一种面向照片打印的图片智能裁剪的方法技术

本发明专利技术提供一种面向照片打印的图片智能裁剪的方法，对于包含不同内容类型的图片，通过分析，基于深度学习识别图片中的重要内容，然后在保证重要内容完整性的前提下进行不同策略的裁剪流程，从而满足不同尺寸的照片打印要求；并且这种智能裁剪方法在过程中，不要人工操作，提升了照片打印过程中照片定制的效率。率。率。

【技术实现步骤摘要】
一种面向照片打印的图片智能裁剪的方法


[0001]本专利技术属于图片裁剪
，尤其是涉及一种面向照片打印的图片智能裁剪的方法。

技术介绍

[0002]照片有记录和保存人、物、风景等画面的功能。由于照片拍摄时的相机设备不同，拍摄后存储的图片分辨率各不相同。但照片往往有固定的尺寸要求，比如5、6、7寸，对于打印照片的尺寸有严格的要求，用户的图片需要被合理的调整到照片打印的固定尺寸以进行打印。目前图片手动裁剪技术广泛支持固定比例大小裁剪或者指定区域裁剪，前提条件需要用户手动选择需要裁剪的图片区域，保证图片主体不被裁剪，例如图片上的人、动物、以及建筑等。如需要裁剪的图片数量庞大，就非常耗时耗力，图片编辑效率极低，用户体验较差。而一些无需用户手动操作自动裁剪方法，往往直接将图片缩放调整到照片打印所需要的尺寸，但长宽缩放比例相差较大时会使得照片主要内容发生形变，产生视觉上不协调，严重时影响美观。即使一些现有的智能裁剪方法，通过检测照片内人像或一些常见物体进行智能裁剪，策略过于简单对于复杂的图片场景效果较差，不能满足日常照片打印的需求。

