一种图片自动化分类方法、图片处理方法及其装置制造方法及图纸

本申请实施例公开了一种图片自动化分类方法。该方法包括：接收待分类图片；读取特征库内的特征类目；根据所述特征类目提取所述待分类图片的特征数据；匹配提取的特征数据与所述特征类目对应的预设特征数据，将特征数据可匹配的待分类图片归并为一类。本申请实施例还提供了基于图片分类的图片处理方法，以及图片自动化分类装置和基于图片分类的图片处理装置。本申请实施例提高了图片分类的效率和准确度。

【技术实现步骤摘要】
一种图片自动化分类方法、图片处理方法及其装置
本申请涉及图片处理
，特别涉及一种海量图片自动化分类方法、基于图片分类的图片处理方法，以及各自对应的装置。
技术介绍
随着互联网技术的发展，信息海量增加，网络图片及图片数据也迅猛增长。图片作为一种重要的信息源(载体)，通常需要进行集中存储、处理以及某些个性化应用。但是，这些图片往往来源各异、格式不同，图片形式千差外别。为满足对图片的正常利用，常常需要对这些海量图片进行分类，以便进行差别化管理(处理)。现有技术中的图片分类方式是采用人工判别机制，即通过人工劳动将大量的图片按照预设规则逐一进行类别区分和归并。这种方式虽然简洁、方便，但是，需要浪费大量人力、物力以及经济成本，分类效率较低，尤其面对海量图片时，更是如此。而且，人工判别方式由于不断重复机械劳动，容易疲劳，导致分类不准确，从而无法满足各自实际应用需要。
技术实现思路
有鉴于现有技术存在的问题，本申请实施例提供了一种图片自动化分类方法、基于图片分类的图片处理方法及其相应的装置，以实现图片自动化分类和处理，提高图片分类和处理的效率和准确度。本申请实施例提供的图片自动化分类方法包括:接收待分类图片；读取特征库内的特征类目；根据所述特征类目提取所述待分类图片的特征数据；匹配提取的特征数据与所述特征类目对应的预设特征数据，将特征数据可匹配的待分类图片归并为一类。优选地，所述特征类目包括图片背景、图片前景、图片文字和/或图片人物。进一步优选地，所述特征类目为图片背景和/或图片前景，所述与特征类目对应的预设特征数据包括图片背景的背景颜色数、背景色，和/或，图片前景的前景颜色数、前景区域个数、前景位置区域，则:所述根据特征类目提取所述待分类图片的特征数据包括:将所述待分类图片划分为一个或多个子图；提取各个子图的背景颜色数、背景色，和/或，提取各子图的前景颜色数、前景区域个数、前景区域位置。进一步优选地，提取子图的前景颜色数、前景区域个数、前景区域位置具体包括:统计预设颜色集合内的每种颜色在所述子图范围内的像素点数；按照下式计算每种颜色的显著度值: Ns(ck) = ^ Wi ?dist (ck.Ci) i = l式中:Ci为预设颜色集合内的第i个元素，N为颜色集合的元素个数，Wi为预设颜色集合内的第i种颜色在子图范围内的像素点数，dist(ck.Ci)为颜色集合内两种颜色之间的距离；将子图内每个像素点的颜色显著度值作为该像素点的显著度值；将像素点显著度值之和大于预设阈值的区域识别为前景区域；根据识别的前景区域确定前景颜色数、前景区域的个数、前景区域位置。优选地，所述特征类目为图片文字，所述与特征类目对应的预设特征数据包括文字区域位置、文字区域大小和/或文字内容，则:所述根据特征类目提取所述待分类图片的特征数据包括:对所述待分类图片进行文字区域定位，以确定文字区域位置和/或文字区域大小；和/或，对所述待分类图片进行文字区域定位后进行文字识别，以确定文字区域的文字内容。进一步优选地，对所述待分类图片进行文字区域定位具体包括:通过基于纹理统计法或基于区域分析法进行文字区域定位，和/或，对所述待分类图片进行文字识别具体包括:通过KD树识别法对文字区域内的文字进行识别。优选地，所述特征类目为图片人物，所述与特征类目对应的预设特征数据包括人脸个数、人脸位置和/或人脸肤色，则:所述根据特征类目提取所述待分类图片的特征为提取所述待分类图片的人脸个数、人脸位置和/或人脸肤色。本申请实施例还提供了一种基于图片分类的图片处理方法。该方法包括:接收待分类图片；读取特征库内的特征类目；根据所述特征类目提取所述待分类图片的特征数据；匹配提取的特征数据与所述特征类目对应的预设特征数据，将特征数据可匹配的待分类图片归并为一类；对一个类别的图片按照预设处理规则进行处理。优选地，所述预设处理规则与特征库内的特征类目具有对应关系，则所述对一个类别的图片按照预设处理规则进行处理具体为:对一个类别的图片按照与从特征库中读取的特征类目对应的预设处理规则进行处理。优选地，所述对一个类别的图片按照预设处理规则进行处理具体为:在一个类别的图片的预设位置添加预设信息。本申请实施例还提供了一种图片自动化分类装置。该装置包括:接收单元、读取单元、提取单元、匹配单元和归类单元，其中:所述接收单元，用于接收待分类图片；所述读取单元，用于读取特征库内的特征类目；[0041 ] 所述提取单元，用于根据读取的所述特征类目提取所述待分类图片的特征数据；所述匹配单元，用于匹配提取的图片特征数据与所述特征类目对应的预设特征数据；所述归类单元，用于将特征数据可匹配的待分类图片归并为一类。优选地，所述特征类目为图片背景和/或图片前景，所述与特征类目对应的特征数据包括图片背景的背景颜色数、背景色，和/或，图片前景的前景颜色数、前景区域个数、前景区域位置，则所述提取单元包括:划分子单元和提取子单元，其中:所述划分单元，用于将所述待分类图片划分为一个或多个子图；所述提取子单元，用于根据读取的所述特征类目提取各个子图的背景颜色数、背景色，和/或，提取各子图的前景颜色数、前景区域个数、前景区域位置。进一步优选地，所述提取子单元用于提取子图的前景颜色数、前景区域个数、前景区域位置时，该子单元包括:像素点统计子单元、显著度值计算子单元、前景区域识别子单元和确定子单元，其中:所述像素点统计子单元，用于统计预设颜色集合内的每种颜色在所述子图范围内的像素点数；所述显著度值计算子单元，用于按照下式计算每种颜色的显著度值，并将子图内每个像素点的颜色显著度值作为该像素点的显著度值:本文档来自技高网...

