本發(fā)明涉及圖像處理，尤其涉及一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法。

背景技術(shù)：

1、基于美學的圖像優(yōu)化可以包括很多方面，比如：圖像重定焦、亮度對比度調(diào)整、圖像構(gòu)圖優(yōu)化。其中，圖像構(gòu)圖反映出組成圖像的各個部分在整幅圖像中布局的合理性，往往是人們欣賞、評價圖像美學質(zhì)量的首要關(guān)注點，因此顯得尤為重要。

2、目前的圖像構(gòu)圖優(yōu)化方法基本分為三大類：基于構(gòu)圖規(guī)則的優(yōu)化方法、基于學習的優(yōu)化方法以及基于樣例的優(yōu)化方法。

3、(1)基于構(gòu)圖規(guī)則的優(yōu)化方法，基于構(gòu)圖規(guī)則的優(yōu)化方法旨在通過應(yīng)用已知的構(gòu)圖規(guī)則來改善圖像的構(gòu)圖質(zhì)量。這些規(guī)則包括黃金分割、對稱性、平衡性等，它們有助于使圖像看起來更具吸引力和平衡感。該方法的缺點在于，首先，該方法的過程相對復雜，需要對圖像的構(gòu)圖規(guī)則有深入的理解，并將其轉(zhuǎn)化為可執(zhí)行的算法步驟。其次，由于圖像構(gòu)圖的主觀性，需要大量的人工參與來決定如何應(yīng)用這些規(guī)則。這可能會導致不一致性和主觀性的問題，從而影響最終的優(yōu)化效果。

4、(2)基于學習的優(yōu)化方法，基于學習的優(yōu)化方法旨在利用大數(shù)據(jù)對構(gòu)圖特征進行建模，并運用這些特征來生成視覺上更令人愉悅的圖像。一種常見的做法是利用深度學習技術(shù)，通過訓練神經(jīng)網(wǎng)絡(luò)模型來學習圖像的構(gòu)圖特征和美學規(guī)律。這些模型可以從海量的圖像數(shù)據(jù)中學習到構(gòu)圖的潛在模式和規(guī)律，進而在新的圖像上自動應(yīng)用這些學習到的知識，以生成更具吸引力的圖像。該方法的缺點在于，首先，大多數(shù)方法傾向于使用裁剪來處理圖像，以調(diào)整其構(gòu)圖。雖然裁剪可以改善圖像的構(gòu)圖質(zhì)量，但也會導致部分圖像內(nèi)容的丟失，特別是當裁剪區(qū)域與圖像主題相關(guān)時，可能會影響圖像的表達和信息傳遞。此外，一些方法可能會過度依賴于訓練數(shù)據(jù)的特定模式，導致對于一般場景的適應(yīng)能力不足。

5、(3)基于樣例的優(yōu)化方法，基于樣例的優(yōu)化方法旨在借鑒參考圖像的構(gòu)圖進行圖像調(diào)整。在這種方法中，輸入圖像將根據(jù)參考圖像的構(gòu)圖特征和美學風格進行相應(yīng)的調(diào)整，從而達到優(yōu)化圖像構(gòu)圖的目的。這種方法的核心理念是通過參考已有的優(yōu)秀構(gòu)圖樣本，為待優(yōu)化的圖像提供靈感和指導。通常包括以下步驟：首先，從圖像數(shù)據(jù)庫或網(wǎng)絡(luò)資源中檢索與輸入圖像具有相似構(gòu)圖風格或主題的參考圖像。然后，利用檢索到的參考圖像，分析其構(gòu)圖特征，如主體位置、比例、對稱性等，以及整體美學效果。最后，將學習到的構(gòu)圖特征和樣式應(yīng)用到待優(yōu)化的圖像上，通過調(diào)整圖像的布局、剪裁或其他手段，使其構(gòu)圖更加吸引人和符合美學要求。其主要挑戰(zhàn)是如何有效地檢索與輸入圖像構(gòu)圖相似的參考圖像。由于圖像構(gòu)圖涉及多種因素的復雜組合，如主題、背景、構(gòu)圖元素等，因此在圖像數(shù)據(jù)庫中準確地檢索到具有相似構(gòu)圖風格的圖像并非易事。此外，由于圖像的多樣性和個性化需求，同一構(gòu)圖樣式可能有多種不同的表達方式，這進一步增加了檢索和匹配的難度。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對上述至少一項技術(shù)缺陷，提供一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法，更具體是一種基于圖像構(gòu)圖和與原圖相似性評價的圖像質(zhì)量提升方法。實現(xiàn)改進圖像構(gòu)圖的同時，減少視覺失真，并最大程度地保留原始圖像內(nèi)容，實現(xiàn)對圖像的優(yōu)化處理。

