图像的生成方法、装置、可读介质和电子设备与流程

1.本公开涉及图像处理技术领域，具体地，涉及一种图像的生成方法、装置、可读介质和电子设备。


背景技术：

2.随着电子信息技术的不断发展，应用市场上出现了各种各样的应用程序，以满足用户多样化的需求。其中游戏应用程序为了能够为用户提供更加美观的高质量画面，需要美术制作人员通过绘制工具来制作大量的素材图像。素材图像的制作过程极为耗时，并且对美术制作人员的技术水平、审美水平要求较高。因此，素材图像的制作往往会消耗大量的人力和物力，获取素材图像的效率往往较低，质量也很不稳定。


技术实现要素：

3.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
4.第一方面，本公开提供一种图像的生成方法，所述方法包括：
5.根据获取的内容图像，和预设的多个风格图像，生成转换图像集，所述转换图像集包括每个所述风格图像对应的转换图像，所述转换图像符合对应的所述风格图像的风格，且与所述内容图像的内容相同；
6.根据所述内容图像的直方图，和所述转换图像集中每个所述转换图像的直方图，确定每个所述转换图像与所述内容图像的相似度；
7.将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像，以得到包括至少一个所述目标图像的目标图像集。
8.第二方面，本公开提供一种图像的生成装置，所述装置包括：
9.转换模块，用于根据获取的内容图像，和预设的多个风格图像，生成转换图像集，所述转换图像集包括每个所述风格图像对应的转换图像，所述转换图像符合对应的所述风格图像的风格，且与所述内容图像的内容相同；
10.确定模块，用于根据所述内容图像的直方图，和所述转换图像集中每个所述转换图像的直方图，确定每个所述转换图像与所述内容图像的相似度；
11.筛选模块，用于将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像，以得到包括至少一个所述目标图像的目标图像集。
12.第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
13.第四方面，本公开提供一种电子设备，包括：
14.存储装置，其上存储有计算机程序；
15.处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面
所述方法的步骤。
16.通过上述技术方案，本公开首先根据获取的内容图像和预设的多个风格图像，生成转换图像集，其中，转换图像集包括每个风格图像对应的转换图像，转换图像符合对应的风格图像的风格，且与内容图像的内容相同。之后根据内容图像的直方图，和转换图像集中每个转换图像的直方图，确定每个转换图像与内容图像的相似度，再将相似度满足预设条件的转换图像作为目标图像，以得到目标图像集。本公开根据内容图像和风格图像，生成大量的转换图像，并从中筛选出符合预设条件的目标图像，能够提高图像生成的效率和准确度。
17.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
18.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
19.图1是根据一示例性实施例示出的一种图像的生成方法的流程图；
20.图2是根据一示例性实施例示出的另一种图像的生成方法的流程图；
21.图3是根据一示例性实施例示出的另一种图像的生成方法的流程图；
22.图4是根据一示例性实施例示出的另一种图像的生成方法的流程图；
23.图5是根据一示例性实施例示出的另一种图像的生成方法的流程图；
24.图6是根据一示例性实施例示出的另一种图像的生成方法的流程图；
25.图7是根据一示例性实施例示出的一种转换模型的结构示意图；
26.图8是根据一示例性实施例示出的一种训练识别模型的流程图；
27.图9是根据一示例性实施例示出的一种图像的生成装置的框图；
28.图10是根据一示例性实施例示出的另一种图像的生成装置的框图；
29.图11是根据一示例性实施例示出的另一种图像的生成装置的框图；
30.图12是根据一示例性实施例示出的另一种图像的生成装置的框图；
31.图13是根据一示例性实施例示出的另一种图像的生成装置的框图；
32.图14是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
33.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
34.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
35.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
