数码相框智能照片优化处理系统技术方案

本发明专利技术公开了一种数码相框智能照片优化处理系统，包括：获取模块，用于获取预览图像；场景数据输出模块，用于将所述预览图像输入预先训练好的场景分类模型中，输出场景数据；确定模块，用于根据所述场景数据，确定与所述场景数据相对应的拍摄参数，根据所述拍摄参数进行拍摄，确定第一目标图像。提高了获取的拍摄图像的图像质量。图像的图像质量。图像的图像质量。

【技术实现步骤摘要】
数码相框智能照片优化处理系统


[0001]本专利技术涉及图像处理
，特别涉及一种数码相框智能照片优化处理系统。

技术介绍

[0002]目前，随着数码技术的不断发展，为了人们在进行拍照时，能够得到满意的照片，拍摄设备中设有优化功能，能够对照片进行优化。现有技术中仅仅在拍摄后对照片进行优化，在拍摄前无法准确确定场景数据，进而无法根据场景数据确定对应的拍摄参数，导致拍摄获取的照片质量较差，同时在进行后续照片的优化时，需要使用者进行手动选择以及调节，操作比较繁琐，用户体验差。

技术实现思路

[0003]本专利技术旨在至少一定程度上解决上述技术中的技术问题之一。为此，本专利技术的目的在于提出一种数码相框智能照片优化处理系统，在拍摄前准确确定场景数据，根据场景数据确定对应的拍摄参数，提高拍摄获取的图像质量，实现对图像进行优化，操作简单，提高用户体验。
[0004]为达到上述目的，本专利技术实施例提出了一种数码相框智能照片优化处理系统，包括：
[0005]获取模块，用于获取预览图像；
[0006]场景数据输出模块，用于将所述预览图像输入预先训练好的场景分类模型中，输出场景数据；
[0007]确定模块，用于根据所述场景数据，确定与所述场景数据相对应的拍摄参数，根据所述拍摄参数进行拍摄，确定第一目标图像。
[0008]根据本专利技术的一些实施例，还包括：标记模块，用于在将所述预览图像输入预先训练好的场景分类模型前，基于预先训练好的识别模型对所述预览图像进行识别，确定所述预览图像中包括的目标对象；获取所述目标对象的属性信息，作为特征向量并在所述预览图像上进行标记。
[0009]根据本专利技术的一些实施例，所述场景数据包括温度信息、时间信息、色温信息。
[0010]根据本专利技术的一些实施例，还包括：非锐化掩膜处理模块，用于对所述第一目标图像进行非锐化掩膜处理，得到第二目标图像。
[0011]根据本专利技术的一些实施例，场景分类模型的训练方法，包括：
[0012]获取若干个样本图像及对应的样本场景信息；
[0013]将所述样本图像输入场景分类模型中，输出判定场景信息；将所述判定场景信息与样本场景信息进行比较，根据比较结果对场景分类模型的模型参数进行调整。
[0014]根据本专利技术的一些实施例，还包括：直方图均衡化处理模块，用于在基于预先训练好的识别模型对所述预览图像进行识别前，将预览图像由RGB颜色空间转换至HSV颜色空间，并生成对应的直方图进行均衡化处理。
[0015]根据本专利技术的一些实施例，还包括：滤波处理模块，用于在基于预先训练好的识别模型对所述预览图像进行识别前，对所述预览图像进行滤波处理。
[0016]根据本专利技术的一些实施例，还包括：
[0017]图像质量检测模块，用于对所述第一目标图像进行图像质量检测，根据检测结果调整拍摄参数。
[0018]在一实施例中，所述确定模块，还用于获取所述第一目标图像中像素点的R通道值、G通道值及B通道值，计算所述对R通道、G通道值及B通道的优化系数，根据所述优化系数对所述第一目标图像中像素点中相应的通道值进行优化。
[0019]在一实施例中，所述图像质量检测模块，包括：
[0020]灰度化处理模块，用于将所述第一目标图像转换为N*M的像素点矩阵，并进行灰度化处理；
[0021]计算模块，用于：
[0022]获取每个像素点的灰度值，对于N行的像素点基于从左至右的顺序，计算相邻像素点之间的第一灰度差值；将所述第一灰度差值进行求和，得到第一和值；
[0023]计算每一行的最大灰度值与最小灰度值的第二灰度差值，将N个第二灰度差值进行求和处理，得到第二和值；
[0024]对于M列的像素点基于从上至下的顺序，计算相邻像素点之间的第三灰度差值；将所述第三灰度差值进行求和，得到第三和值；
[0025]计算每一列的最大灰度值与最小灰度值的第四灰度差值，将M个第四灰度差值进行求和处理，得到第四和值；
[0026]根据所述第一和值、第二和值、第三和值及第四和值，计算出第一目标图像的清晰度；
