本公开提供了一种滤镜类别识别方法及装置，属于图像处理技术领域。方法包括：提取待识别图像的图像特征，所述待识别图像为经过滤镜处理后的图像；根据滤镜类别数据库和所述待识别图像的图像特征，获取所述待识别图像与所述滤镜类别数据库中各滤镜类别的匹配度；将所述匹配度符合预设标准的滤镜类别确定为所述待识别图像对应的滤镜类别。本公开通过提取待识别图像的图像特征，根据滤镜类别数据库，实现根据图像特征自动匹配滤镜类别的功能。在一实施例中，本公开根据关键字词与图像特征匹配的方法，还可以实现根据滤镜效果图像给对应滤镜类别进行命名的功能。在一实施例中，本公开通过深度学习算法获取滤镜类别数据库。
【技术实现步骤摘要】
本公开涉及图像处理
，尤其涉及一种滤镜类别识别方法及装置。
技术介绍
目前，各种终端中都有图像处理应用，随着图像处理技术的发展，这些图像处理应用也具有越来越多的功能，例如滤镜功能，滤镜功能可以用于实现多种具有不同效果的图像。为了获得更丰富的滤镜效果，终端除了提供一些固有滤镜外，还提供了滤镜参数调节选项，使得用户可以通过调节滤镜参数获得自定义滤镜，进而通过该自定义滤镜获得对应的效果图像。但是，在现有的图像处理应用中，由于不同滤镜效果的名称多是编号或者与滤镜效果无关的字词，如“生动” “唯美”等，且经过滤镜处理过的图像没有标识出是经过哪种滤镜处理得到，从而导致难以从大量的滤镜中找到对应的滤镜以复现效果。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种滤镜类别识别方法及装置。根据本公开实施例的第一方面，提供一种滤镜类别识别方法，包括:提取待识别图像的图像特征，该待识别图像为经过滤镜处理后的图像；根据滤镜类别数据库和该待识别图像的图像特征，获取该待识别图像与该滤镜类别数据库中各滤镜类别的匹配度，该滤镜类别数据库至少用于保存多个滤镜类别以及采用该多个滤镜类别处理后图像的图像特征；将该匹配度符合预设标准的滤镜类别确定为该待识别图像对应的滤镜类别。在本公开的第一方面的第一种可能实现方式中，该方法还包括:搜集学习样本，该学习样本为经过多个滤镜类别处理后的图像；提取该学习样本中每一幅图像的图像特征；根据该每一幅图像的图像特征与对应滤镜类别，建立该滤镜类别数据库。在本公开的第一方面的第二种可能实现方式中，该滤镜类别数据库还包括用于描述各个滤镜类别的图像效果的关键字词；该方法还包括:根据该滤镜类别数据库和该待识别图像的图像特征，获取与该待识别图像对应的关键字词；将该待识别图像对应的关键字词确定为该待识别图像对应的滤镜名称。在本公开的第一方面的第三种可能实现方式中，该根据滤镜类别数据库和该待识别图像的图像特征，获取与该待识别图像对应的关键字词之前，该方法还包括:构造备选名称集合，该备选名称集合用于存储关键字词；根据该备选名称集合中的关键字词，收集与每个关键字词匹配的预设数量的图像；提取该与每个关键字词匹配的图像的图像特征；根据该备选名称集合中的关键字词和该与每个关键字词匹配的图像的图像特征，建立该滤镜类别数据库。在本公开的第一方面的第四种可能实现方式中，该方法还包括:当该待识别图像的图像特征与任一滤镜类别的匹配度均不符合该预设标准时，确定该待识别图像为未经过滤镜处理的图像。根据本公开实施例的第二方面，提供一种滤镜类别识别装置，包括:特征提取模块，用于提取待识别图像的图像特征，该待识别图像为经过滤镜处理后的图像；匹配度获取模块，用于根据滤镜类别数据库和该待识别图像的图像特征，获取该待识别图像与该滤镜类别数据库中各滤镜类别的匹配度，该滤镜类别数据库至少用于保存多个滤镜类别以及采用该多个滤镜类别处理后图像的图像特征；确定模块，用于将该匹配度符合预设标准的滤镜类别确定为该待识别图像对应的滤镜类别。