36.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
37.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
38.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
39.图1是根据一示例性实施例示出的一种图像的生成方法的流程图，如图1所示，该方法包括以下步骤：
40.步骤101，根据获取的内容图像，和预设的多个风格图像，生成转换图像集，转换图像集包括每个风格图像对应的转换图像，转换图像符合对应的风格图像的风格，且与内容图像的内容相同。
41.举例来说，可以预先准备内容图像和风格图像集，其中，内容图像可以是由美术制作人员制作的、符合审美的图像，内容图像的数量较少(例如可以为5个)。风格图像集中包括多个风格图像，风格图像可以是任意图像，可以是由美术制作人员制作的图像，也可以是图像采集装置拍摄的真实照片，还可以是从网络上采集的图像，风格图像的数量较多(例如可以为1000个)。之后，可以根据内容图像和风格图像集，生成转换图像集，其中，转换图像集包括了多个转换图像，每个转换图像对应一个风格图像，即该转换图像符合对应的风格图像的风格，并且，转换图像的内容与内容图像的内容相同。可以理解为，转换图像结合了内容图像的内容与对应的风格图像的风格，也可以将转换图像理解为，将内容图像按照对应的风格图像的风格进行风格迁移得到的图像。具体的，可以预先训练一个风格转换模型，然后将内容图像和一个风格图像组成一个图像对，并将该图像对作为风格转换模型的输入，以得到风格转换模型输出的，该风格图像对应的转换图像。重复上述过程，直至得到每个风格图像对应的转换图像，即得到了转换图像集。
42.步骤102，根据内容图像的直方图，和转换图像集中每个转换图像的直方图，确定每个转换图像与内容图像的相似度。
43.示例的，通常情况下，符合审美的图像通常具有色调统一、层次感明显、明暗关系清楚等特点，因此，为了确定转换图像集中的转换图像是否符合审美，可以将美术制作人员制作的内容图像作为标准，依次将每个转换图像与内容图像进行比较。具体的，可以先分别获取内容图像的直方图、每个转换图像的直方图。其中，直方图可以为灰度直方图，也可以为不同颜色空间内的颜色直方图，例如可以选择rgb(英文：red green blue)颜色空间、hsv(英文：hue saturation value)颜色空间、cmyk(英文：cyan magenta yellow)颜色空间等，本公开对此不作具体限定。以颜色直方图为例，颜色直方图是图像的颜色特征，能够描述不同色彩在图像中所占的比例。例如，可以通过opencv中提供的calchist函数来获取内容图像的颜色直方图以及每个转换图像的颜色直方图。再比如，以灰度直方图为例，灰度直方图是图像的灰度特征，能够描述图像的灰度级的分布。
44.之后，可以根据内容图像的直方图以及每个转换图像的直方图，确定每个转换图像与内容图像的相似度。相似度能够表征每个转换图像的直方图与内容图像的直方图的走
势的相似程度。具体的，可以将相似度理解为转换图像的直方图与内容图像的直方图的相关系数，也可以将相似度理解为转换图像的直方图与内容图像的直方图的协方差距离。
45.步骤103，将转换图像集中，相似度满足预设条件的转换图像，作为目标图像，以得到包括至少一个目标图像的目标图像集。
46.示例的，可以根据每个转换图像与内容图像的相似度，筛选出转换图像集中满足预设条件的转换图像。具体的，预设条件可以是相似度大于或等于预设的相似度阈值，其中，相似度阈值可以根据实际需求来设置。预设条件也可以是按照相似度对转换图像集中的转换图像进行降序排列，排在最前面的指定数量(例如可以是50)个转换图像。预设条件还可以是相似度在预设的相似度范围内，其中，相似度范围可以根据实际需求来设置。之后，可以将满足预设条件的转换图像，作为目标图像，并将目标图像放入目标图像集，即可以得到包括了至少一个目标图像的目标图像集。
47.综上所述，本公开首先根据获取的内容图像和预设的多个风格图像，生成转换图像集，其中，转换图像集包括每个风格图像对应的转换图像，转换图像符合对应的风格图像的风格，且与内容图像的内容相同。之后根据内容图像的直方图，和转换图像集中每个转换图像的直方图，确定每个转换图像与内容图像的相似度，再将相似度满足预设条件的转换图像作为目标图像，以得到目标图像集。本公开根据内容图像和风格图像，生成大量的转换图像，并从中筛选出符合预设条件的目标图像，能够提高图像生成的效率和准确度。
48.图2是根据一示例性实施例示出的另一种图像的生成方法的流程图，如图2所示，在步骤103之后，该方法还可以包括：