2、技術(shù)方案1：一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法，包括以下步驟：

3、確定輸入圖像的構(gòu)圖類別，構(gòu)圖類別包括線性構(gòu)圖或?qū)ΨQ構(gòu)圖；

4、對輸入圖像進行語義分割得到包含語義信息和構(gòu)圖信息的分割結(jié)果圖像；

5、檢測輸入圖像的主語義線，輸出主語義線位置；

6、通過計算主語義線與圖像的三分線或中線的距離，計算基于主語義線的構(gòu)圖評價；

7、通過將主語義線的位置向最佳位置調(diào)整的方法優(yōu)化構(gòu)圖評價，調(diào)整過程中，加權(quán)計算當前圖像的構(gòu)圖評價和當前圖像與原始圖像的相似度評分作為圖像質(zhì)量總評分，輸出圖像質(zhì)量總評分最高的分割結(jié)果圖像；

8、結(jié)合原始圖像和圖像質(zhì)量總評分最高的分割結(jié)果圖像，輸出最終圖像。

9、技術(shù)方案2：一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法，包括以下步驟：

10、確定輸入圖像的構(gòu)圖類別，構(gòu)圖類別包括三分法構(gòu)圖或中心構(gòu)圖；

11、對輸入圖像進行語義分割得到包含語義信息和構(gòu)圖信息的分割結(jié)果圖像；

12、檢測輸入圖像的顯著主體區(qū)域，輸出主體位置；

13、根據(jù)圖像的主體到三分法相交線的四個點或中心線的距離，以及主體是否沿著三分線或者中線放置，計算基于主體的構(gòu)圖評價；

14、通過將主體的位置向最佳位置調(diào)整的方法優(yōu)化基于主體的構(gòu)圖評價，調(diào)整過程中，加權(quán)計算當前圖像的構(gòu)圖評價和當前圖像與原始圖像的相似度評分作為圖像質(zhì)量總評分，輸出圖像質(zhì)量總評分最高的分割結(jié)果圖像；

15、結(jié)合原始圖像和圖像質(zhì)量總評分最高的分割結(jié)果圖像，輸出最終圖像。

16、本發(fā)明的有益效果：本發(fā)明提出的方法綜合考慮了構(gòu)圖與圖像相似性，通過改進的算法和自動化流程實現(xiàn)了對圖像的優(yōu)化處理，使得優(yōu)化后的圖像既符合構(gòu)圖規(guī)則又盡可能保留原始信息。使得該方法在圖像構(gòu)圖優(yōu)化方面表現(xiàn)出了較高的準確性、泛化能力和實用性。

技術(shù)特征：

1.一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，通過將主語義線的位置向最佳位置調(diào)整的方法優(yōu)化構(gòu)圖評價的方法，包括：

3.根據(jù)權(quán)利要求1所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，若輸入圖像的構(gòu)圖類別被檢測為線性構(gòu)圖或?qū)ΨQ構(gòu)圖，則，

4.根據(jù)權(quán)利要求1所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，檢測圖像的主語義線的方法，包括：

5.根據(jù)權(quán)利要求1所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，所述構(gòu)圖類別包括線性構(gòu)圖、對稱構(gòu)圖、三分法構(gòu)圖和中心構(gòu)圖。

6.根據(jù)權(quán)利要求1所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，計算當前圖像與原始圖像的相似度評分的方法，包括以下步驟：

7.一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，包括以下步驟：

8.根據(jù)權(quán)利要求7所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，檢測輸入圖像的顯著主體區(qū)域，輸出主體位置的方法，包括如下步驟：

9.根據(jù)權(quán)利要求7所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，通過將主體的位置向最佳位置調(diào)整的方法優(yōu)化基于主體的構(gòu)圖評價的方法，包括：確定當前優(yōu)化輪次的主體位置，在原始圖像的分割結(jié)果圖像中，采用carving方法通過刪除或插入像素行來逐步調(diào)整主體的位置；

10.根據(jù)權(quán)利要求7所述的基于圖像構(gòu)圖的圖像質(zhì)量提升方法，其特征在于，計算當前圖像與原始圖像的相似度評分的方法，包括以下步驟：

技術(shù)總結(jié)
本發(fā)明公開了一種基于圖像構(gòu)圖的圖像質(zhì)量提升方法，涉及圖像處理技術(shù)領(lǐng)域。方法包括：確定輸入圖像的構(gòu)圖類別；對輸入圖像進行語義分割得到包含語義信息和構(gòu)圖信息的分割結(jié)果圖像；檢測輸入圖像的主語義線，輸出主語義線位置；通過計算主語義線與圖像的三分線或中線的距離，計算基于主語義線的構(gòu)圖評價；通過將主語義線的位置向最佳位置調(diào)整的方法優(yōu)化構(gòu)圖評價，調(diào)整過程中，加權(quán)計算當前圖像的構(gòu)圖評價和當前圖像與原始圖像的相似度評分作為圖像質(zhì)量總評分，輸出圖像質(zhì)量總評分最高的分割結(jié)果圖像。本發(fā)明結(jié)合了構(gòu)圖評價和相似度評價，其圖像質(zhì)量能夠平衡兩者，真實性和構(gòu)圖優(yōu)勢均有提升。

技術(shù)研發(fā)人員：王國英,崔欣雨,莫路鋒
受保護的技術(shù)使用者：浙江農(nóng)林大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6