一种天空图像的识别及优化方法技术

本发明专利技术公开了一种天空图像的识别及优化方法，其通过对原始图像进行天空识别并判断是否识别到天空，如果识别到天空，则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择，并将增加滤镜后的图像保存为结果图像，通过对天空区域添加滤镜效果从而使整体图像更美观及多样化，适用于拍摄过程或拍摄后的图像处理，能够对天空区域实现快速准确的识别并有针对性的进行优化，且操作简单，用户体验效果更好。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，其通过对原始图像进行天空识别并判断是否识别到天空，如果识别到天空，则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择，并将增加滤镜后的图像保存为结果图像，通过对天空区域添加滤镜效果从而使整体图像更美观及多样化，适用于拍摄过程或拍摄后的图像处理，能够对天空区域实现快速准确的识别并有针对性的进行优化，且操作简单，用户体验效果更好。【专利说明】—种天空图像的识别及优化方法
本专利技术涉及一种图像处理方法，特别是。
技术介绍
随着雾霾天气不断增加，要拍摄好看的天空对我们来说成为困难，虽然说可以通过图像处理软件来为照片手动添加一些云彩因素或进行颜色增强等操作，且又要保证图像不会失真，这对于普通用户来说是很困难的一件事。
技术实现思路
本专利技术为解决上述问题，提供了，其能够自动识别天空并进行优化处理，操作简单且图像的整体效果更好。为实现上述目的，本专利技术采用的技术方案为:，其特征在于，包括以下步骤:10.接收原始图像；20.对原始图像进行天空识别；30.判断是否识别到天空，如果未识别到天空则结束；如果识别到天空，则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择；40.选择所需滤镜并将增加滤镜后的图像保存为结果图像。优选的，所述的步骤20中进行天空识别，主要是通过深度学习模糊卷积神经网络的方法判断图像中有天空的概率，当概率大于50%时，则设定图像中识别到天空。优选的，所述的步骤20中进行天空识别，主要是将图像分为N行M列，总共N*M块，然后在每块中随机获取数据进行模糊卷积神经网络的深度学习，获取每一块是天空的概率，然后累加每一行的概率，得到行概率和，再除以M得到每行的平均概率，从上往下判断每一行的平均概率是否大于50%，如果小于的话，则终止，即该行以上部分识别为天空区域。优选的，所述的步骤30中的滤镜主要是系统根据天空区域而专门设计的各种风格的滤镜供用户进行选择与预览。优选的，所述的步骤40中选择所需滤镜后，根据该滤镜的处理算法对原始图像进行处理得到效果图像进行预览，当用户确定时，则保存该效果图像作为结果图像。优选的，所述的步骤40中增加滤镜主要是应用预先设置的素材，并将素材的宽缩放至与原始图像一致，将素材的高保持原有的比例，接着将原始图像作为底层图，将缩放后的素材与原始图像进行正片叠底模式或者滤色模式或者叠加模式的混合模式进行滤镜处理。本专利技术的有益效果是:本专利技术的，其通过对原始图像进行天空识别并判断是否识别到天空，如果识别到天空，则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择，并将增加滤镜后的图像保存为结果图像，通过对天空区域添加滤镜效果从而使整体图像更美观及多样化，适用于拍摄过程或拍摄后的图像处理，能够对天空区域实现快速准确的识别并有针对性的进行优化，且操作简单，用户体验效果更好。【专利附图】【附图说明】此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中:图1为本专利技术的流程简图；图2为本专利技术一具有天空区域的原始图像；图3为本专利技术一实施例的滤镜素材； 图4为图2原始图像添加图3的滤镜素材后的效果图；图5为本专利技术另一实施例的滤镜素材；图6为图2原始图像添加图5的滤镜素材后的效果图。【具体实施方式】为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术的，其包括以下步骤:10.接收原始图像；该原始图像可以是拍摄过程中的预览图像，或者拍摄完成后的存档图像，或者视频中截取的图像帧；20.