49.步骤104，基于目标图像集，通过预先训练的识别模型，确定每个目标图像的转换效果类型，并将转换效果类型为指定类型的目标图像作为结果图像。
50.示例的，可以将目标图像集中的每个目标图像作为输入，利用预先训练的识别模型对该目标图像进行分类，以确定该目标图像所属的转换效果类型。识别模型可以理解为一个分类器，用于对图像所属转换效果类型进行预测。例如，识别模型可以先提取目标图像的图像特征，然后判断图像特征与多种预先指定的转换效果类型中每种转换效果类型的匹配度，即图像特征与该转换效果类型的匹配度越高，目标图像属于该转换效果类型的概率值越高，匹配度越低，目标图像属于该转换效果类型的概率值越低。识别模型确定目标图像属于对应匹配度最高的转换效果类型，也可以确定目标图像属于对应的匹配度满足预设条件(例如按照降序排列，排在最前面的预设数量个匹配度)的转换效果类型。其中，识别模型例如可以是cnn(英文：convolutional neural networks，中文：卷积神经网络)或者lstm(英文：long short-term memory，中文：长短期记忆网络)，也可以是mlp(英文：multilayer perceptron head，中文：多层感知网络)等，本公开对此不作具体限定。最后可以将转换效果类型为指定类型的目标图像作为结果图像，结果图像可以是一个，也可以是多个。
51.例如，预先指定的转换效果类型可以包括：高质量类型、中质量类型、低质量类型三种，此时识别模型可以理解为一个多分类网络，相应的，指定类型可以为：高质量类型和中质量类型，指定类型也可以为高质量类型，指定类型还可以为低质量类型。预先指定的转换效果类型也可以包括高质量类型和低质量类型两种，此时识别模型可以理解为一个二分类网络，相应的，指定类型可以为高质量类型，指定类型可以为低质量类型。这样，能够在得到目标图像集的基础上，筛选出转换效果类型为指定类型的结果图像。
52.图3是根据一示例性实施例示出的另一种图像的生成方法的流程图，如图3所示，步骤102的实现方式可以包括：
53.步骤1021，在预设的颜色空间内，分别确定内容图像以及每个所述转换图像在所述颜色空间的多个颜色通道上的直方图。
54.步骤1022，针对每个转换图像，根据内容图像在每个颜色通道上的直方图，与该转换图像在每个颜色通道上的直方图，确定内容图像与该转换图像在每个颜色通道上的协方差距离。
55.步骤1023，根据内容图像与该转换图像在每个颜色通道上的协方差距离，确定内容图像与该转换图像的相似度。
56.举例来说，要确定每个转换图像与内容图像的相似度，可以先选定预设的颜色空间，即确定颜色空间对应的多个颜色通道。然后确定内容图像在多个颜色通道上的直方图，并确定每个转换图像在多个颜色通道上的直方图。以颜色空间为rgb为例，那么对应的多个颜色通道即为：红色通道、绿色通道以及蓝色通道。可以确定内容图像在红色通道上的直方图(可以表示为)、绿色通道上的直方图(可以表示为)，以及蓝色通道上的直方图(可以表示为)，同时还可以确定转换图像在红色通道上的直方图(可以表示为)、绿色通道上的直方图(可以表示为)，以及蓝色通道上的直方图(可以表示为)。
57.之后，针对每个转换图像，可以根据内容图像在每个颜色通道上的直方图，与该转换图像在每个颜色通道上的直方图，确定内容图像与该转换图像在每个颜色通道上的协方差距离。以红色通道来举例，内容图像与转换图像在红色通道上的协方差距离可以通过以下公式来确定：
[0058][0059]
其中，表示内容图像与任一转换图像在红色通道上的协方差距离，表示内容图像在红色通道上的直方图的均值，表示内容图像在红色通道上的直方图的标准差，表示转换图像在红色通道上的直方图的均值，表示转换图像在红色通道上的直方图的标准差。
[0060]
最后，可以根据内容图像与该转换图像在每个颜色通道上的协方差距离，确定内容图像与该转换图像的相似度。具体的，可以将内容图像与该转换图像的最大的协方差距离，作为内容图像与该转换图像的相似度。例如，以颜色空间为rgb为例，针对每个转换图像来说，通过步骤1022可以获得内容图像与该转换图像在红色通道、绿色通道以及蓝色通道上的协方差距离，可以分别表示为：那么相似度coe可以通过以下公式来确定：
[0061][0062]
图4是根据一示例性实施例示出的另一种图像的生成方法的流程图，如图4所示，步骤103可以包括：
[0063]
步骤1031，针对每个转换图像，若该转换图像与内容图像的相似度大于预设的相
似度阈值，将该转换图像作为目标图像，并添加至目标图像集。或者，
[0064]
步骤1032，将转换图像集中的每个转换图像，按照对应的相似度降序排列，将排列顺序最前的指定数量个转换图像作为目标图像，并添加至目标图像集。
[0065]