在本公开的第二方面的第一种可能实现方式中，该装置还包括:搜集模块，用于搜集学习样本，该学习样本为经过多个滤镜类别处理后的图像；该特征提取模块还用于提取该学习样本中每一幅图像的图像特征；第一建立模块，用于根据该每一幅图像的图像特征与对应滤镜类别，建立该滤镜类别数据库。在本公开的第二方面的第二种可能实现方式中，该滤镜类别数据库还包括用于描述各个滤镜类别的图像效果的关键字词；该装置还包括:关键字词获取模块，用于根据该滤镜类别数据库和该待识别图像的图像特征，获取与该待识别图像对应的关键字词；该确定模块还用于将该待识别图像对应的关键字词确定为该待识别图像对应的滤镜名称。在本公开的第二方面的第三种可能实现方式中，该装置还包括:构造模块，用于构造备选名称集合，该备选名称集合用于存储关键字词；收集模块，用于根据该备选名称集合中的关键字词，收集与每个关键字词匹配的预设数量的图像；该特征提取模块还用于提取该与每个关键字词匹配的图像的图像特征；第二建立模块，用于根据该备选名称集合中的关键字词和该与每个关键字词匹配的图像的图像特征，建立该滤镜类别数据库。在本公开的第二方面的第四种可能实现方式中，该确定模块还用于:当该待识别图像的图像特征与任一滤镜类别的匹配度均不符合该预设标准时，确定该待识别图像为未经过滤镜处理的图像。第三方面，还提供了一种滤镜类别识别装置，包括:处理器；用于存储处理器可执行的指令的存储器；其中，该处理器被配置为:提取待识别图像的图像特征，该待识别图像为经过滤镜处理后的图像；根据滤镜类别数据库和该待识别图像的图像特征，获取该待识别图像与该滤镜类别数据库中各滤镜类别的匹配度，该滤镜类别数据库至少用于保存多个滤镜类别以及采用该多个滤镜类别处理后图像的图像特征；将该匹配度符合预设标准的滤镜类别确定为该待识别图像对应的滤镜类别。本公开实施例提供的技术方案带来的有益效果是:本公开通过提取待识别图像的图像特征，根据滤镜类别数据库，实现根据图像特征自动匹配滤镜类别的功能。在一实施例中，本公开根据关键字词与图像特征匹配的方法，还可以实现根据滤镜效果图像给对应滤镜类别进行命名的功能。在一实施例中，本公开通过深度学习算法获取滤镜类别数据库。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。【附图说明】此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种滤镜类别识别方法的流程图。图2是根据一示例性实施例示出的一种滤镜类别识别方法的流程图。图3是根据一示例性实施例示出的一种滤镜类别识别装置框图。图4是根据一示例性实施例示出的一种滤镜类别识别装置400的框图。【具体实施方式】为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种滤镜类别识别方法的流程图，如图1所示，滤镜类别识别方法用于终端中，包括以下步骤。在步骤101中，提取待识别图像的图像特征，该待识别图像为经过滤镜处理后的图像。在步骤102中，根据滤镜类别数据库和该待识别图像的图像特征，获取该待当前第1页1 2 3 4 本文档来自技高网...
【技术保护点】
一种滤镜类别识别方法，其特征在于，所述方法包括：提取待识别图像的图像特征，所述待识别图像为经过滤镜处理后的图像；根据滤镜类别数据库和所述待识别图像的图像特征，获取所述待识别图像与所述滤镜类别数据库中各滤镜类别的匹配度，所述滤镜类别数据库至少用于保存多个滤镜类别以及采用所述多个滤镜类别处理后图像的图像特征；将所述匹配度符合预设标准的滤镜类别确定为所述待识别图像对应的滤镜类别。
【技术特征摘要】
【专利技术属性】
技术研发人员：王百超，张涛，陈志军，
申请(专利权)人：小米科技有限责任公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。