[发明专利]一种自动判断景物类型进行图像滤镜处理的方法

说明书

本发明提供了一种自动判断景物类型进行图像滤镜处理的方法，基于神经网络实现根据不同景物加载不同的滤镜，训练一个神经网络模型，此模型可实时/后期识别八大不同的景物:如风景、室内、人像(化妆)、人物(全身集体)、美肤、食物，基于神经网络反馈回的景物在每个景物预设的滤镜中选择一个进行渲染，能达到更针对性的景物滤镜渲染效果。

技术领域

本发明涉及数字图像滤镜渲染技术，具体是一种自动判断景物类型进行图像滤镜处理的方法。

背景技术

在数字图像滤镜渲染的整体技术中，针对景物选择针对性的滤镜显得至关重要。一来拍摄的景物分很多类，若是将人像的磨皮滤镜用于食物，不仅达不到美化食物的效果，还会将食物原来的色彩过滤掉；二来若是预设滤镜只能针对一种景物，不能根据不同景物进行针对性的渲染，难以满足用户的需求。

市场上的相机应用中大都具备了很多滤镜，如针对人像化妆、人像美颜、食物、风景的滤镜很多，有的相机也因其所具备的滤镜非常受大众欢迎。

但至今为止暂未有一款应用既能美化人物，又能美化食物，可以针对特定场景切换滤镜的应用，都是比较单一的相机应用，例如针对人像美颜有很多款滤镜，但是当用户后置摄像头进行风景拍摄时，系统不能识别到此景物是风景，仍然采用美颜的滤镜进行渲染，达不到美化风景的效果。因此大多数用户为了满足自己多景物拍摄的需求，手机里面平均都装有2-3款相机应用，而且使用时需要多个应用进行切换，操作繁琐。

发明内容

本发明旨在提供一种自动判断景物类型进行图像滤镜处理的方法，使得拍摄时对不同的景物能更有针对行地进行滤镜渲染，美化效果更佳。

一种自动判断景物类型进行图像滤镜处理的方法，包括以下步骤：

1)、将自然摄影或者实时影像分为若干类别；

2)、利用深度学习中的神经网络对上述类别进行训练；

3)、当实时影像或者图片输入时，通过模型进行分类判断，其中每一个类别的输出概率为0～1.0之间，选取概率最大的一种类别为实时影像或者图片进行分类；

4)、根据分类自动加载该分类的预设滤镜对图像或者视频帧进行滤镜处理；

5)、输出经过4)步骤处理后的图像或者视频帧。

本发明利用神经网络分类方法可以有效的将输入的影像或者图像进行分类，进而根据不同的物品加载更加合适的处理滤镜，主要的优点有：

1、将自然界的物品划分为八大类，每一种类均具有通用性和列别之间具有较大的区别，有利于提高神经网络的分类准确度。

2、自动加载滤镜有利于优化每一种物品影像的美化效果，如食物的处理方法和风景的处理方案通常是不一样的，通过识别出种类，加载不同的处理滤镜，可以使得该类别的影像更加唯美、逼真和自然。

3、本发明简单易容，应用广泛，不但可以应用到各种图像处理的软件中，也可以在时下的数码拍摄产品中应用，并且运行效率十分高，实用性也十分的可取。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。