对原始图像进行天空识别；30.判断是否识别到天空，如果未识别到天空则结束；如果识别到天空，则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择；40.选择所需滤镜并将增加滤镜后的图像保存为结果图像。本实施例中，所述的步骤20中进行天空识别，主要是通过深度学习模糊卷积神经网络的方法判断图像中有天空的概率，当概率大于50%时，则设定图像中识别到天空。所述的卷积神经网络(ConvolutionalNeural Networks,简称CNN),是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法，它具有结构简单、训练参数少和适应性强等特点，其通过直接作用于输入样本，用样本来训练网络并最终实现检测任务的，可以省去传统方法中建模、参数估计以及参数检验、重建模型等的一系列复杂过程；例如，通过收集各种不同类型的样本，并进行归一化和预处理步骤，减小图像噪声的影响和消除图像亮度及对比度的差异，提高数据的针对性和鲁棒性，得到统计的方法进行学习处理样本的最基本的特征向量，然后使用这些特征向量训练网络。具体的，所述的步骤20中进行天空识别，主要是将图像分为N行M列，总共N*M块，然后在每块中随机获取数据进行模糊卷积神经网络的深度学习，获取每一块是天空的概率，然后累加每一行的概率，得到行概率和，再除以M得到每行的平均概率，从上往下判断每一行的平均概率是否大于50%，如果小于的话，则终止，即该行以上部分识别为天空区域；并且，将该行的参数除于N即得到天空区域占整体图像的百分比，也就是天空在图像的最大区域；如果原始图像不是天空在上方的，可在接收原始图像之前或在进行天空识别之前将原始图像进行旋转。所述的步骤30中的滤镜主要是系统根据天空区域而专门设计的各种风格的滤镜供用户进行选择与预览，如图3和图5所示；所述的步骤40中选择所需滤镜后，根据该滤镜的处理算法对原始图像进行处理得到效果图像进行预览，当用户确定时，则保存该效果图像作为结果图像。本实施例中，所述的步骤40中增加滤镜主要是应用预先设置的素材，并将素材的宽缩放至与原始图像一致，将素材的高保持原有的比例，接着将原始图像作为底层图，将缩放后的素材与原始图像进行正片叠底模式或者滤色模式或者叠加模式的混合模式进行滤镜处理。其中，正片叠底模式:考察每个通道里的颜色信息，并对底层颜色进行正片叠加处理。该混合模式产生的颜色总是比原来的暗；例如和黑色发生正片叠底的话，产生的就只有黑色；而与白色混合就不会对原来的颜色产生任何影响。其公式为:结果色=素材色*底层颜色/ 255。滤色模式:按照色彩混合原理中的“增色模式”混合。也就是说，对于滤色模式，颜色具有相加效应。比如，当红色、绿色与蓝色都是最大值255的时候，以Screen模式混合就会得到RGB值为(255，255，255)的白色。而相反的，黑色意味着为O。所以，与黑色以该种模式混合没有任何效果，而与白色混合则得到RGB颜色最大值白色(RGB值为255，255，255)。叠加模式:像素是进行正片叠底模式还是滤色模式，取决于底层颜色。颜色会被混合，但底层颜色的高光与阴影部分的亮度细节就会被保留。本专利技术的，其通过在原始图像的天空区域添加滤镜效果，从而使整体图像更美观及多样化，适用于拍摄过程或拍摄后的图像处理，特别是针对目前日益严重的雾霾天气或者需要为天空增加海市蜃楼，本专利技术能够对天空区域实现快速准确的识别并有针对性的进行优化，如图2至图6所示，添加具有魔幻色彩的天空滤镜，使用本文档来自技高网...

【技术保护点】
一种天空图像的识别及优化方法，其特征在于，包括以下步骤：10.接收原始图像；20.对原始图像进行天空识别；30.判断是否识别到天空，如果未识别到天空则结束；如果识别到天空，则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择；40.选择所需滤镜并将增加滤镜后的图像保存为结果图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：张伟，傅松林，李志阳，王喆，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建;35