠加后对所述图像中各个像素点的显著性值的影响；将预先建立的颜色显著性模型以及所述人脸显著性模型进行线性叠加，得到目标显著性模型；利用所述目标显著性模型对所述图像进行裁剪；其中，所述将预先建立的颜色显著性模型以及所述人脸显著性模型线性叠加，得到目标显著性模型，包括：将所述颜色显著性模型与第一权值相乘，得到第一乘积；将所述人脸显著性模型与第二权值相乘，得到第二乘积；将所述第一乘积与所述第二乘积相加，得到所述目标显著性模型；其中，所述第一权值与所述第二权值的和为1。

【技术特征摘要】
1.一种图像裁剪方法，其特征在于，包括：建立图像的人脸显著性模型，所述人脸显著性模型用于表征所述图像中各个人脸叠加后对所述图像中各个像素点的显著性值的影响；将预先建立的颜色显著性模型以及所述人脸显著性模型进行线性叠加，得到目标显著性模型；利用所述目标显著性模型对所述图像进行裁剪；其中，所述将预先建立的颜色显著性模型以及所述人脸显著性模型线性叠加，得到目标显著性模型，包括：将所述颜色显著性模型与第一权值相乘，得到第一乘积；将所述人脸显著性模型与第二权值相乘，得到第二乘积；将所述第一乘积与所述第二乘积相加，得到所述目标显著性模型；其中，所述第一权值与所述第二权值的和为1。2.根据权利要求1所述的方法，其特征在于，所述人脸显著性模型为：其中，为所述图像中第i个像素点的显著性值，为所述图像中第p个人脸最小外接矩形的宽度，为所述图像中第p个人脸最小外接矩形的长度，为所述图像中第p个人脸所对应的人脸区域的中心点的位置，3.根据权利要求1所述的方法，其特征在于，所述利用所述目标显著性模型对所述图像进行裁剪，包括：利用预定的裁剪框对所述图像进行框定，获取至少一个框定区域；利用所述目标显著性模型，计算各个框定区域的总显著性值；选定总显著性值最大的框定区域；裁剪出选定的所述框定区域。4.根据权利要求3所述的方法，其特征在于，所述利用所述目标显著性模型，计算各个框定区域的总显著性值，包括：对于每个框定区域，利用所述目标显著性模型计算所述框定区域中各个像素点的显著性值；将所述框定区域中各个像素点所对应的显著性值相加，得到所述框定区域的总显著性值。5.根据权利要求1至4中任一所述的方法，其特征在于，还包括：检测所述图像中是否存在人脸；若检测结果为所述图像中存在人脸，则执行所述建立图像的人脸显著性模型的步骤。6.一种图像裁剪装置，其特征在于，包括：建立模块，用于建立图像的人脸显著性模型，所述人脸显著性模型用于表征所述图像中各个人脸叠加后对所述图像中各个像素点的显著性值的影响；叠加模块，用于将预先建立的颜色显著性模型以及建立模块建立的人脸显著性模型进行线性叠加，得到目标显著性模型；裁剪模块，用于利用叠加模块得到的目标显著性模型对所述图像进行裁剪；其中，所述叠加模块，包括：第一相乘单元，用于将所述颜...

【专利技术属性】
技术研发人员：王琳，秦秋平，陈志军，
申请(专利权)人：小米科技有限责任公司，
类型：发明
国别省市：北京,11