一种图像处理方法、装置、终端和存储介质与流程

1.本发明实施例涉及终端设备技术领域，特别涉及一种图像处理方法、装置、终端和存储介质。


背景技术：

2.智能构图、智能切图等裁切方法已经广泛应用于各大智能手机厂商中，裁切功能主要应用于图像后处理中已有图片的进一步美学提升。
3.除了用户拍照后，手动裁切外，智能裁切的应用场景常常集中在图片后处理的推荐功能，比如图像展示的自动缩放功能，图像展示中的画廊展示功能。
4.裁切中的推荐功能在于对手动裁切的功能补全，智能裁切与自动缩放可以配合，但是智能裁切与手动裁切的配合，依赖于用户人为主观判断，裁切过程不够智能，且通常无法保证图像裁切的准确性，在图像展示时可能引起展示不全面的缺陷。


技术实现要素：

5.本发明实施例提供一种图像处理方法、装置、终端和存储介质，可以提高图像裁切的准确性。
6.第一方面，本发明实施例提供了一种图像处理方法，所述方法包括：
7.获取至少一张图像；
8.根据比例设定值对所述图像进行裁切，得到至少一张候选图像；
9.分别提取所述图像的特征点与所述候选图像的特征点；
10.根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数；
11.根据所述分数，从所述候选图像中确定目标裁切图像。
12.在一些实施例中，所述根据比例设定值对所述图像进行裁切，得到至少一张候选图像，包括：
13.响应于针对比例设定模式的比例选择操作，确定比例设定值；
14.根据所述比例设定值，确定对应的至少一个候选区域；
15.通过所述候选区域，对所述图像进行裁切，得到至少一张候选图像。
16.在一些实施例中，所述分别提取所述图像的特征点与所述候选图像的特征点，包括：
17.对所述图像进行全局特征提取，得到所述图像的特征点；
18.对所述候选图像进行全局特征提取，得到所述候选图像的特征点。
19.在一些实施例中，所述根据所述分数，从所述候选图像中确定目标裁切图像，包括：
20.对所述分数进行排序处理，根据分数等级在所述候选图像中确定目标裁切图像。
21.在一些实施例中，所述方法还包括：
22.检测所述候选图像中是否存在人脸图像；
23.所述根据分数等级在所述候选图像中确定目标裁切图像，包括：
24.若所述候选图像中存在所述人脸图像，则在所述候选图像中，将分数超过预设分数且带有人脸图像的候选图像确定为目标裁切图像；
25.若所述候选图像中不存在所述人脸图像，根据分数等级在所述候选图像中确定目标裁切图像。
26.在一些实施例中，所述方法还包括：
27.在第一显示模式下，根据第一比例设定值对所述图像进行裁切，得到第一目标裁切图像；
28.响应于针对所述第一目标裁切图像的点击操作，显示所述第一目标裁切图像对应的第一图像。
29.在一些实施例中，所述方法还包括：
30.在第二显示模式下，在所述图像包括不符合第一比例设定值的特殊图像时，提取所述特殊图像的特征点，计算所述特殊图像对应的分数；
31.对所述特殊图像对应的分数及所述候选图像对应的分数进行排序处理，根据分数等级显示所述特殊图像及所述目标裁切图像；
32.响应于针对所述所述特殊图像或所述目标裁切图像的点击操作，输出所述所述特殊图像或所述目标裁切图像对应的第二图像。
33.在一些实施例中，所述方法还包括：
34.在接收到针对应用程序的图像上传推荐指令时，根据分数等级推荐所述目标裁切图像，以使所述目标裁切图像作为上传图像。
35.第二方面，本发明实施例还提供了一种图像处理装置，所述装置包括：
36.获取模块，用于获取至少一张图像；
37.裁切模块，用于根据比例设定值对所述图像进行裁切，得到至少一张候选图像；
38.特征点提取模块，用于分别提取所述图像的特征点与所述候选图像的特征点；
39.分数计算模块，用于根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数；
40.确定模块，用于根据所述分数，从所述候选图像中确定目标裁切图像。
41.第三方面，本发明实施例还提供了一种芯片，包括:
42.处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行如上所述的方法。
43.第四方面，本发明实施例还提供了一种终端，所述终端包括：
44.显示装置；
45.至少一个处理器，以及
46.存储器，所述存储器与所述至少一个处理器通信连接，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