示例的，从转换图像集中筛选出目标图像的方式可以包括两种：一种是预先设置相似度阈值，然后将相似度大于预设的相似度阈值的转换图像作为目标图像，并放入目标图像集。另一种是按照对应的相似度，将全部的转换图像进行降序排列，然后将排列顺序最前的指定数量个转换图像作为目标图像，并放入目标图像集。指定数量例如可以是100个。
[0066]
图5是根据一示例性实施例示出的另一种图像的生成方法的流程图，如图5所示，步骤104可以通过以下步骤来实现：
[0067]
步骤1041，针对每个目标图像，将该目标图像输入识别模型，以得到识别模型输出的该目标图像的转换效果类型，转换效果类型包括：高质量类型和低质量类型。
[0068]
步骤1042，若该目标图像的转换效果类型为高质量类型，将该目标图像作为结果图像。
[0069]
示例的，预先指定的转换效果类型可以包括高质量类型和低质量类型两种，相应的，识别模型可以是一个二分类网络。将每个目标图像输入识别模型，识别模型输出的结果有两种可能，即高质量类型或者低质量类型，例如可以用1表示高质量类型，0表示低质量类型。若该目标图像的转换效果类型为高质量类型，那么可以确定目标图像为结果图像，符合审美。
[0070]
图6是根据一示例性实施例示出的另一种图像的生成方法的流程图，如图6所示，步骤101可以包括：
[0071]
步骤1011，针对每个风格图像，将内容图像与该风格图像输入预先训练的转换模型中的编码层，以得到内容图像对应的内容图像特征，和该风格图像对应的风格图像特征。
[0072]
步骤1012，将内容图像特征、风格图像特征输入转换模型中的转换层，以得到转换图像特征。
[0073]
步骤1013，将转换图像特征输入转换模型中的解码层，以得到该风格图像对应的转换图像。
[0074]
举例来说，可以通过预先训练的转换模型来获取转换图像集，转换模型的结构可以如图7所示，包括：编码层、转换层和解码层，其中，编码层可以由预训练好的网络构成，例如可以是vgg(英文：visual geometry group network)、resnet等模型，用于对输入的内容图像以及风格图像进行编码，得到内容图像对应的内容图像特征，和该风格图像对应的风格图像特征。
[0075]
转换层可以是wct(英文：whiten and color transform)模块，用于对编码层输出的内容图像特征、风格图像特征进行白化和色彩转换，得到转换图像特征。最后，解码层根据转换图像特征生成转换图像，其中，解码层可以是逆向的编码层，即解码层与编码层的结构为镜像关系。
[0076]
具体的，内容图像可以表示为ic，风格图像可以表示为is，通过编码层后，得到的内容图像特征可以表示为fc，风格图像特征可以表示为fs，转换层将fc进行白化和色彩转换，得到进一步的，再利用风格图像的转换矩阵得到转换图像特征最后，解码层根据
生成转换图像i
cs
。进一步的，在对转换模型进行训练时，转换模型的总损失可以包括两部分：内容损失(可以理解为像素级的损失)和语义损失(可以理解为风格维度的损失)。例如可以通过以下公式来确定总损失：
[0077]
l＝lc+λls[0078]
lc＝||i
c-i
cs
||2[0079]
ls＝||φ(ic)-φ(i
cs
)||2[0080]
其中，l表示总损失，lc表示内容损失，ls表示语义损失，λ表示预设的权重。φ(ic)表示内容图像的语义特征，φ(i
cs
)表示转换图像的语义特征。
[0081]
图8是根据一示例性实施例示出的一种训练识别模型的流程图，如图8所示，识别模型是通过如下方式训练得到的：
[0082]
步骤a，根据样本图像和多个风格图像，生成样本转换图像集，样本转换图像集中包括每个风格图像对应的样本转换图像，样本转换图像符合对应的风格图像的风格，且与样本图像的内容相同。
[0083]
步骤b，将样本转换图像集作为识别模型的输入，并将每个样本转换图像对应的实际效果类型作为识别模型的输出，以训练识别模型。
[0084]
举例来说，在对识别模型进行训练时，需要先获取样本输入集。样本输入集中包括了多个样本输入，样本输入可以为样本转换图像集中的一个样本转换图像，样本输出集中包括了与每个样本输入对应的样本输出，每个样本输出包括对应的样本转换图像对应的实际效果类型，其中，实际效果类型例如可以是高质量类型，或者低质量类型。样本转换图像集的获取，可以根据样本图像和多个风格图像得到，其中，样本图像可以是由美术制作人员制作的、符合审美的图像。例如可以将样本图像和一个风格图像组成一个图像对，并将该图像对作为风格转换模型的输入，以得到风格转换模型输出的，该风格图像对应的样本转换图像。重复上述过程，直至得到每个风格图像对应的样本转换图像，即得到了样本转换图像集，其中包括了每个风格图像对应的样本转换图像，样本转换图像符合对应的风格图像的风格，并且，样本转换图像与样本图像的内容相同。
[0085]