[0027]比较模块，用于将第一目标图像的清晰度与预设清晰度进行比较，在确定第一目标图像的清晰度小于预设清晰度时，表示第一目标图像的清晰度不合格。
[0028]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
[0029]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0030]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0031]图1是根据本专利技术第一个实施例的一种数码相框智能照片优化处理系统的框图；
[0032]图2是根据本专利技术第二个实施例的一种数码相框智能照片优化处理系统的框图；
[0033]图3是根据本专利技术第三个实施例的一种数码相框智能照片优化处理系统的框图。
具体实施方式
[0034]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0035]如图1所示，本专利技术实施例提出了一种数码相框智能照片优化处理系统，包括：
[0036]获取模块，用于获取预览图像；
[0037]场景数据输出模块，用于将所述预览图像输入预先训练好的场景分类模型中，输出场景数据；
[0038]确定模块，用于根据所述场景数据，确定与所述场景数据相对应的拍摄参数，根据所述拍摄参数进行拍摄，确定第一目标图像。
[0039]上述技术方案的工作原理：获取模块，用于获取预览图像；场景数据输出模块，用于将所述预览图像输入预先训练好的场景分类模型中，输出场景数据；确定模块，用于根据所述场景数据，确定与所述场景数据相对应的拍摄参数，根据所述拍摄参数进行拍摄，确定第一目标图像。
[0040]上述技术方案的有益效果：在拍摄前准确确定场景数据，根据场景数据确定对应的拍摄参数，提高拍摄获取的图像质量，实现对图像进行优化，操作简单，提高用户体验。
[0041]根据本专利技术的一些实施例，还包括：标记模块，用于在将所述预览图像输入预先训练好的场景分类模型前，基于预先训练好的识别模型对所述预览图像进行识别，确定所述预览图像中包括的目标对象；获取所述目标对象的属性信息，作为特征向量并在所述预览图像上进行标记。
[0042]上述技术方案的工作原理：标记模块，用于在将所述预览图像输入预先训练好的场景分类模型前，基于预先训练好的识别模型对所述预览图像进行识别，确定所述预览图像中包括的目标对象；获取所述目标对象的属性信息，作为特征向量并在所述预览图像上进行标记。属性信息包括名称、类别，所在的环境亮度特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数码相框智能照片优化处理系统，其特征在于，包括：获取模块，用于获取预览图像；场景数据输出模块，用于将所述预览图像输入预先训练好的场景分类模型中，输出场景数据；确定模块，用于根据所述场景数据，确定与所述场景数据相对应的拍摄参数，根据所述拍摄参数进行拍摄，确定第一目标图像。2.如权利要求1所述的数码相框智能照片优化处理系统，其特征在于，还包括：标记模块，用于在将所述预览图像输入预先训练好的场景分类模型前，基于预先训练好的识别模型对所述预览图像进行识别，确定所述预览图像中包括的目标对象；获取所述目标对象的属性信息，作为特征向量并在所述预览图像上进行标记。3.如权利要求1所述的数码相框智能照片优化处理系统，其特征在于，所述场景数据包括温度信息、时间信息、色温信息。4.如权利要求1所述的数码相框智能照片优化处理系统，其特征在于，还包括：非锐化掩膜处理模块，用于对所述第一目标图像进行非锐化掩膜处理，得到第二目标图像。5.如权利要求1所述的数码相框智能照片优化处理系统，其特征在于，场景分类模型的训练方法，包括：获取若干个样本图像及对应的样本场景信息；将所述样本图像输入场景分类模型中，输出判定场景信息；将所述判定场景信息与样本场景信息进行比较，根据比较结果对场景分类模型的模型参数进行调整。6.如权利要求2所述的数码相框智能照片优化处理系统，其特征在于，还包括：直方图均衡化处理模块，用于在基于预先训练好的识别模型对所述预览图像进行识别前，将预览图像由RGB颜色空间转换至HSV颜色空间，并生成对应的直方图进行均衡化处理。7.如权利要求1所述的数码相框智能照片优化处理系统，其特征在...

【专利技术属性】
技术研发人员：林君兰，熊志忠，
申请(专利权)人：深圳市志和兴实业有限公司，
类型：发明
国别省市：