47.第五方面，本发明实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被终端执行时，使所述终端执行如上所述的方法。
48.第六方面，本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被终端执行时，使所述终端执行上述的方法。
49.本技术与现有技术相比，至少具有以下有益效果：本发明实施例的图像处理方法、装置、终端和存储介质，在进行图像后处理时，获取至少一张图像，然后，根据比例设定值对所述图像进行裁切，得到至少一张候选图像；分别提取所述图像的特征点与所述候选图像的特征点；根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数；根据所述分数，从所述候选图像中确定目标裁切图像。通过给用户提供比例设定值，根据比例设定值对图像进行裁切，且在计算候选图像的分数时，依据所述图像的特征点与所述候选图像的特征点，综合了图像的全局特征点和候选图像的特征点，避免单独使用候选图像的特征点的不稳定性，从而提高图像裁切的准确性，在确定目标裁切图像后，可以展示目标裁切图像，用户很容易辨认出图像内容，目标裁切图像具备美感，且能够为用户提供更多有用信息。
附图说明
50.一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
51.图1是本发明终端的一个实施例的结构示意图；
52.图2是本发明图像处理方法的一个实施例的流程示意图；
53.图3是本发明图像处理方法的一个实施例的页面示意图；
54.图4是本发明图像处理装置的一个实施例的结构示意图；
55.图5是本发明图像处理装置的一个实施例的结构示意图。
具体实施方式
56.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
57.在终端设备中，如移动终端中，具有相机应用，且具有相册应用，相机在拍摄以后，将拍摄到的图片存储在相册内。用户在点击相册应用时，进入相册应用内，可以有图库展示，也可以有画廊展示。
58.图1示意性的示出了终端100的硬件结构，如图1所示，终端100包括存储器11、处理器12，处理器12连接存储器11。本领域技术人员可以理解，图1所示的结构并不构成对终端的限定，终端可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。
59.其中，存储器11作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器11可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存
储根据终端的使用所创建的数据等。此外，存储器11可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器11可选包括相对于处理器12远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
60.处理器12是终端的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器11内的软件程序和/或模块，以及调用存储在存储器11内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控，例如实现本发明任一实施例所述的图像处理方法。
61.处理器12可以为一个或多个，图1中以一个处理器12为例。处理器12和存储器11可以通过总线或者其他方式连接，图1中以通过总线连接为例。处理器12可包括中央处理单元(cpu)、数字信号处理器(dsp)、专用集成电路(asic)、控制器、现场可编程门阵列(fpga)设备等。处理器12还可以被实现为计算设备的组合，例如，dsp与微处理器的组合、多个微处理器、结合dsp核心的一个或多个微处理器、或者任何其它此类配置。
62.本发明实施例提供的图像处理方法、装置、终端和存储介质，所述方法可以由终端100执行，具体的，在其中一些实施例中，所述方法可由处理器12执行。
63.图2为本发明实施例提供的图像处理方法的流程示意图，如图2所示，所述方法包括：
64.101：获取至少一张图像。