在对识别模型训练时，可以将样本输入集(即样本转换图像集)作为识别模型的输入，将样本输出集作为识别模型的输出，来训练识别模型，使得在输入样本输入集时，识别模型的输出，能够和样本输出集匹配。例如，可以根据识别模型的输出，与样本输出集确定损失，以降低损失为目标，利用反向传播算法来修正识别模型中的神经元参数，神经元参数例如可以是神经元的权重(英文：weight)和偏置量(英文：bias)。重复上述步骤，直至损失满足预设条件，例如损失小于预设的损失阈值，以达到训练识别模型的目的。
[0086]
综上所述，本公开首先根据获取的内容图像和预设的多个风格图像，生成转换图像集，其中，转换图像集包括每个风格图像对应的转换图像，转换图像符合对应的风格图像的风格，且与内容图像的内容相同。之后根据内容图像的直方图，和转换图像集中每个转换图像的直方图，确定每个转换图像与内容图像的相似度，再将相似度满足预设条件的转换图像作为目标图像，以得到目标图像集。本公开根据内容图像和风格图像，生成大量的转换图像，并从中筛选出符合预设条件的目标图像，能够提高图像生成的效率和准确度。
[0087]
图9是根据一示例性实施例示出的一种图像的生成装置的框图，如图9所示，该装置200包括：
[0088]
转换模块201，用于根据获取的内容图像，和预设的多个风格图像，生成转换图像集，转换图像集包括每个风格图像对应的转换图像，转换图像符合对应的风格图像的风格，且与内容图像的内容相同。
[0089]
确定模块202，用于根据内容图像的直方图，和转换图像集中每个转换图像的直方图，确定每个转换图像与内容图像的相似度。
[0090]
筛选模块203，用于将转换图像集中，相似度满足预设条件的转换图像，作为目标图像，以得到包括至少一个目标图像的目标图像集。
[0091]
图10是根据一示例性实施例示出的另一种图像的生成装置的框图，如图10所示，该装置200还可以包括：
[0092]
识别模块204，用于在将转换图像集中，相似度满足预设条件的转换图像，作为目标图像之后，基于目标图像集，通过预先训练的识别模型，确定每个目标图像的转换效果类型，并将转换效果类型为指定类型的目标图像作为结果图像。
[0093]
图11是根据一示例性实施例示出的另一种图像的生成装置的框图，如图11所示，确定模块202可以包括：
[0094]
直方图确定子模块2021，用于在预设的颜色空间内，分别确定内容图像以及每个转换图像在颜色空间的多个颜色通道上的直方图。
[0095]
协方差距离确定子模块2022，用于针对每个转换图像，根据内容图像在每个颜色通道上的直方图，与该转换图像在每个颜色通道上的直方图，确定内容图像与该转换图像在每个颜色通道上的协方差距离。
[0096]
相似度确定子模块2023，用于根据内容图像与该转换图像在每个颜色通道上的协方差距离，确定内容图像与该转换图像的相似度。
[0097]
在一种应用场景中，相似度确定子模块2023可以用于：
[0098]
将内容图像与该转换图像的最大的协方差距离，作为内容图像与该转换图像的相似度。
[0099]
在一种应用场景中，筛选模块203可以用于：
[0100]
针对每个转换图像，若该转换图像与内容图像的相似度大于预设的相似度阈值，将该转换图像作为目标图像，并添加至目标图像集。或者，
[0101]
将转换图像集中的每个转换图像，按照对应的相似度降序排列，将排列顺序最前的指定数量个转换图像作为目标图像，并添加至目标图像集。
[0102]
图12是根据一示例性实施例示出的另一种图像的生成装置的框图，如图12所示，识别模块204可以包括：
[0103]
识别子模块2041，用于针对每个目标图像，将该目标图像输入识别模型，以得到识别模型输出的该目标图像的转换效果类型，转换效果类型包括：高质量类型和低质量类型。
[0104]
处理子模块2042，用于若该目标图像的转换效果类型为高质量类型，将该目标图像作为结果图像。
[0105]
图13是根据一示例性实施例示出的另一种图像的生成装置的框图，如图13所示，转换模块201可以包括：
[0106]
编码子模块2011，用于针对每个风格图像，将内容图像与该风格图像输入预先训练的转换模型中的编码层，以得到内容图像对应的内容图像特征，和该风格图像对应的风
格图像特征。
[0107]
转换子模块2012，用于将内容图像特征、风格图像特征输入转换模型中的转换层，以得到转换图像特征。
[0108]
解码子模块2013，用于将转换图像特征输入转换模型中的解码层，以得到该风格图像对应的转换图像。
[0109]
在一种应用场景中，识别模型是通过如下方式训练得到的：
[0110]
步骤a，根据样本图像和多个风格图像，生成样本转换图像集，样本转换图像集中包括每个风格图像对应的样本转换图像，样本转换图像符合对应的风格图像的风格，且与样本图像的内容相同。