【技术保护点】
一种图片自动化分类方法，其特征在于，该方法包括：接收待分类图片；读取特征库内的特征类目；根据所述特征类目提取所述待分类图片的特征数据；匹配提取的特征数据与所述特征类目对应的预设特征数据，将特征数据可匹配的待分类图片归并为一类。

【技术特征摘要】
1.一种图片自动化分类方法，其特征在于，该方法包括: 接收待分类图片； 读取特征库内的特征类目； 根据所述特征类目提取所述待分类图片的特征数据； 匹配提取的特征数据与所述特征类目对应的预设特征数据，将特征数据可匹配的待分类图片归并为一类。2.根据权利要求1所述的方法，其特征在于，所述特征类目包括图片背景、图片前景、图片文字和/或图片人物。3.根据权利要求2所述的方法，其特征在于，所述特征类目为图片背景和/或图片前景，所述与特征类目对应的预设特征数据包括图片背景的背景颜色数、背景色，和/或，图片前景的前景颜色数、前景区域个数、前景区域位置，则:所述根据特征类目提取所述待分类图片的特征数据包括: 将所述待分类图片划分为一个或多个子图； 提取各个子图的背景颜色数、背景色，和/或，提取各子图的前景颜色数、前景区域个数、前景区域位置。4.根据权利要求3所述的方法，其特征在于，提取子图的前景颜色数、前景区域个数、前景区域位置具体包括: 统计预设颜色集合内的每种颜色在所述子图范围内的像素点数； 按照下式计算每种颜色的显著度值: 5.根据权利要求2所述的方法，其特征在于，所述特征类目为图片文字，所述与特征类目对应的预设特征数据包括文字区域位置、文字区域大小和/或文字内容，则:所述根据特征类目提取所述待分类图片的特征数据包括: 对所述待分类图片进行文字区域定位，以确定文字区域位置和/或文字区域大小；和/或， 对所述待分类图片进行文字区域定位后进行文字识别，以确定文字区域的文字内容。6.根据权利要求5所述的方法，其特征在于，对所述待分类图片进行文字区域定位具体包括:通过基于纹理统计法或基于区域分析法进行文字区域定位，和/或， 对所述待分类图片进行文字识别具体包括:通过KD树识别法对文字区域内的文字进行识别。7.根据权利要求2所述的方法，其特征在于，所述特征类目为图片人物，所述与特征类目对应的预设特征数据包括人脸个数、人脸位置和/或人脸肤色，则:所述根据特征类目提取所述待分类图片的特征数据为提取所述待分类图片的人脸个数、人脸位置和/或人脸肤色。8.一种基于图片分类的图片处理方法，其特征在于，该方法包括: 接收待分类图片； 读取特征库内的特征类目； 根据所述特征类目提取所述待分类图片的特征数据； 匹配提取的特征数据与所述特征类目对应的预设特征数据，将特征数据可匹配的待分类图片归并为一类； 对一个类别的图片按照预设处理规则进行处理。9.根据权利要求8所述的方法，其特征在于，所述预设处理规则与特征库内的特征类目具有对应关系，则所述对一个类别的图片按照预设处理规则进行处理具体为:对一个类别的图片按照与从特征库中读取的特征类目对应的预设处理规则进行处理。10.根据权利要求8所述的方法，其特征在于，所述对一个类别的图片按照预设处理规则进行处理具体为: ...

【专利技术属性】
技术研发人员：贾梦雷，王永攀，郑琪，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：