图像智能剪裁方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种图像智能剪裁方法、系统、设备及存储介质，该方法包括：将待剪裁的图像输入训练好的显著性识别模型，得到各个像素点的显著性概率，形成待剪裁的图像的显著性热力图；对显著性热力图进行二值化处理，得到显著性区域图；在显著性区域图中寻找连通域，确定连通域的包围边框，从连通域的包围边框中选择剪裁框；根据剪裁框对图像进行剪裁。采用本发明专利技术，可以增强剪裁效果的客观性，大幅提升智能剪裁的效率；本发明专利技术可以应用于旅游产品相关页面的图片展示，比如产品头图、游记头图等有图片展示尺寸限制的前端页面。

Intelligent image clipping methods, systems, devices and storage media

【技术实现步骤摘要】
图像智能剪裁方法、系统、设备及存储介质
本专利技术涉及图像据处理
，尤其涉及一种图像智能剪裁方法、系统、设备及存储介质。
技术介绍
图像自动剪裁是指通过计算机模拟人眼的视觉机制，建立一套完整的图像自动剪裁系统，从而准确快速地检测出图像中人眼注视区域，剪裁出最重要的部分。由于旅游场景图像内容的多样性、场景的复杂性，使得检测出的图像显著性区域与实际的人眼注视区域有一定的差距。现有技术中的剪裁需要基于中心检测重要部分，可能存在中心偏见的问题，影响图像剪裁效果。
技术实现思路
针对现有技术中的问题，本专利技术的目的在于提供一种图像智能剪裁方法、系统、设备及存储介质，减少手动剪裁的人工成本，增强剪裁效果的客观性，大幅提升智能剪裁的效率。本专利技术实施例提供一种图像智能剪裁方法，所述方法包括如下步骤：将待剪裁的图像输入训练好的显著性识别模型，得到各个像素点的显著性概率，形成所述待剪裁的图像的显著性热力图；对所述显著性热力图进行二值化处理，得到显著性区域图；在所述显著性区域图中寻找连通域，确定所述连通域的包围边框，从所述连通域的包围边框中选择剪裁框；根据所述剪裁框对所述图像进行剪裁。可选地，所述本文档来自技高网...

【技术保护点】
1.一种图像智能剪裁方法，其特征在于，包括如下步骤：将待剪裁的图像输入训练好的显著性识别模型，得到各个像素点的显著性概率，形成所述待剪裁的图像的显著性热力图；对所述显著性热力图进行二值化处理，得到显著性区域图；在所述显著性区域图中寻找连通域，确定所述连通域的包围边框，从所述连通域的包围边框中选择剪裁框；根据所述剪裁框对所述图像进行剪裁。

【技术特征摘要】
1.一种图像智能剪裁方法，其特征在于，包括如下步骤：将待剪裁的图像输入训练好的显著性识别模型，得到各个像素点的显著性概率，形成所述待剪裁的图像的显著性热力图；对所述显著性热力图进行二值化处理，得到显著性区域图；在所述显著性区域图中寻找连通域，确定所述连通域的包围边框，从所述连通域的包围边框中选择剪裁框；根据所述剪裁框对所述图像进行剪裁。2.根据权利要求1所述的图像智能剪裁方法，其特征在于，所述将待剪裁的图像输入训练好的显著性识别模型之前，还包括将待剪裁的图像缩放至预设尺寸的步骤；所述在所述显著性区域图中寻找连通域之前，还包括将所述显著性区域图缩放至原始图像尺寸的步骤。3.根据权利要求1所述的图像智能剪裁方法，其特征在于，所述显著性识别模型的输入包括所述待剪裁的图像中各个像素点的像素值矩阵，所述显著性识别模型的输出包括所述待剪裁的图像中各个像素点的显著性概率值矩阵。4.根据权利要求3所述的图像智能剪裁方法，其特征在于，所述方法还包括训练所述显著性识别模型的步骤，所述训练所述显著性识别模型，包括如下步骤：选择训练图像，为所述训练图像进行显著性标记，得到表征各个所述训练图像中每个像素点是否显著的显著性矩阵；采用所述训练图像和所述显著性矩阵迭代训练显著性识别模型，训练至所述显著性识别模型的损失值达到预设要求。5.根据权利要求4所述的图像智能剪裁方法，其特征在于，所述显著性识别模型为卷积神经网络模型，所述显著性识别模型包括编码器和解码器，所述编码器包括多个残差块，所述解码器包括多个反卷积模块。6.根据权利要求1所述的图像智能剪裁方法，其特征在于，所述对所述显著性热力图进行二值化处理，得到显著性区域图之后，还包括如下步骤：对所述显著性区域图进行一次腐蚀迭代，所述腐蚀迭代包括扫描所述显著性区域图中每一个像素，采用二维矩阵结构且元素都是1的结构元素与该结构元素覆盖的...

【专利技术属性】
技术研发人员：路婵，
申请(专利权)人：上海携程国际旅行社有限公司，
类型：发明
国别省市：上海,31