一种基于美学的图像裁剪方法及装置制造方法及图纸

本申请实施例提供了一种基于美学的图像裁剪方法及装置，属于计算机技术领域。所述方法包括：获取待裁剪图像；根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；通过显著区域提取算法，在所述显著图中确定显著边界框；在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像。采用本发明专利技术，可以提高确定裁剪框的效率。

A Method and Device of Image Cutting Based on Aesthetics

The embodiment of the application provides an image clipping method and device based on aesthetics, which belongs to the field of computer technology. The method includes: acquiring the image to be clipped; calculating the saliency map corresponding to the image to be clipped according to the saliency detection algorithm, in which the saliency map includes the saliency image corresponding to the image to be clipped, the saliency image is a gray image; determining the saliency boundary frame in the saliency map through the saliency region extraction algorithm; and in the image to be clipped, The salient region corresponding to the salient boundary box is determined, in which the salient region is the image region contained by the salient boundary box in the image to be clipped; the aesthetic region boundary box containing the salient region is determined according to the aesthetic region recognition algorithm and the salient region; and the target is obtained by clipping the image to be clipped based on the aesthetic region boundary box. Image. By adopting the present invention, the efficiency of determining the cutting frame can be improved.

【技术实现步骤摘要】
一种基于美学的图像裁剪方法及装置
本申请涉及计算机
，特别是涉及一种基于美学的图像裁剪方法及装置。
技术介绍
图像除了包含语义信息外，还具有美学质量。一张具有高美学质量的图像更能表达图像的语义信息，更受用户的喜欢。然而，随着数码相机和智能手机的普及，网络中的大部分图像均由不具备专业摄影知识的用户拍摄，图像的美学质量低。因此，基于网络中的图像，获取具有高美学质量的图像成为热点研究问题。由于图像构图是影响图像美学质量的重要因素，因此，人们一般通过裁剪图像的方式改变图像构图，进而提高图像的美学质量。常用的图像裁剪方法的处理流程为：1、电子设备根据显著边界框获取算法以及待裁剪图像，获取待裁剪图像的显著边界框、以及显著边界框对应的坐标信息。2、电子设备以该显著边界框为基准，根据显著边界框的坐标信息以及预设的坐标间隔阈值，依次生成包含显著边界框的多个候选裁剪框、以及每个候选裁剪框对应的候选裁剪区域；然后，电子设备通过美学质量分类网络，得到每个候选裁剪区域的分类结果，分类结果是取值范围在0到1之间的概率值，再确定最大概率值；之后，电子设备将最大概率值对应的候选裁剪框作为裁剪框，裁剪框对应的图像区域为美学区域；3、电子设备基于裁剪框，对待裁剪图像进行裁剪，得到美学质量高的图像。其中，电子设备包括服务器与终端，美学区域是图像中具有高美学质量的区域。然而，该图像裁剪方法需要生成数以千计的候选裁剪框，并逐一确定每个候选裁剪框对应的概率值，因此，对于单个待裁剪图像，确定裁剪框所需的时间长，确定裁剪框的效率低。
技术实现思路
本申请实施例的目的在于提供一种基于美学的图像裁剪方法及装置，以提高确定裁剪框的效率。具体技术方案如下：第一方面，提供了一种基于美学的图像裁剪方法，所述方法包括：获取待裁剪图像；根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；通过显著区域提取算法，在所述显著图中确定显著边界框；在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像。可选的，所述根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框，包括：获取所述显著区域对应的第一坐标信息，其中，所述第一坐标信息包括在预设的待裁剪图像坐标系中，所述显著边界框两个不相邻端点对应的像素点的坐标；根据所述显著区域和美学区域识别算法，确定偏移比例向量，其中，所述偏移比例向量由所述显著区域上、下、左和右四个方向的坐标偏移量占美学区域边界框对应边长的百分比构成；根据所述偏移比例向量和所述第一坐标信息，确定第二坐标信息，将所述第二坐标信息构成的边界框，作为美学区域边界框。可选的，所述方法还包括：获取预先存储的第一图像样本集，所述第一训练图像集包括多个第一图像样本，以及每个第一图像样本对应的显著图样本；根据预设的第一初始神经网络、各所述第一图像样本、以及各所述第一图像样本对应的显著图样本，确定第一目标参数，其中，所述第一目标参数为所述第一初始神经网络包含的参数；根据所述第一目标参数，确定所述显著性检测算法。可选的，所述方法还包括：获取预先存储的第二图像样本集，所述第二图像样本集包括多个第二图像样本，以及每个第二图像样本对应的显著区域样本、偏移比例向量样本；基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法。可选的，所述基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法，包括：针对所述第二图像样本集，获取各所述第二图像样本对应的所述显著区域样本、以及所述偏移比例向量样本；根据各所述第二图像样本的所述显著区域样本、所述偏移比例向量样本、以及预设的第二初始神经网络，确定第二目标参数，其中，所述第二目标参数为所述第二初始算法包含的参数；根据所述第二目标参数和所述第二初始神经网络，确定所述美学区域识别算法。第二方面，提供了一种基于美学的图像裁剪装置，所述装置包括：第一获取模块，用于获取待裁剪图像；计算模块，用于根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；第一确定模块，用于通过显著区域提取算法，在所述显著图中确定显著边界框；第二确定模块，用于在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；第三确定模块，用于根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；裁剪模块，用于基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像。可选的，所述第三确定模块包括：获取子模块，用于获取所述显著区域对应的第一坐标信息，其中，所述第一坐标信息包括在预设的待裁剪图像坐标系中，所述显著边界框两个不相邻端点对应的像素点的坐标；第一确定子模块，用于根据所述显著区域和美学区域识别算法，确定偏移比例向量，其中，所述偏移比例向量由所述显著区域上、下、左和右四个方向的坐标偏移量占美学区域边界框对应边长的百分比构成；第二确定子模块，用于根据所述偏移比例向量和所述第一坐标信息，确定第二坐标信息，将所述第二坐标信息构成的边界框，作为美学区域边界框。可选的，所述装置还包括：第二获取模块，用于获取预先存储的第二图像样本集，所述第二图像样本集包括多个第二图像样本，以及每个第二图像样本对应的显著区域样本、偏移比例向量样本；第四确定模块，用于基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法。第三方面，提供了一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：实现第一方面所述的方法步骤。第四方面，提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器：实现第一方面所述的方法步骤。本专利技术实施例提供的一种基于美学的图像裁剪方法及装置，首先根据待裁剪图像和预先存储的显著性检测算法，获取待裁剪图像的显著图；再根据显著图和预先存储的显著区域提取算法，获取显著边界框；并根据显著边界框和待裁剪图像，确定显著区域。然后，根据显著区域和预先存储的美学区域识别算法，确定美学区域。之后，根据美学区域，对待裁剪图像进行裁剪，得到高美学质量图像。对于单个待裁剪图像，由于采用了美学区域识别算法确定显著区域对应的美学区域，能够提高确定裁剪框的效率。当然，实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于美学的图像裁剪方法的本文档来自技高网...

