[发明专利]图像处理方法、可读存储介质及计算机程序产品

说明书

本发明涉及图像处理技术领域，公开一种图像处理方法、可读存储介质及计算机程序产品。所述图像处理方法包括：获取所述待裁切图像的目标尺寸下的多个候选子图的初始美感分数；获取所述待裁切图像的深度信息；根据所述多个候选子图的初始美感分数及所述待裁切图像的深度信息，预测所述多个候选子图的目标美感分数；以及根据所述多个候选子图的目标美感分数，对所述待裁切图像进行裁切。本发明通过综合考虑子图的美感因素与深度信息来实现对图像的裁切，从而极大地增强了图像的裁切效果。

技术领域

本发明涉及图像处理技术领域，具体地涉及一种图像处理方法、可读存储介质及计算机程序产品。

背景技术

在程序化创意及其他智能图文相关领域中，常常需要从原图获得不同长宽比的图片。当原图长宽比和目标长宽比差异较大时，对原图进行尺寸的缩放会带来图片的拉伸，进而影响图片的整体美感，因此，大多数情况下需要对原图进行裁切。

现有的图像自动化裁切方法为基于物体显著性的图像处理方法，其主要根据物体显著性来确定子图的主要区域。然而，有些场景可能会出现没有显著性物体或者显著性物体分散的情形。这些情形使用基于物体显著性的方法都无法有效地进行裁切。

发明内容

本发明的目的是提供一种图像处理方法、可读存储介质及计算机程序产品，其通过综合考虑子图的美感因素与深度信息来实现对图像的裁切，从而极大地增强了图像的裁切效果。

为了实现上述目的，本发明第一方面提供一种图像处理方法，所述图像处理方法包括：获取所述待裁切图像的目标尺寸下的多个候选子图的初始美感分数；获取所述待裁切图像的深度信息；根据所述多个候选子图的初始美感分数及所述待裁切图像的深度信息，预测所述多个候选子图的目标美感分数；以及根据所述多个候选子图的目标美感分数，对所述待裁切图像进行裁切。

优选地，所述获取所述待裁切图像的目标尺寸下的多个候选子图的初始美感分数包括：通过初始分数预测模型获取所述目标尺寸下的多个候选子图的初始美感分数：对所述待裁切图像的特征进行抽取，以获取所述待裁切图像的特征图及所述待裁切图像的特征图与所述待裁切图像之间的映射关系；以及根据所述待裁切图像的特征图及所述映射关系，获取所述目标尺寸下的多个候选子图的初始美感分数，其中，所述目标尺寸包括所述多个候选子图与所述待裁切图像的目标长度比例与目标宽度比例。

优选地，所述获取所述目标尺寸下的多个候选子图的初始美感分数包括：按照第一预设规则对所述待裁切图像的特征图进行预裁切，以获取多个子特征图，其中，所述多个子特征图至少覆盖所述待裁切图像的特征图，以及所述第一预设规则包括：所述多个子特征图与所述待裁切图像的特征图的长度比例与宽度比例分别为目标长度比例与目标宽度比例且所述多个子特征图的位置为多个第一预设位置；获取所述多个子特征图的初始美感分数；以及根据所述映射关系与所述多个子特征图的初始美感分数，获取与所述多个子特征图相对应的所述多个候选子图的初始美感分数。

优选地，所述图像处理方法还包括：通过图像训练样本集对所述初始分数预测模型进行训练的步骤，其中，所述图像训练样本集中的每一者包括：第一图像及按照第二预设规则预裁切的所述第一图像的多个第一样本子图的初始美感分数，其中，所述多个第一子图至少覆盖所述第一图像，以及所述第二预设规则包括所述多个第一子图的位置为多个第二预设位置。

优选地，所述通过图像训练样本集对所述初始分数预测模型进行训练包括：通过从所述图像训练样本集中随机选取的图像训练样本组对所述初始分数预测模型进行训练，以获取所选取的图像训练样本组中的每一者的多个第一子图的初始美感分数，其中，所述图像训练样本组包括预设数目的图像训练样本，所述多个第一子图为按照与所述多个第一子图的位置、长度与宽度一一对应的规则对所述图像训练样本组中的每一者进行预裁切获取的；根据所述多个第一子图的初始美感分数与所述多个第一子图的初始美感分数，对所述初始分数预测模型中的参数进行优化；以及通过从所述图像训练样本集中随机选取的图像训练样本组对优化后的初始分数预测模型进行迭代训练和优化，直至训练过程满足预设停止条件为止。