照片處理裝置及方法

照片處理裝置及方法
【專利摘要】本發明公開了一種照片處理裝置，包括：人臉識別模塊，用于對所述連拍照片中的各個待處理照片進行人臉識別；確定模塊，用于在識別到人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置參數；處理模塊，用于根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或排序處理。本發明還公開了一種照片處理方法。本發明中，用戶在篩選照片時，不需要從眾多的照片中一一進行比對，可以直接通過終端自動進行的篩選和/或排序處理后的照片中選取較優的照片，不僅節約時間，而且篩選過程簡潔。
【專利說明】
照片處理裝置及方法
技術領域
[0001] 本發明涉及圖片處理技術領域，尤其涉及一種照片處理裝置及方法。
【背景技術】
[0002] 目前，人們在生活和工作中，經常使用手機、平板等終端進行拍照。若拍攝的多張 照片之間比較相似，用戶為了節約手機內存，一般會在多張相似的照片中一一進行比對，進 而篩選出理想的照片。例如，為了使得終端在拍照時不錯過用戶理想的照片場景時，用戶通 常會使用終端的連拍功能時，使用連拍功能進行拍照隨之帶來的不便是，用戶需要從眾多 連拍的照片中一一進行比對，進而篩選出理想的照片，不僅浪費時間，而且篩選照片的過程 比較繁瑣。

