不僅可以為智能電視，還可以為電腦、手 機(jī)、PAD等終端，本公開實(shí)施例對此不做具體限定。
[0097] 在步驟202中，按照目標(biāo)圖像的特征信息，確定目標(biāo)圖像所屬的圖像類別，該特征 信息包括線條分布情況或者圖像特征。
[0098] 為了對該終端的畫面參數(shù)進(jìn)行調(diào)節(jié)，需要確定目標(biāo)圖像所屬的圖像類別，進(jìn)而針 對不同的圖像類別進(jìn)行不同的調(diào)節(jié)。而在本公開實(shí)施例中，目標(biāo)圖像的特征信息包括線條 分布情況或者圖像特征，因此，當(dāng)目標(biāo)圖像的特征信息為目標(biāo)圖像的線條分布情況時，可以 按照如下第一種方式，確定目標(biāo)圖像所屬的圖像類別，而當(dāng)目標(biāo)圖像的特征信息為目標(biāo)圖 像的圖像特征時，可以按照如下第二種方式，確定目標(biāo)圖像所屬的圖像類別，包括：
[0099] 第一種方式，終端提取目標(biāo)圖像中的水平線和垂直線，得到多條水平線和多條垂 直線；按照UI圖像中線條的分布規(guī)律，對該多條水平線和多條垂直線進(jìn)行過濾；判斷過濾 后剩余的線條數(shù)目是否大于第一指定閾值；當(dāng)過濾后剩余的線條數(shù)目大于第一指定閾值 時，確定目標(biāo)圖像所屬的圖像類別為UI圖像，否則，確定目標(biāo)圖像所屬的圖像類別為非UI 圖像。
[0100] 針對第一種方式，由于π圖像中一般會包括多個應(yīng)用程序的圖標(biāo)，且每個圖標(biāo)一 般都是有規(guī)則的圖形，比如，正方形，因此，UI圖像中的線條有一定的分布規(guī)律，也即是，多 條長度接近且平行的水平線、多條長度接近且平行的垂直線，且水平線與垂直線正交。而 普通的非UI圖像中的線條是凌亂且自然分布的，所以，可以基于目標(biāo)圖像中的線條分布情 況，來確定目標(biāo)圖像所屬的圖像類別。
[0101] 其中，按照π圖像中線條的分布規(guī)律，對該多條水平線和多條垂直線進(jìn)行過濾的 操作可以為：從該多條水平線中，選擇不重疊、互相平行且線條長度之差小于第二指定閾值 的水平線；從該多條垂直線中，選擇不重疊、互相平行且線條長度之差小于第二指定閾值的 垂直線；從選擇的水平線和垂直線中，選擇互相正交的水平線和垂直線。
[0102] 從該多條水平線中，選擇不重疊、互相平行且線條長度之差小于第二指定閾值的 水平線的操作可以為：將該多條水平線進(jìn)行比較，從該多條水平線中，選擇相互之間不存在 交點(diǎn)的水平線，將選擇的不存在交點(diǎn)的水平線確定為不重疊且互相平行的水平線，之后，計(jì) 算選擇的水平線之間的線條長度的差值，將計(jì)算的差值與第二指定閾值進(jìn)行比較，選擇差 值小于第二指定閾值的水平線。同理，從該多條垂直線中，選擇不重疊、互相平行且線條長 度之差小于第二指定閾值的垂直線的操作可以為：將該多條垂直線進(jìn)行比較，從該多條垂 直線中，選擇相互之間不存在交點(diǎn)的垂直線，將選擇的不存在交點(diǎn)的垂直線確定為不重疊 且互相平行的垂直線，之后，計(jì)算選擇的垂直線之間的線條長度的差值，將計(jì)算的差值與第 二指定閾值進(jìn)行比較，選擇差值小于第二指定閾值的垂直線。
[0103] 比如，終端提取目標(biāo)圖像中的水平線和垂直線，得到20條水平線和12條垂直線， 第一指定閾值為4,第二指定閾值為0. 1厘米，從該20條水平線中，選擇不重疊、互相平行且 線條長度之差小于0. 1厘米的水平線的數(shù)量為8條，從該12條垂直線中，選擇不重疊、互相 平行且線條長度之差小于0. 1厘米的垂直線的數(shù)量為5條，而從該8條水平線和5個垂直 線中，選擇互相正交的水平線和垂直線的總線條數(shù)目為2條。因此，過濾后剩余的線條數(shù)目 2條小于第一指定閾值4,確定目標(biāo)圖像所屬的圖像類別為非Π 圖像。
[0104] 需要說明的是，在本公開實(shí)施例中，可以通過hough檢測子來提取目標(biāo)圖像中的 水平線和垂直線，當(dāng)然，實(shí)際應(yīng)用中，還可以通過其他的方式來提取，本公開實(shí)施例對此不 做具體限定。另外，第一指定閾值和第二指定閾值可以是事先基于經(jīng)驗(yàn)設(shè)置的，本公開實(shí)施 例對第一指定閾值和第二指定閾值的大小不做具體限定。
