首页 / 专利库 / 人工智能 / 机器学习 / 深度学习 / 一种天空图像的识别及优化方法

一种天空图像的识别及优化方法

阅读:151发布:2023-11-25

专利汇可以提供一种天空图像的识别及优化方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种天空图像的识别及优化方法,其通过对原始图像进行天空识别并判断是否识别到天空,如果识别到天空,则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择,并将增加滤镜后的图像保存为结果图像,通过对天空区域添加滤镜效果从而使整体图像更美观及多样化,适用于拍摄过程或拍摄后的 图像处理 ,能够对天空区域实现快速准确的识别并有针对性的进行优化,且操作简单,用户体验效果更好。,下面是一种天空图像的识别及优化方法专利的具体信息内容。

1.一种天空图像的识别及优化方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行天空识别;
30.判断是否识别到天空,如果未识别到天空则结束;如果识别到天空,则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择;
40.选择所需滤镜并将增加滤镜后的图像保存为结果图像。
2.根据权利要求1所述的一种天空图像的识别及优化方法,其特征在于:所述的步骤
20中进行天空识别,主要是通过深度学习模糊卷积神经网络的方法判断图像中有天空的概率,当概率大于50%时,则设定图像中识别到天空。
3.根据权利要求1或2所述的一种天空图像的识别及优化方法,其特征在于:所述的步骤20中进行天空识别,主要是将图像分为N行M列,总共N*M,然后在每块中随机获取数据进行模糊卷积神经网络的深度学习,获取每一块是天空的概率,然后累加每一行的概率,得到行概率和,再除以M得到每行的平均概率,从上往下判断每一行的平均概率是否大于50%,如果小于的话,则终止,即该行以上部分识别为天空区域。
4.根据权利要求3所述的一种天空图像的识别及优化方法,其特征在于:所述的步骤
30中的滤镜主要是系统根据天空区域而专设计的各种格的滤镜供用户进行选择与预览。
5.根据权利要求1所述的一种天空图像的识别及优化方法,其特征在于:所述的步骤
40中选择所需滤镜后,根据该滤镜的处理算法对原始图像进行处理得到效果图像进行预览,当用户确定时,则保存该效果图像作为结果图像。
6.根据权利要求1或5所述的一种天空图像的识别及优化方法,其特征在于:所述的步骤40中增加滤镜主要是应用预先设置的素材,并将素材的宽缩放至与原始图像一致,将素材的高保持原有的比例,接着将原始图像作为底层图,将缩放后的素材与原始图像进行正片叠底模式或者滤色模式或者叠加模式的混合模式进行滤镜处理。

说明书全文

一种天空图像的识别及优化方法

技术领域

[0001] 本发明涉及一种图像处理方法,特别是一种天空图像的识别及优化方法。

背景技术

[0002] 随着雾霾天气不断增加,要拍摄好看的天空对我们来说成为困难,虽然说可以通过图像处理软件来为照片手动添加一些彩因素或进行颜色增强等操作,且又要保证图像不会失真,这对于普通用户来说是很困难的一件事。

发明内容

[0003] 本发明为解决上述问题,提供了一种天空图像的识别及优化方法,其能够自动识别天空并进行优化处理,操作简单且图像的整体效果更好。
[0004] 为实现上述目的,本发明采用的技术方案为:
[0005] 一种天空图像的识别及优化方法,其特征在于,包括以下步骤:
[0006] 10.接收原始图像;
[0007] 20.对原始图像进行天空识别;
[0008] 30.判断是否识别到天空,如果未识别到天空则结束;如果识别到天空,则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择;
[0009] 40.选择所需滤镜并将增加滤镜后的图像保存为结果图像。
[0010] 优选的,所述的步骤20中进行天空识别,主要是通过深度学习模糊卷积神经网络的方法判断图像中有天空的概率,当概率大于50%时,则设定图像中识别到天空。
[0011] 优选的,所述的步骤20中进行天空识别,主要是将图像分为N行M列,总共N*M,然后在每块中随机获取数据进行模糊卷积神经网络的深度学习,获取每一块是天空的概率,然后累加每一行的概率,得到行概率和,再除以M得到每行的平均概率,从上往下判断每一行的平均概率是否大于50%,如果小于的话,则终止,即该行以上部分识别为天空区域。
[0012] 优选的,所述的步骤30中的滤镜主要是系统根据天空区域而专设计的各种格的滤镜供用户进行选择与预览。
[0013] 优选的,所述的步骤40中选择所需滤镜后,根据该滤镜的处理算法对原始图像进行处理得到效果图像进行预览,当用户确定时,则保存该效果图像作为结果图像。
[0014] 优选的,所述的步骤40中增加滤镜主要是应用预先设置的素材,并将素材的宽缩放至与原始图像一致,将素材的高保持原有的比例,接着将原始图像作为底层图,将缩放后的素材与原始图像进行正片叠底模式或者滤色模式或者叠加模式的混合模式进行滤镜处理。
[0015] 本发明的有益效果是:
[0016] 本发明的一种天空图像的识别及优化方法,其通过对原始图像进行天空识别并判断是否识别到天空,如果识别到天空,则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择,并将增加滤镜后的图像保存为结果图像,通过对天空区域添加滤镜效果从而使整体图像更美观及多样化,适用于拍摄过程或拍摄后的图像处理,能够对天空区域实现快速准确的识别并有针对性的进行优化,且操作简单,用户体验效果更好。附图说明
[0017] 此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
[0018] 图1为本发明一种天空图像的识别及优化方法的流程简图;
[0019] 图2为本发明一具有天空区域的原始图像;
[0020] 图3为本发明一实施例的滤镜素材;
[0021] 图4为图2原始图像添加图3的滤镜素材后的效果图;
[0022] 图5为本发明另一实施例的滤镜素材;
[0023] 图6为图2原始图像添加图5的滤镜素材后的效果图。