65.用户在使用相机应用拍摄后得到图像，图像可以存储在相册应用。或者是，用户在使用其他带有拍照功能的应用程序时，拍摄得到图像，或者是，用户将其他应用程序中的图片保存在相册应用，作为图像等等，并且，得到的图像通常至少包括一张。
66.在得到至少一张图像后，对所述图像进行预处理。具体地，图像分析中，图像质量的好坏直接影响识别算法的设计与效果的精度，因此在图像分析(特征提取、分割、匹配和识别等)前，需要进行预处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。
67.一般的预处理流程为：灰度化
→
几何变换
→
图像增强。
68.其中，灰度化为：对原始的彩色图像进行处理时，往往需要对三个通道依次进行处理，时间开销将会很大。因此，为了达到提高整个应用系统的处理速度的目的，需要对原始彩色图像进行灰度化以减少所需处理的数据量。
69.在rgb模型中，如果r＝g＝b时，则彩色表示一种灰度颜色，其中r＝g＝b的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。可以采用分量法、最大值法、平均值法、加权平均法四种方法对原始图像进行灰度化。
70.几何变换和图像增强也均可以采用现有技术的方式，在对图像进行预处理后，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。
71.102：根据比例设定值对所述图像进行裁切，得到至少一张候选图像。
72.在其中一些实施例中，根据比例设定值对所述图像进行裁切，得到至少一张候选图像，可以包括：
73.响应于针对比例设定模式的比例选择操作，确定比例设定值；
74.根据所述比例设定值，确定对应的至少一个候选区域；
75.通过所述候选区域，对所述图像进行裁切，得到至少一张候选图像。
76.具体地，用户可以选择多种比例设定模式，比如比例设定值可以包括图像裁切的纵横比为1:1的比例设定值、图像裁切的纵横比为1:2的比例设定值，用户根据自身需求，在比例设定模式中选择自己需要的比例设定值，在用户选择比例设定值后，移动终端响应于针对比例设定模式的比例选择操作，确定比例设定值，然后，根据比例设定值，确定对应的候选区域，通过所述候选区域，对所述图像进行裁切，得到至少一张候选图像。
77.根据所述比例设定值，确定对应的至少一个候选区域具体为：比如，当比例设定值为1:1时，可以采用滑窗的方式，以不同窗口大小从第一坐标角点至第二坐标角点进行滑窗处理，所述窗口的纵横比为1:1，第一坐标角点与第二坐标角点的连线为所述第一对角线，第一坐标角点可以为图像的左上角坐标(x1，y1)，第二坐标角点可以为图像的右下角坐标(x2，y2)。比如窗口的纵横比为500:500,600:600均为1:1，那么按照不同窗口大小进行滑窗处理，从而获得多个1:1的候选区域。
78.在得到多个候选区域后，计算候选区域占图像的面积占比，比如图像的面积为640*480，在不同窗口大小滑窗时，1:1的比例设定值通常会包括多个比值为1:1的窗口，当得到的候选区域小于预设面积阈值(如200*200)时，说明候选区域过小，裁切后用户可能会看不清图像的特征，因此，将面积占比小于预设面积阈值的候选区域去除。
79.对应的，当得到的候选区域大于图像的面积时，很明显为不符合裁切的标准，超出原图范围，因此，同样需要去除面积占比大于图像的面积的候选区域。
80.最后，选择预设数量的候选区域，预设数量优选为64，即得到64个候选区域。在选择预设数量的候选区域时，可以采用随机采样的方式获取。
81.又比如，当比例设定值为1:2时，在图像中获取第一锚框和第二锚框，第一锚框可以是图像的左上角锚框，第二锚框可以是图像的右下角锚框，锚框为anchor，然后，对所述第一锚框和所述第二锚框分别进行分割处理，得到至少两个小格，例如，将第一锚框anchor分割成5*5个小格，将第二锚框anchor分割成5*5个小格；接着，以每个所述小格的第三坐标角点为起点，根据不同的裁切长度获得不同的长边，例如，裁切长度是500，然后，得到的长边为500，再根据不同的长边以及第二纵横比1:2，获得对应的短边，如，长边为500的时候，短边为250，基于不同的长边及对应短边，获取不同的候选区域，比如，得到的候选区域为(250,500)，基于各个小格获取多个候选区域，从而获取多个纵横比为1:2的候选区域。