【技术保护点】
1.一种基于美学的图像裁剪方法，其特征在于，所述方法包括：获取待裁剪图像；根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；通过显著区域提取算法，在所述显著图中确定显著边界框；在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像。

【技术特征摘要】
1.一种基于美学的图像裁剪方法，其特征在于，所述方法包括：获取待裁剪图像；根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；通过显著区域提取算法，在所述显著图中确定显著边界框；在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框，包括：获取所述显著区域对应的第一坐标信息，其中，所述第一坐标信息包括在预设的待裁剪图像坐标系中，所述显著边界框两个不相邻端点对应的像素点的坐标；根据所述显著区域和美学区域识别算法，确定偏移比例向量，其中，所述偏移比例向量由所述显著区域上、下、左和右四个方向的坐标偏移量占美学区域边界框对应边长的百分比构成；根据所述偏移比例向量和所述第一坐标信息，确定第二坐标信息，将所述第二坐标信息构成的边界框，作为美学区域边界框。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取预先存储的第一图像样本集，所述第一训练图像集包括多个第一图像样本，以及每个第一图像样本对应的显著图样本；根据预设的第一初始神经网络、各所述第一图像样本、以及各所述第一图像样本对应的显著图样本，确定第一目标参数，其中，所述第一目标参数为所述第一初始神经网络包含的参数；根据所述第一目标参数，确定所述显著性检测算法。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取预先存储的第二图像样本集，所述第二图像样本集包括多个第二图像样本，以及每个第二图像样本对应的显著区域样本、偏移比例向量样本；基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法。5.根据权利要求4所述的方法，其特征在于，所述基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法，包括：针对所述第二图像样本集，获取各所述第二图像样本对应的所述显著区域样本、以及所述偏移比例向量样本；根据各所述第二图像样本的所述显著区域样本、所述偏移比例向...

【专利技术属性】
技术研发人员：鲁鹏，张昊，彭响，刘咏彬，王小捷，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11