技术实现思路

[0003]本专利技术旨在解决上述技术问题，提供一种面向照片打印的图片智能裁剪的方法。
[0004]为了达到上述目的，本专利技术采用如下技术方案：一种面向照片打印的图片智能裁剪的方法，包括以下步骤：S1、画幅适配及缩放比率初始化：S1.1、获取原始图片的长宽值和照片打印所需的长宽值；S1.2、分别计算照片打印所需的长宽尺寸之间的比值和原始图片长宽尺寸之间的比值，S1.3、对图片进行判断是否进行画幅，若两个比值均大于1，均小于1，或均小于1，则不进行额外操作，反之，交换照片打印所需的长宽值；S1.4、初始化图片缩放比率，其主要在于分别计算照片打印所需的尺寸和原始图片之间的长和宽的比率，选择两个比值中更大的作为图片初始的缩放比率，数值相同则选择该相同值；S2、智能裁剪：S2.1、使用图片重要区域检测模型分析和检测原始图片的重要区域；S2.2、根据重要区域计算极限缩放比率；S2.3、比较极限缩放比率和初始缩放比率，对原始图片进行裁剪操作；S3、尺寸填充及输出：S3.1、对裁剪后的依然未达到照片打印所需尺寸的图像进行边缘图案填充使其完成固定尺寸变换；
S3.2、输出尺寸调整后的图片。
[0005]作为优选，执行步骤S2之前还包括：S20、加载图片重要区域检测模型，其中图片重要区域检测模型是通过步骤TS1产生；步骤TS1包括：基于人工标注的图片重要区域样本获取；对图片重要区域样本进行预处理，缩放到固定尺寸，作为训练样本，其对应的标签是对应图像上每个像素点的重要区域0到1之间的概率值；设置训练条件后进行训练，训练结束后保存重要区域检测模型。
[0006]作为优选，步骤S2.3中，选择多种智能裁剪策略之一对原始图片进行裁剪操作，智能裁剪策略包括：a.使用初始缩放比率缩放原始图片，对缩放后超出需要照片打印尺寸的区域将被裁剪掉；b.使用该方向上的极限缩放比率值替换初始缩放比率，使用初始缩放比率对原始图片进行缩放；c.对于无重要区域的图片，比较智能裁剪裁剪掉的面积代价是否少于填充所需要的面积，少于则使用初始缩放比率缩放原始图片，对缩放后超出需要照片打印尺寸的区域将被裁剪掉。
[0007]作为优选，步骤S3.1中，尺寸填充策略包括；e.对于填充面积比率极小的情况使用原始图片整体直接拉伸；f.对于填充面积比率较小的情况使用原始图片局部直接拉伸的方法；g.对于填充面积比率较大的情况使用纯色进行对称的边缘填充。
[0008]采用上述技术方案后，本专利技术具有如下优点：本专利技术对于包含不同内容类型的图片，通过分析，基于深度学习识别图片中的重要内容，然后在保证重要内容完整性的前提下进行不同策略的裁剪流程，从而满足不同尺寸的照片打印要求；并且这种智能裁剪方法在过程中，不要人工操作，提升了照片打印过程中照片定制的效率。
附图说明
[0009]图1为面向照片打印的图片智能裁剪的方法的流程图。
[0010]图2为画幅适配及缩放比率初始化流程图。
[0011]图3为多种策略的智能裁剪流程图。
[0012]图4为多种尺寸填充策略及输出流程图。
[0013]图5为重要区域检测模型训练模块生成的流程图。
具体实施方式
[0014]以下结合附图及具体实施例，对本专利技术作进一步的详细说明。
[0015]如图1
‑
5所示，本实施例的一种面向照片打印的图片智能裁剪的方法包括：S1、画幅适配及缩放比率初始化；其中，该步骤通过计算判断是否进行画幅调整和对缩放比率初始化。
[0016]S2、多种策略的智能裁剪；其中，图片重要区域概率预测图是通过输入带检测图片到重要区域检测模型得到的输出，通过重要区域的位置选择多种智能裁剪策略之一进行智能裁剪。
[0017]在本步骤之前需要包括一次重要区域检测模型加载步骤S20。
[0018]S3、多种尺寸填充策略及输出；其中，对于通过不同策略裁剪后的裁剪后的图片，对于尺寸依然不满足的尺寸进
行图案填充。对于智能裁剪后尺寸满足的图片将直接输出不经过尺寸填充。
[0019]对于包含不同内容类型的图片，通过分析，基于深度学习识别图片中的重要内容，然后在保证重要内容完整性的前提下进行不同策略的裁剪流程，从而满足不同尺寸的照片打印要求；并且这种智能裁剪方法在过程中，不要人工操作，提升了照片打印过程中照片定制的效率。
[0020]具体地，步骤S1包括：S1.1、获取原始图片的长宽值和照片打印所需的长宽值；S1.2、分别计算照片打印所需的长宽尺寸之间的比值和原始图片长宽尺寸之间的比值，S1.3、对图片进行判断是否进行画幅，若两个比值均大于1，均小于1，或均小于1，则不进行额外操作，反之，交换照片打印所需的长宽值；S1.4、初始化图片缩放比率，其主要在于分别计算照片打印所需的尺寸和原始图片之间的长和宽的比率，选择两个比值中更大的作为图片初始的缩放比率，数值相同则选择该相同值；具体地，步骤S2包括：S2.1、根据图片重要区域检测模型预测的重要区域概率掩模，获得重要区域的不带旋转角度的最小包围框，具体的对于每个像素点对应重要区域概率值大于0.4则将该像素点视为重要区域之一，否则视为非重要区域；对重要区域进行调整，将区域大小扩大1.01倍做为最终的检测后的重要区域；S2.2、根据重要区域的最小包围框获得两个方向上可以被裁剪后的极限尺寸，并通过极限尺寸计算对应的极限缩放比率，具体地计算方式是分别在两个方向上使用目前方向上的尺寸除以最小包围框的尺寸；S2.3、通过分别比较S1.4中得到的初始缩放比率值和两个方向上的极限缩放比率值选择不同的智能裁剪策略；具体地，智能裁剪策略包括；a、当初始缩放比率值小于或等于在某个方向上的极限缩放比率值且不为0时，使用初始缩放比率对原始图片进行等比缩放，缩放后超出需要照片打印尺寸的区域将被裁剪掉；b、当初始缩放比率值大于在某个方向上的极限缩放比率值，使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向照片打印的图片智能裁剪的方法，其特征在于，包括以下步骤：S1、画幅适配及缩放比率初始化：S1.1、获取原始图片的长宽值和照片打印所需的长宽值；S1.2、分别计算照片打印所需的长宽尺寸之间的比值和原始图片长宽尺寸之间的比值，S1.3、对图片进行判断是否进行画幅，若两个比值均大于1，均小于1，或均小于1，则不进行额外操作，反之，交换照片打印所需的长宽值；S1.4、初始化图片缩放比率，其主要在于分别计算照片打印所需的尺寸和原始图片之间的长和宽的比率，选择两个比值中更大的作为图片初始的缩放比率，数值相同则选择该相同值；S2、智能裁剪：S2.1、使用图片重要区域检测模型分析和检测原始图片的重要区域；S2.2、根据重要区域计算极限缩放比率；S2.3、比较极限缩放比率和初始缩放比率，对原始图片进行裁剪操作；S3、尺寸填充及输出：S3.1、对裁剪后的依然未达到照片打印所需尺寸的图像进行边缘图案填充使其完成固定尺寸变换；S3.2、输出尺寸调整后的图片。2.如权利要求1所述的一种面向照片打印的图片智能裁剪的方法，其特征在于，执行步骤S2之前还包括：S20、加载图片重要区域检测模型，其中图片重要区域检测模型是通过步骤...

【专利技术属性】
技术研发人员：刘宇轩，邹国平，吕茂鑫，
申请(专利权)人：杭州印鸽科技有限公司，
类型：发明
国别省市：