82.在得到多个比例设定值为1:2的候选区域后，将超过图像的范围的候选区域剔除，比如，待处理图像为640*480，当候选区域为(250,500)时，明显超出待处理图像的范围，因此，将超出待处理图像的范围的候选区域剔除掉，以保证候选区域均为有效特征。
83.接着，对所述候选区域进行非极大值抑制处理，以去除相似的候选区域，非极大值抑制处理(non-maximum suppression，nms)。其思想是搜素局部最大值，抑制极大值。nms算法在不同应用中的具体实现不太一样，但思想是一样的。非极大值抑制，在计算机视觉任务中得到了广泛的应用，例如边缘检测、人脸检测、目标检测(dpm，yolo，ssd，faster r-cnn)
等。以目标检测为例：目标检测的过程中在同一目标的位置上会产生大量的候选框，这些候选框相互之间可能会有重叠，此时我们需要利用非极大值抑制找到最佳的目标边界框，消除冗余的边界框。
84.通过非极大值抑制处理，能够去除相似的候选区域，能够在保持1:2的比例设定值的情况下，兼顾不同的候选区域大小，并且，对于极端原图比例(如横长图或竖长图)，都可以产出固定比例裁切，使得得到的候选区域的数量保持在一个上下浮动的小范围内，比如，得到的候选区域数量为100个左右。
85.最后，再采用随机采样方式选择预设数量的候选区域，同样的，预设数量为64个。
86.103：分别提取所述图像的特征点与所述候选图像的特征点。
87.在得到候选区域后，通过候选区域，对图像进行裁切，得到候选图像，候选图像与候选区域对应，然后，分别提取所述图像的特征点与所述候选图像的特征点。
88.在其中一些实施例中，分别提取所述图像的特征点与所述候选图像的特征点，可以包括：
89.对所述图像进行全局特征提取，得到所述图像的特征点；
90.对所述候选图像进行全局特征提取，得到所述候选图像的特征点。
91.具体地，对图像进行全局特征提取，得到所述图像的特征点，并且，对所述候选图像进行全局特征提取，得到所述候选图像的特征点。在图像处理中，特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)，图像特征点能够反映图像本质特征，能够标识图像中目标物体，通过特征点的匹配能够完成图像的匹配。特征点包括：颜色特征、纹理特征、代数特征及变换特征。
92.进一步地，在得到候选区域后，可以将图像和候选图像输入预设卷积神经网络的特征提取层中，进行特征提取，由于图像中包含全部的图像特征点，候选区域包含图像中的局部特征点(候选图像的特征点)，因此，通过预设卷积神经网络，提取到图像的特征点与所述候选图像的特征点。
93.预设卷积神经网络采用的是mobilenetv2，mobilenet v2是对mobilenet v1的改进，同样是一个轻量级卷积神经网络，采用特征融合的方式，融合特征明显的层级的特征，还可以通过双线性插值，将某一层级的特征采样下来，例如采样到的特征图形状为(16,16)，按照通道维度拼接获取使用的特征图。
94.由于图像对应的是原始图像所有的数据，为了避免遗漏一些重要特征，因此，需要对图像进行全局特征提取。
95.候选图像为裁切后的图像，存在的图像数据实质是没有图像对应的图像数据完整，但是，候选图像还包括了候选区域，对候选图像进行特征提取，同样是采用上述图像特征提取方式，得到包含候选区域的全部特征点。
96.104：根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数。
97.105：根据所述分数，从所述候选图像中确定目标裁切图像。
98.在分别提取所述图像的特征点与所述候选图像的特征点后，在所述图像的特征点中减去所述候选图像的特征点，得到待拼接张量；组合所述待拼接张量及所述候选图像的特征点，得到拼接特征点；将所述拼接特征点输入所述预设卷积神经网络的检测层，得到目
标裁切图像。
99.具体地，根据候选框坐标除以16可以获得对应当前特征图的位置,可以提取候选框区域的roi align作为局部特征(类似目标检测),并且，对全图应用roi align获取和局部特征形状相同的全局特征,随后将用图像的特征点中减去所述候选图像的特征点,作为另一个特征与候选图像的特征点拼接送入预设卷积神经网络的检测层,实现特征融合。
100.上述可用于特征融合的特征,需要注意的是，如果单用的是图像的特征点与所述候选图像的特征点的差值,会导致全局特征效果不佳,而组合所述待拼接张量及所述候选图像的特征点，得到拼接特征的方式，显著提高了模型的稳定程度,在后续测试时可以看出上述特征提取算法既可以实现部署在手机端,并且极大提高了模型对主体识别以及美学评估的能力。
