图片处理方法、电子装置及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108446697A(43)申请公布日2018.08.24(21)申请号201810183143.9G06N3/04(2006.01)(22)申请日2018.03.06G06N3/08(2006.01)(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区八卦岭工业区平安大厦六楼(72)发明人王健宗王义文刘奡智庞烨肖京(74)专利代理机构深圳市沃德知识产权代理事务所(普通合伙)44347代理人于志光郭梦霞(51)Int.Cl.G06K9/32(2006.01)G06K9/62(2006.01)G06K9/38(2006.01)G06K9/46(2006.01)权利要求书3页说明书14页附图4页(54)发明名称图片处理方法、电子装置及存储介质(57)摘要本发明提供了一种图片处理方法，包括：对样本图片库进行训练，得到带有标记框的样本图片及不带有标记框的样本图片的归类函数；基于归类函数计算原始图片的归类值，若该归类值满足第一预设条件，则判定该原始图片中包括采用所述预设颜色绘制的标记框；将原始图片从RGB空间转换到HSV空间，得到HSV图片；根据所述预设颜色在HSV空间中的取值范围，设定二值化阈值，对所述HSV图片中每个像素进行二值化处理，得到二值化图片；从二值化图片中提取目标轮廓的位置信息，根据所述位置信息对原始图片进行裁剪得到标记框对应的局部图片。本发明还提供一种电子装置及存储介质。利用本发明可以快速准确地从所述原始图片中裁剪出标记框对应的局部图片。CN108446697ACN108446697A权利要求书1/3页1.一种图片处理方法，其特征在于，该方法包括以下步骤：样本训练步骤：获取样本图片库，所述样本图片库包括多个带有标记框的样本图片以及对应的多个不带有标记框的样本图片，对所述样本图片库进行训练，得到所述带有标记框的样本图片及所述对应的不带有标记框的样本图片的归类函数，所述标记框为采用预设颜色绘制的闭合框线；归类判断步骤：获取待处理的原始图片，基于所述归类函数计算所述待处理的原始图片的归类值，若该归类值满足第一预设条件，则判定该原始图片中包括采用所述预设颜色绘制的标记框；空间转换步骤：若判定该原始图片中包括采用所述预设颜色绘制的标记框，则将所述包括标记框的原始图片从RGB空间转换到HSV空间，将所述原始图片中的每个像素都分解成色度H、饱和度S和亮度V值，从而得到HSV图片；二值化处理步骤：根据所述预设颜色在HSV空间中的取值范围，设定二值化阈值，使用所述二值化阈值，判断所述HSV图片中各个像素点的色度H、饱和度S和亮度V值是否满足所述二值化阈值，根据判断结果对所述HSV图片中每个像素进行二值化处理，得到所述HSV图片对应的二值化图片；轮廓检测步骤：通过轮廓检测算法，从所述二值化图片中检测出目标轮廓，并提取所述目标轮廓的位置信息作为所述原始图片中标记框对应的位置信息，根据所述位置信息对所述待处理的原始图片进行裁剪，得到原始图片中标记框对应的局部图片。2.如权利要求1所述的图片处理方法，其特征在于，所述对所述样本图片库进行训练，得到所述带有标记框的样本图片及所述对应的不带有标记框的样本图片的归类函数包括：构建卷积神经网络，通过所述卷积神经网络对所述样本图片库进行训练，得到所述样本图片库对应的卷积神经网络模型；根据样本图片库中每个图片是否带有所述标记框的备注信息，将所述样本图片库分为含标记框图片集和无标记框图片集，所述含标记框图片集包括所述多个带有标记框的样本图片，所述无标记框图片集包括所述对应的多个不带有标记框的样本图片；将所述含标记框图片集和所述无标记框图片集分别输入所述卷积神经网络模型，通过所述卷积神经网络模型的卷积核卷积得到所述含标记框图片集对应的特征值向量集，以及所述无标记框图片集对应的特征值向量集；通过支持向量机算法对所述含标记框图片集对应的特征值向量集和所述无标记框图片集对应的特征值向量集进行计算，得到所述含标记框图片集及所述无标记框图片集的归类函数。3.如权利要求2所述的图片处理方法，其特征在于，所述获取待处理的原始图片，基于所述归类函数计算所述待处理的原始图片的归类值，若该归类值满足第一预设条件，则判定该原始图片中包括采用所述预设颜色绘制的标记框包括：获取待处理的原始图片，将所述待处理的原始图片输入所述卷积神经网络模型，得到该待处理的原始图片对应的特征向量；对所述原始图片对应的特征向量基于所述归类函数计算所述待处理的原始图片的归类值，并判断该归类值是否大于预设阈值，若该归类值大于所述预设阈值，则判定该原始图片中包括采用所述预设颜色绘制的标记框。2CN108446697A权利要求书2/3页4.如权利要求3所述的图片处理方法