[0111]
步骤b，将样本转换图像集作为识别模型的输入，并将每个样本转换图像对应的实际效果类型作为识别模型的输出，以训练识别模型。
[0112]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0113]
综上所述，本公开首先根据获取的内容图像和预设的多个风格图像，生成转换图像集，其中，转换图像集包括每个风格图像对应的转换图像，转换图像符合对应的风格图像的风格，且与内容图像的内容相同。之后根据内容图像的直方图，和转换图像集中每个转换图像的直方图，确定每个转换图像与内容图像的相似度，再将相似度满足预设条件的转换图像作为目标图像，以得到目标图像集。本公开根据内容图像和风格图像，生成大量的转换图像，并从中筛选出符合预设条件的目标图像，能够提高图像生成的效率和准确度。
[0114]
下面参考图14，其示出了适于用来实现本公开实施例的电子设备(例如可以是本公开实施例的执行主体，可以是终端设备或服务器)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图14示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0115]
如图14所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
[0116]
通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图14示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0117]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这
样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
[0118]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0119]
在一些实施方式中，终端设备、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0120]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0121]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：根据获取的内容图像，和预设的多个风格图像，生成转换图像集，所述转换图像集包括每个所述风格图像对应的转换图像，所述转换图像符合对应的所述风格图像的风格，且与所述内容图像的内容相同；根据所述内容图像的直方图，和所述转换图像集中每个所述转换图像的直方图，确定每个所述转换图像与所述内容图像的相似度；将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像，以得到包括至少一个所述目标图像的目标图像集。
[0122]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如
利用因特网服务提供商来通过因特网连接)。
[0123]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0124]
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，转换模块还可以被描述为“生成转换图像集的模块”。
[0125]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0126]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0127]
根据本公开的一个或多个实施例，示例1提供了一种图像的生成方法，包括：根据获取的内容图像，和预设的多个风格图像，生成转换图像集，所述转换图像集包括每个所述风格图像对应的转换图像，所述转换图像符合对应的所述风格图像的风格，且与所述内容图像的内容相同；根据所述内容图像的直方图，和所述转换图像集中每个所述转换图像的直方图，确定每个所述转换图像与所述内容图像的相似度；将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像，以得到包括至少一个所述目标图像的目标图像集。
[0128]
根据本公开的一个或多个实施例，示例2提供了示例1的方法，在所述将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像之后，所述方法还包括：基于所述目标图像集，通过预先训练的识别模型，确定每个所述目标图像的转换效果类型，并将转换效果类型为指定类型的所述目标图像作为结果图像。