101.进一步地，根据所述图像的特征点与所述候选图像的特征点，计算各个所述候选图像的分数，即将所述拼接特征输入所述预设卷积神经网络的检测层，获得每个拼接特征对应的分类和分数，具体地，可以利用打分机制，根据所述拼接特征对所述候选图像进行打分，得到分数。
102.打分机制，以keras图像打分为例，图像打分不同于传统图像分类任务，属于回归任务，标签是连续的数值而不是离散的某一个类别。打分任务实质为：对卷积神经网络提取到的特征打分。
103.具体地，首先需要事先标注好的数据集，包括图像和和对象对应的分数(标签)，将所有的图像数据和对应的标签转换为numpy数组一一对应。接下来把numpy数组输入到卷积神经网络中进行训练，返回训练结果。最后使用训练好的模型在测试集上进行打分，并根据真实分数进行误差计算。
104.打分过程为：输入候选图像的数据
→
特征提取器
→
打分器
→
分数结果。
105.而美学打分，是在基于美学的基础上进行打分，具体可以包括：对样本图像划分特征区域，包括图像整体区域和主体区域；对于整体区域和主体区域，分别提取图像低层特征和高层美学特征；通过机器训练和学习建立美学评价模型，包括图像美感等级分类器和图像美学回归模型；对用户输入的目标图像(候选图像)，利用已建立的美感等级分类器和美学回归模型，实现图像的高、低美感等级评价和美学分数预测，从而实现美学打分。
106.更具体地，由于在智能切图任务时，只关注于评分最高的一张,因此提出了当前任务的评估标准,top1准确率和top5准确率用于挑选模型,定义可见如下公式(1)和公式(2)：
[0107][0108][0109]
其中，在公式1中，如果模型输出的预测结果rank1是最高分top1时，yi＝1；对应的，在公式2中，如果模型输出的分值最高的5个框中包含想要的rankj是top5，那么，其中rank代表预测结果，top代表标签，举例来说rank1代表预测结果分
数最高的候选框，top1对应标签分值最高的候选框，从而得到分值前五名的候选图像。
[0110]
例如，一幅包括海洋、天空、沙滩的图像，提取到颜色特征包括蓝色和黄色对应的像素值，以及海洋、天空和沙滩的纹理特征对应的像素值，在裁切时，如沙滩在较为边缘的位置，可能会把沙滩切掉，那么，再根据具备所有特征的图像及具备候选区域的候选图像，确定候选图像的类型为风景图像；且利用打分机制，根据所述候选图像的类型对所述候选图像进行美学打分，得到美学分数。相对而言，包含海洋、沙滩及天空的候选图像的美学分数会高于仅包含海洋的候选图像的美学分数。
[0111]
由于图像可以有多张，那么得到的候选图像数量与图像数量对应，在得到多张候选图像的美学分数后，可以对候选图像的美学分数进行排序，并且，而美学分数越高，则说明该候选图像越具有美感，可以根据分数等级在所述候选图像中确定目标裁切图像。
[0112]
本发明实施例的图像处理方法，在进行图像后处理时，获取至少一张图像，然后，根据比例设定值对所述图像进行裁切，得到至少一张候选图像；分别提取所述图像的特征点与所述候选图像的特征点；根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数；根据所述分数，从所述候选图像中确定目标裁切图像。通过给用户提供比例设定值，根据比例设定值对图像进行裁切，且在计算候选图像的分数时，依据所述图像的特征点与所述候选图像的特征点，综合了图像的全局特征点和候选图像的特征点，避免单独使用候选图像的特征点的不稳定性，从而提高图像裁切的准确性，在确定目标裁切图像后，可以展示目标裁切图像，用户很容易辨认出图像内容，目标裁切图像具备美感，且能够为用户提供更多有用信息。
[0113]
在其中一些实施例中，当候选图像的类型为人物摄影，或者是人物与风景结合的图像时，通常会以人作为摄像主体，那么，所述方法还可以包括：
[0114]
检测所述候选图像中是否存在人脸图像；
[0115]
所述根据分数等级在所述候选图像中确定目标裁切图像，包括：
[0116]
若所述候选图像中存在所述人脸图像，则在所述候选图像中，将分数超过预设分数且带有人脸图像的候选图像确定为目标裁切图像；
[0117]
若所述候选图像中不存在所述人脸图像，根据分数等级在所述候选图像中确定目标裁切图像。
[0118]