[0105] 第二種方式，終端對目標(biāo)圖像進(jìn)行圖像特征提取，得到目標(biāo)圖像的特征向量；基于 目標(biāo)圖像的特征向量，通過指定分類模型，計(jì)算目標(biāo)圖像的分類數(shù)值；如果計(jì)算得到的分類 數(shù)值為第一指定數(shù)值，則確定目標(biāo)圖像所屬的圖像類別為UI圖像；如果計(jì)算得到的分類數(shù) 值為第二指定數(shù)值，則確定目標(biāo)圖像所屬的圖像類別為非UI圖像。
[0106] 比如，第一指定數(shù)值為0,第二指定數(shù)值為1，終端對目標(biāo)圖像進(jìn)行圖像特征提取， 得到目標(biāo)圖像的特征向量為特征向量1 ;基于目標(biāo)圖像的特征向量1，通過指定分類模型， 計(jì)算目標(biāo)圖像的分類數(shù)值為1 ;確定計(jì)算得到的分類數(shù)值1與第二指定數(shù)值1相等，確定目 標(biāo)圖像所屬的圖像類別為非UI圖像。
[0107] 由于Π 圖像和非Π 圖像的圖像特征不同，所以，終端基于該特征向量，通過指定 分類模型，計(jì)算目標(biāo)圖像的分類數(shù)值之前，可以基于Π 圖像和非Π 圖像來訓(xùn)練一個指定分 類模型，通過該指定分類模型，可以確定目標(biāo)圖像所屬的圖像類別。而訓(xùn)練指定分類模型的 操作可以為：獲取多個第一訓(xùn)練圖像和多個第二訓(xùn)練圖像，該多個第一訓(xùn)練圖像的圖像類 別為UI圖像，該多個第二訓(xùn)練圖像的圖像類別為非UI圖像；對該多個第一訓(xùn)練圖像分別進(jìn) 行圖像特征提取，得到多個第一特征向量，對該多個第二訓(xùn)練圖像分別進(jìn)行圖像特征提取， 得到多個第二特征向量；基于多個第一特征向量和多個第二特征向量，對待訓(xùn)練分類模型 進(jìn)行訓(xùn)練，得到指定分類模型。
[0108] 其中，待訓(xùn)練分類模型是通用的分類模型，實(shí)際應(yīng)用中，可以基于多個第一特征向 量和多個第二特征向量，對待訓(xùn)練分類模型進(jìn)行訓(xùn)練，而基于多個第一特征向量和多個第 二特征向量，對待訓(xùn)練分類模型進(jìn)行訓(xùn)練，得到指定分類模型的方法，可以參考相關(guān)技術(shù)， 本公開實(shí)施對此不進(jìn)行詳細(xì)的闡述。另外，獲取的第一訓(xùn)練圖像的數(shù)量大于或等于第一指 定個數(shù)，獲取的第二訓(xùn)練圖像的數(shù)量大于或等于第二指定個數(shù)，比如，第一指定個數(shù)可以為 100,第二指定個數(shù)也可以為110,本公開實(shí)施例對第一指定個數(shù)和第二指定個數(shù)的大小不 做具體限定。
[0109] 針對第二種方式，對待訓(xùn)練分類模型進(jìn)行訓(xùn)練時，可以對多個第二訓(xùn)練圖像進(jìn)行 分類，也即是，獲取非UI圖像時，可以獲取多個視頻圖像、多個音頻圖像、多個網(wǎng)頁圖像等 等，之后，再通過對獲取的多個第一訓(xùn)練圖像，多個視頻圖像、多個音頻圖像和多個網(wǎng)頁圖 像分別進(jìn)行特征提取，從而對待訓(xùn)練分類模型進(jìn)行訓(xùn)練，得到指定分類模型。這樣，基于目 標(biāo)圖像的特征向量，通過指定分類模型，不僅可以區(qū)分Π 圖像和非Π 圖像，還可以確定目 標(biāo)圖像所屬的圖像類別是非UI圖像中的視頻圖像、音頻圖像或者網(wǎng)頁圖像。對目標(biāo)圖像所 屬圖像類別的劃分粒度更細(xì)，從而可以更好地提高終端顯示畫面內(nèi)容的可視效果，提高用 戶的觀感體驗(yàn)。
[0110] 需要說明的是，在本公開實(shí)施例中，進(jìn)行圖像特征提取時，可以通過梯度方向直方 圖的方式來提取，當(dāng)然，實(shí)際應(yīng)用中，還可以通過其他的方式來提取，比如，灰度圖等，本公 開實(shí)施例對此不做具體限定。另外，第一指定數(shù)值和第二指定數(shù)值可以是訓(xùn)練指定分類模 型時基于經(jīng)驗(yàn)得到，本公開實(shí)施例對第一指定數(shù)值和第二指定數(shù)值的大小不做具體限定。 再者，目標(biāo)圖像的特征向量、多個第一特征向量和多個第二特征向量都可以是多維的特征 向量，本公開實(shí)施例同樣對此不做具體限定。
[0111] 在步驟203中，基于確定的圖像類別，從存儲的圖像類別與畫面參數(shù)之間的對應(yīng) 關(guān)系中，獲取對應(yīng)的畫面參數(shù)。
[0112] 由于不同的圖像類別，適用的畫面參