具体实施方式

[0024] 为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
[0025] 如图1所示,本发明的一种天空图像的识别及优化方法,其包括以下步骤:
[0026] 10.接收原始图像;该原始图像可以是拍摄过程中的预览图像,或者拍摄完成后的存档图像,或者视频中截取的图像
[0027] 20.对原始图像进行天空识别;
[0028] 30.判断是否识别到天空,如果未识别到天空则结束;如果识别到天空,则确定出天空区域并列出适合该天空区域的滤镜供用户进行选择;
[0029] 40.选择所需滤镜并将增加滤镜后的图像保存为结果图像。
[0030] 本实施例中,所述的步骤20中进行天空识别,主要是通过深度学习模糊卷积神经网络的方法判断图像中有天空的概率,当概率大于50%时,则设定图像中识别到天空。
[0031] 所述的卷积神经网络(Convo1utionalNeural Networks,简称CNN),是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法,它具有结构简单、训练参数少和适应性强等特点,其通过直接作用于输入样本,用样本来训练网络并最终实现检测任务的,可以省去传统方法中建模、参数估计以及参数检验、重建模型等的一系列复杂过程;例如,通过收集各种不同类型的样本,并进行归一化和预处理步骤,减小图像噪声的影响和消除图像亮度对比度的差异,提高数据的针对性和鲁棒性,得到统计的方法进行学习处理样本的最基本的特征向量,然后使用这些特征向量训练网络。
[0032] 具体的,所述的步骤20中进行天空识别,主要是将图像分为N行M列,总共N*M块,然后在每块中随机获取数据进行模糊卷积神经网络的深度学习,获取每一块是天空的概率,然后累加每一行的概率,得到行概率和,再除以M得到每行的平均概率,从上往下判断每一行的平均概率是否大于50%,如果小于的话,则终止,即该行以上部分识别为天空区域;并且,将该行的参数除于N即得到天空区域占整体图像的百分比,也就是天空在图像的最大区域;如果原始图像不是天空在上方的,可在接收原始图像之前或在进行天空识别之前将原始图像进行旋转。
[0033] 所述的步骤30中的滤镜主要是系统根据天空区域而专门设计的各种风格的滤镜供用户进行选择与预览,如图3和图5所示;所述的步骤40中选择所需滤镜后,根据该滤镜的处理算法对原始图像进行处理得到效果图像进行预览,当用户确定时,则保存该效果图像作为结果图像。
[0034] 本实施例中,所述的步骤40中增加滤镜主要是应用预先设置的素材,并将素材的宽缩放至与原始图像一致,将素材的高保持原有的比例,接着将原始图像作为底层图,将缩放后的素材与原始图像进行正片叠底模式或者滤色模式或者叠加模式的混合模式进行滤镜处理。
[0035] 其中,正片叠底模式:考察每个通道里的颜色信息,并对底层颜色进行正片叠加处理。该混合模式产生的颜色总是比原来的暗;例如和黑色发生正片叠底的话,产生的就只有黑色;而与白色混合就不会对原来的颜色产生任何影响。其公式为:结果色=素材色*底层颜色/255。
[0036] 滤色模式:按照色彩混合原理中的“增色模式”混合。也就是说,对于滤色模式,颜色具有相加效应。比如,当红色、绿色与蓝色都是最大值255的时候,以Screen模式混合就会得到RGB值为(255,255,255)的白色。而相反的,黑色意味着为0。所以,与黑色以该种模式混合没有任何效果,而与白色混合则得到RGB颜色最大值白色(RGB值为255,255,255)。
[0037] 叠加模式:像素是进行正片叠底模式还是滤色模式,取决于底层颜色。颜色会被混合,但底层颜色的高光与阴影部分的亮度细节就会被保留。
[0038] 本发明的一种天空图像的识别及优化方法,其通过在原始图像的天空区域添加滤镜效果,从而使整体图像更美观及多样化,适用于拍摄过程或拍摄后的图像处理,特别是针对目前日益严重的雾霾天气或者需要为天空增加海市蜃楼,本发明能够对天空区域实现快速准确的识别并有针对性的进行优化,如图2至图6所示,添加具有魔幻色彩的天空滤镜,使用户获得更好的体验。
[0039] 上述说明示出并描述了本发明的优选实施例,如前,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