具体地，检测所述候选图像中是否存在人脸图像，那么，在根据分数等级在所述候选图像中确定目标裁切图像时，若所述候选图像中存在所述人脸图像，则在所述候选图像中，将分数超过预设分数且带有人脸图像的候选图像确定为目标裁切图像，比如，对前五名美学分数的带有人脸图像的候选图像进行分数排序处理，将分数最高的候选图像作为目标裁切图像并展示，从而使得用户能够在候选图像中看清楚候选图像中的人脸，用户可以根据自身需求进行筛选，不需要点击进去查看原图再删除之类的操作。
[0119]
对应地，若所述候选图像中不存在所述人脸图像，则默认原始图像为不包含人脸的图像，为纯风景摄像的图像，根据分数等级在所述候选图像中确定目标裁切图像，比如将分数最高的候选图像作为目标裁切图像。
[0120]
在其中一些实施例中，所述方法还可以包括：
[0121]
在第一显示模式下，根据第一比例设定值对所述图像进行裁切，得到第一目标裁切图像；
[0122]
响应于针对所述第一目标裁切图像的点击操作，显示所述第一目标裁切图像对应的第一图像。
[0123]
具体地，以第一显示模式为例，第一显示模式可以是智能手机的相册应用中的图库展示模式，智能裁切时，可以按照第一比例设定值直接裁切，第一比例设定值可以是纵横比为1:1的比例设定值，使得用户能够直接从第一目标裁切图像辨认原图场景，在用户点击第一目标裁切图像后，移动终端响应于针对所述第一目标裁切图像的点击操作，显示所述第一目标裁切图像对应的第一图像，用户可以查看第一图像。
[0124]
在其中一些实施例中，所述方法还可以包括：
[0125]
在第二显示模式下，在所述图像包括不符合第一比例设定值的特殊图像时，提取所述特殊图像的特征点，计算所述特殊图像对应的分数；
[0126]
对所述特殊图像对应的分数及所述候选图像对应的分数进行排序处理，根据分数等级显示所述特殊图像及所述目标裁切图像；
[0127]
响应于针对所述所述特殊图像或所述目标裁切图像的点击操作，输出所述所述特殊图像或所述目标裁切图像对应的第二图像。
[0128]
具体地，在第二显示模式下，第二显示模式可以是智能手机的相册应用中的画廊显示模式，在所述图像包括不符合第一比例设定值的特殊图像时，比如不适合1:1的比例设定值和1:2的比例设定值的超长图、竖图、大脸自拍图等特殊图像，可以不按照比例设定值对图像进行裁切，但是，也会进行美学打分，即对特殊图像进行特征点提取，以确定所述特殊图像对应的分数；并且，对所述特殊图像对应的分数及所述候选图像对应的分数进行排序处理，根据分数等级显示所述特殊图像及所述目标裁切图像。如图3所示。
[0129]
并且，比例设定值也可以不局限于1:1或1:2两个比例，也可以是其他比例，如介于1:1与1:2之间的任意比例，符合美学裁切均可。
[0130]
对应地，可以在画廊显示模式下，显示所述特殊图像及所述目标裁切图像中分数等级最高的图像，也可以在画廊展示分数前五名的特殊图像及所述目标裁切图像。
[0131]
可以理解的是，当用户在画廊显示模式下点击展示的特殊图像及略图像中美学分数靠前的任意一张图像时，移动终端响应于针对所述所述特殊图像或所述目标裁切图像的点击操作，输出所述所述特殊图像或所述目标裁切图像对应的第二图像，使得用户可以更加清楚的看到具体的第二图像内容。
[0132]
在其中一些实施例中，所述方法还可以包括：
[0133]
在接收到针对应用程序的图像上传推荐指令时，根据分数等级推荐所述目标裁切图像，以使所述目标裁切图像作为上传图像。
[0134]
具体地，本实施例的图像处理方法，还可以用于某些应用程序的上传头像的推荐，或者是手机或电脑桌面的推荐等等，例如，用户在操作应用程序a的上传头像功能时，终端接收到针对应用程序a的图像上传推荐指令，然后，根据分数等级推荐候选图像，如推荐分数为前五名的候选图像，以供用户选择，当用户选择某一候选图像时，将该候选图像作为上传图像。
[0135]
相应的，如图4所示，本发明实施例还提供了一种图像处理装置，可以应用于终端，例如图1所示的终端100，图像处理装置800包括：
[0136]
获取模块801，用于获取至少一张图像；
[0137]
裁切模块802，用于根据比例设定值对所述图像进行裁切，得到至少一张候选图像；
[0138]
特征点提取模块803，用于分别提取所述图像的特征点与所述候选图像的特征点；
[0139]
分数计算模块804，用于根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数。
