[发明专利]一种图像处理方法和装置

说明书

本发明实施例公开了一种图像处理方法和装置，所述方法包括：获取目标图像数据，并将所述目标图像数据输入卷积神经网络模型中；在所述卷积神经网络模型中获取与所述目标图像数据相匹配的目标标签信息集合，所述目标标签信息集合中的标签信息用于标记所述目标图像数据的特征类别；在图像特效库中，提取与所述目标标签信息集合对应的目标特效处理信息，根据所述目标特效处理信息对所述目标图像数据进行特效处理，得到目标特效图像数据，并显示所述目标特效图像数据。采用本发明，可以避免因手动进行图像特效处理而带来的繁琐步骤，从而提高图像数据处理的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像处理方法和装置。

背景技术

随着图像技术的不断发展和各种新兴图像运用的涌现，用户拍照或者录像的频率日益增加，同时通过终端设备拍摄而来的图像/视频无论是色调、饱和度或者亮度都有明显的提升，而单纯的图像显示和视频播放已经不能满足用户日益增长的消费、娱乐和安全需求，因此对图像后续处理的速度和质量都提出了更高的要求。

现有的针对图像/视频后续处理主要是通过添加特效素材或者调整图像参数来完成的。对添加特效素材而言，用户可以自主选择现有的贴纸粘贴至图像/视频中的任意区域、或者直接在图像/视频中手绘涂鸦或者为图像/视频中添加背景音乐等；对调整图像参数而言，用户可以根据图像/视频中的目标物体和背景调整图像参数用于突出图像/视频中的内容，例如对图像/视频中的人脸进行美颜或者五官微调，对图像/视频中的建筑物进行边缘锐化突出整体轮廓等。

由上可知，通过手动添加特效素材或者人工调整图像参数对图像/视频进行处理的效率较为低下，难以做到及时、高效地对图像/视频进行后续处理。

发明内容

本发明实施例提供一种图像处理方法和装置，可以提高对图像/视频的处理效率。

本发明一方面提供了一种图像处理方法，包括：

获取目标图像数据，并将所述目标图像数据输入卷积神经网络模型中；

在所述卷积神经网络模型中获取与所述目标图像数据相匹配的目标标签信息集合，所述目标标签信息集合中的标签信息用于标记所述目标图像数据的特征类别；

在图像特效库中，提取与所述目标标签信息集合对应的目标特效处理信息，根据所述目标特效处理信息对所述目标图像数据进行特效处理，得到目标特效图像数据，并显示所述目标特效图像数据。

其中，所述在所述卷积神经网络模型中获取与所述目标图像数据相匹配的目标标签信息集合，包括：

识别所述目标图像数据中的目标物体轮廓，并根据所述目标物体轮廓将所述目标图像数据分割为至少一个单位目标图像数据；

将所述单位目标图像数据输入所述卷积神经网络模型中，在所述卷积神经网络模型中获取与所述单位目标图像数据相匹配的第一标签信息，并将所述第一标签信息添加至所述目标标签信息集合。

其中，所述将所述单位目标图像数据输入所述卷积神经网络模型中，在所述卷积神经网络模型中获取与所述单位目标图像数据相匹配的第一标签信息，包括：

将所述单位目标图像数据输入所述卷积神经网络模型中；

通过卷积运算和池化运算，提取所述单位目标图像数据的目标特征；

将所述目标特征与所述卷积神经网络模型中的特征集合进行相似度比较；

在所述特征集合中，获取相似度最大的特征所对应的标签信息作为与所述单位目标图像数据相匹配的第一标签信息。

其中，所述在图像特效库中，提取与所述目标标签信息集合对应的目标特效处理信息，根据所述目标特效处理信息对所述目标图像数据进行特效处理，得到目标特效图像数据，并显示所述目标特效图像数据，包括：