[0129]
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述根据所述内容图像的直方图，和所述转换图像集中每个所述转换图像的直方图，确定每个所述转换图像与所述内容图像的相似度，包括：在预设的颜色空间内，分别确定所述内容图像以及每个所
述转换图像在所述颜色空间的多个颜色通道上的直方图；针对每个所述转换图像，根据所述内容图像在每个颜色通道上的直方图，与该转换图像在每个颜色通道上的直方图，确定所述内容图像与该转换图像在每个颜色通道上的协方差距离；根据所述内容图像与该转换图像在每个颜色通道上的协方差距离，确定所述内容图像与该转换图像的相似度。
[0130]
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述内容图像与该转换图像在每个颜色通道上的协方差距离，确定所述内容图像与该转换图像的相似度，包括：将所述内容图像与该转换图像的最大的协方差距离，作为所述内容图像与该转换图像的相似度。
[0131]
根据本公开的一个或多个实施例，示例5提供了示例1的方法，所述将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像，以得到包括至少一个所述目标图像的目标图像集，包括：针对每个所述转换图像，若该转换图像与所述内容图像的相似度大于预设的相似度阈值，将该转换图像作为所述目标图像，并添加至所述目标图像集；或者，将所述转换图像集中的每个所述转换图像，按照对应的相似度降序排列，将排列顺序最前的指定数量个所述转换图像作为所述目标图像，并添加至所述目标图像集。
[0132]
根据本公开的一个或多个实施例，示例6提供了示例2的方法，所述基于所述目标图像集，通过预先训练的识别模型，确定每个所述目标图像的转换效果类型，并将转换效果类型为指定类型的所述目标图像作为结果图像，包括：针对每个所述目标图像，将该目标图像输入所述识别模型，以得到所述识别模型输出的该目标图像的转换效果类型，所述转换效果类型包括：高质量类型和低质量类型；若该目标图像的转换效果类型为高质量类型，将该目标图像作为所述结果图像。
[0133]
根据本公开的一个或多个实施例，示例7提供了示例1的方法，所述根据获取的内容图像，和预设的多个风格图像，生成转换图像集，包括：针对每个所述风格图像，将所述内容图像与该风格图像输入预先训练的转换模型中的编码层，以得到所述内容图像对应的内容图像特征，和该风格图像对应的风格图像特征；将所述内容图像特征、所述风格图像特征输入转换模型中的转换层，以得到转换图像特征；将所述转换图像特征输入所述转换模型中的解码层，以得到该风格图像对应的所述转换图像。
[0134]
根据本公开的一个或多个实施例，示例8提供了示例2的方法，所述识别模型是通过如下方式训练得到的：根据样本图像和多个所述风格图像，生成样本转换图像集，所述样本转换图像集中包括每个所述风格图像对应的样本转换图像，所述样本转换图像符合对应的所述风格图像的风格，且与所述样本图像的内容相同；将所述样本转换图像集作为所述识别模型的输入，并将每个所述样本转换图像对应的实际效果类型作为所述识别模型的输出，以训练所述识别模型。
[0135]
根据本公开的一个或多个实施例，示例9提供了一种图像的生成装置，包括：转换模块，用于根据获取的内容图像，和预设的多个风格图像，生成转换图像集，所述转换图像集包括每个所述风格图像对应的转换图像，所述转换图像符合对应的所述风格图像的风格，且与所述内容图像的内容相同；确定模块，用于根据所述内容图像的直方图，和所述转换图像集中每个所述转换图像的直方图，确定每个所述转换图像与所述内容图像的相似度；筛选模块，用于将所述转换图像集中，相似度满足预设条件的所述转换图像，作为目标图像，以得到包括至少一个所述目标图像的目标图像集。
[0136]
根据本公开的一个或多个实施例，示例10提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例8中所述方法的步骤。
[0137]
根据本公开的一个或多个实施例，示例11提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例8中所述方法的步骤。
[0138]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0139]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0140]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。