[0140]
确定模块805，用于根据所述分数，从所述候选图像中确定目标裁切图像。
[0141]
本发明实施例的图像处理装置、终端和存储介质，在进行图像后处理时，在进行图像后处理时，获取至少一张图像，然后，根据比例设定值对所述图像进行裁切，得到至少一张候选图像；分别提取所述图像的特征点与所述候选图像的特征点；根据所述图像的特征点与所述候选图像的特征点，计算所述候选图像的分数；根据所述分数，从所述候选图像中确定目标裁切图像。通过给用户提供比例设定值，根据比例设定值对图像进行裁切，且在计算候选图像的分数时，依据所述图像的特征点与所述候选图像的特征点，综合了图像的全局特征点和候选图像的特征点，避免单独使用候选图像的特征点的不稳定性，从而提高图像裁切的准确性，在确定目标裁切图像后，可以展示目标裁切图像，用户很容易辨认出图像内容，目标裁切图像具备美感，且能够为用户提供更多有用信息。
[0142]
在一些实施例中，裁切模块802，还用于：
[0143]
响应于针对比例设定模式的比例选择操作，确定比例设定值；
[0144]
根据所述比例设定值，确定对应的至少一个候选区域；
[0145]
通过所述候选区域，对所述图像进行裁切，得到至少一张候选图像。
[0146]
在一些实施例中，特征点提取模块803，还用于：
[0147]
对所述图像进行全局特征提取，得到所述图像的特征点；
[0148]
对所述候选图像进行全局特征提取，得到所述候选图像的特征点。
[0149]
在一些实施例中，确定模块805，还用于：
[0150]
对所述分数进行排序处理，根据分数等级在所述候选图像中确定目标裁切图像。
[0151]
在一些实施例中，请参阅图5，图像处理装置800还包括：
[0152]
人脸检测模块806，用于检测所述候选图像中是否存在人脸图像；
[0153]
确定模块805，还用于：
[0154]
若所述候选图像中存在所述人脸图像，则在所述候选图像中，将分数超过预设分数且带有人脸图像的候选图像确定为目标裁切图像；
[0155]
若所述候选图像中不存在所述人脸图像，根据分数等级在所述候选图像中确定目标裁切图像。
[0156]
在一些实施例中，请参阅图5，图像处理装置800还包括：
[0157]
第一确定模块807，用于在第一显示模式下，根据第一比例设定值对所述图像进行裁切，得到第一目标裁切图像；
[0158]
响应于针对所述第一目标裁切图像的点击操作，显示所述第一目标裁切图像对应的第一图像。
[0159]
在一些实施例中，请参阅图5，图像处理装置800还包括：
[0160]
第二确定模块808，用于在第二显示模式下，在所述图像包括不符合第一比例设定值的特殊图像时，提取所述特殊图像的特征点，计算所述特殊图像对应的分数；
[0161]
对所述特殊图像对应的分数及所述候选图像对应的分数进行排序处理，根据分数等级显示所述特殊图像及所述目标裁切图像；
[0162]
响应于针对所述所述特殊图像或所述目标裁切图像的点击操作，输出所述所述特殊图像或所述目标裁切图像对应的第二图像。
[0163]
在一些实施例中，请参阅图5，图像处理装置800还包括：
[0164]
推荐模块809，用于在接收到针对应用程序的图像上传推荐指令时，根据分数等级推荐所述目标裁切图像，以使所述目标裁切图像作为上传图像。
[0165]
需要说明的是，上述装置具备方法相应的功能模块和有益效果。未在装置实施例中详尽描述的技术细节，可参见本技术实施例所提供的方法。
[0166]
本技术实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图1中的一个处理器12，可使得上述一个或多个处理器可执行上述任意方法实施例中的图像处理方法，例如，执行以上描述的图2中的方法步骤101至步骤105；实现图4中的模块801-805、图5中的模块801-809的功能。
[0167]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0168]
通过以上的实施例的描述，本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory,rom)或随机存储记忆体(randomaccessmemory,ram)等。
[0169]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。