【發明內容】

[0003] 本發明的主要目的在于提供一種照片處理裝置及方法，旨在實現自動對連拍照片 進行篩選。
[0004] 本發明提供的圖片處理裝置包括：
[0005] 人臉識別模塊，用于對各個待處理照片進行人臉識別；
[0006] 確定模塊，用于在識別到人臉時，確定各個所述待處理照片中的人臉相對于預設 基準位置的位置參數；
[0007] 處理模塊，用于根據各個所述待處理照片對應的位置參數對各個所述待處理照片 進行篩選和/或排序處理。
[0008] 可選的，所述確定模塊還用于確定各個所述待處理照片的清晰度；
[0009] 所述處理模塊還用于在基于所述位置參數進行篩選和/或排序的基礎上，根據各 個所述待處理照片的清晰度對各個所述待處理照片再次進行篩選和/或排序處理。
[0010] 可選的，所述確定模塊還用于確定各個所述待處理照片的清晰度，并根據各個所 述待處理照片的清晰度確定各個所述待處理照片的清晰度分值；
[0011] 所述處理模塊包括：
[0012] 確定單元，用于根據各個所述待處理照片對應的位置參數確定各個所述待處理照 片的位置分值；
[0013] 計算單元，用于按照預設的權重值分別對各個所述待處理照片的所述清晰度分值 和所述位置分值進行加權平均，獲得各個所述待處理照片的綜合得分；
[0014] 處理單元，用于根據各個所述待處理照片的綜合得分對各個所述待處理照片進行 篩選和/或排序處理。
[0015] 可選的，所述確定模塊還用于在所述待處理照片中識別到至少兩個人臉時，分別 計算該待處理照片中識別出的各個人臉相對于預設基準位置的距離;計算該待處理照片中 各個人臉對應的距離的平均距離，并將該待處理照片對應的平均距離確定為該待處理照片 中的人臉相對于預設基準位置的位置參數。
[0016] 可選的，所述確定模塊還用于對各個所述待處理照片進行邊緣濾波，獲得對應的 灰度圖像;確定各個所述待處理照片對應的灰度圖像中每一行像素點中灰度值連續下降的 最長像素點序列，并分別計算各個所述最長像素點序列對應的邊緣灰度變化率;計算各個 所述待處理照片對應的各個邊緣灰度變化率之間的平均值;根據各個所述待處理照片對應 的邊緣灰度變化率的平均值確定清晰度。
[0017] 此外，本發明進一步提供的照片處理方法包括：
[0018] 對各個待處理照片進行人臉識別；
[0019] 在識別到人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置 參數；
[0020] 根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或 排序處理。
[0021] 可選的，所述照片處理方法還包括：
[0022] 確定各個所述待處理照片的清晰度；
[0023] 在基于所述位置參數進行篩選和/或排序的基礎上，根據各個所述待處理照片的 清晰度對各個所述待處理照片再次進行篩選和/或排序處理。
[0024]可選的，所述根據各個所述待處理照片對應的位置參數對各個所述待處理照片進 行篩選和/或排序處理的步驟之前，所述照片處理方法還包括：
[0025]確定各個所述待處理照片的清晰度；
[0026]根據各個所述待處理照片的清晰度確定各個所述待處理照片的清晰度分值；
[0027]所述根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選 和/或排序處理的步驟包括：
[0028]根據各個所述待處理照片對應的位置參數確定各個所述待處理照片的位置分值； [0029]按照預設的權重值分別對各個所述待處理照片的所述清晰度分值和所述位置分 值進行加權平均，獲得各個所述待處理照片的綜合得分；
[0030] 根據各個所述待處理照片的綜合得分對各個所述待處理照片進行篩選和/或排序 處理。
[0031] 可選的，所述確定各個所述待處理照片中的人臉相對于預設基準位置的位置參數 的步驟包括：
[0032]在所述待處理照片中識別到至少兩個人臉時，分別計算該待處理照片中識別出的 各個人臉相對于預設基準位置的距離；
[0033]計算該待處理照片中各個人臉對應的距離的平均距離，并將該待處理照片對應的 平均距離確定為該待處理照片中的人臉相對于預設基準位置的位置參數。
[0034]可選的，所述確定各個所述待處理照片的清晰度的步驟包括：
[0035] 對各個所述待處理照片進行邊緣濾波，獲得對應的灰度圖像；
[0036] 確定各個所述待處理照片對應的灰度圖像中每一行像素點中灰度值連續下降的 最長像素點序列，并分別計算各個所述最長像素點序列對應的邊緣灰度變化率；
[0037] 計算各個所述待處理照片對應的各個邊緣灰度變化率之間的平均值；
[0038]根據各個所述待處理照片對應的邊緣灰度變化率的平均值確定清晰度。
[0039]本發明提出的照片處理裝置及方法，通過對各個待處理照片進行人臉識別，并在 識別到人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置參數，根據 各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或排序處理，從 而用戶在篩選照片時，不需要從眾多的照片中一一進行比對，可以直接通過終端自動進行 的篩選和/或排序處理后的照片中選取較優的照片，不僅節約時間，而且篩選過程簡潔。
【附圖說明】
[0040]圖1為本發明各個實施例涉及的一個可選的終端的硬件結構示意圖；
[0041 ]圖2為本發明照片處理裝置第一實施例的功能模塊示意圖；
[0042]圖3為本發明待處理照片中的人臉坐標位置的一示意圖；
[0043]圖4為本發明待處理照片中的人臉坐標位置的另一示意圖；
[0044]圖5為本發明照片處理裝置第三實施例中處理模塊的細化功能模塊示意圖；
[0045] 圖6為本發明照片處理方法第一實施例的流程示意圖；
[0046] 圖7為本發明照片處理方法第二實施例的流程示意圖。
[0047] 本發明目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。
【具體實施方式】
[0048]應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。 [0049]現在將參考附圖描述實現本發明各個實施例的系統架構。在后續的描述中，使用 用于表示元件的諸如"模塊"、"部件"或"單元"的后綴僅為了有利于本發明的說明，其本身 并沒有特定的意義。因此，"模塊"與"部件"可以混合地使用。
[0050] 具體地，終端可以以各種形式來實施。例如，本發明中描述的終端可以包括諸如移 動電話、智能電話、筆記本電腦、PAD(平板電腦)等等的移動終端以及諸如數字TV、臺式計算 機等等的固定終端。以下各個實施例以終端為手機為例進行說明。本發明各個實施例中的 照片處理裝置均基于上述終端實現。
[0051] 終端對各個待處理照片進行人臉識別；在識別到人臉時，確定各個所述待處理照 片中的人臉相對于預設基準位置的位置參數;根據各個所述待處理照片對應的位置參數對 各個所述待處理照片進行篩選和/或排序處理。
[0052] 作為一種實現方案，上述終端的硬件結構可以如圖1所示。
[0053] 參照圖1，該終端可以包括相機單元110、用戶輸入單元120、存儲器130、處理器140 和通信總線150等等。圖1示出了具有各種組件的終端，但是應理解的是，并不要求實施所有 示出的組件。可以替代地實施更多或更少的組件。以下將詳細描述終端的各個組件。
[0054]相機單元110可以為該終端自帶的攝像頭，可以進行拍照。
[0055] 用戶輸入單元120可以接收用戶輸入的連拍指令等。
[0056] 存儲器130可以是高速RAM存儲器，也可以是穩定的存儲器（non-volatile memory)，例如磁盤存儲器。存儲器130可選的還可以是獨立于前述處理器140的存儲裝置。 作為一種計算機存儲介質的存儲器130中可以存儲照片處理程序，還可以存儲預設的預設 基準位置、預設位置權重值、預設清晰度權重值等。
[0057] 處理器140可以調用存儲器130中存儲的照片處理程序，并執行以下操作：
[0058]對各個待處理照片進行人臉識別；
[0059] 在識別到人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置 參數；
[0060] 根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或 排序處理。
[0061] 處理器140還可以調用存儲器130中存儲的照片處理程序，并執行以下操作：
[0062]確定各個所述待處理照片的清晰度；
[0063]在基于所述位置參數進行篩選和/或排序的基礎上，根據各個所述待處理照片的 清晰度對各個所述待處理照片再次進行篩選處理。
[0064] 處理器140還可以調用存儲器130中存儲的照片處理程序，并執行以下操作：
[0065]確定各個所述待處理照片的清晰度；
[0066]根據各個所述待處理照片的清晰度確定各個所述待處理照片的清晰度分值；
[0067]根據各個所述待處理照片對應的位置參數確定各個所述待處理照片的位置分值； [0068]按照預設的權重值分別對各個所述待處理照片的所述清晰度分值和所述位置分 值進行加權平均，獲得各個所述待處理照片的綜合得分；
[0069]根據各個所述待處理照片的綜合得分對各個所述待處理照片進行篩選和/或排序 處理。
[0070] 處理器140還可以調用存儲器130中存儲的照片處理程序，并執行以下操作：
[0071]在所述待處理照片中識別到至少兩個人臉時，分別計算該待處理照片中識別出的 各個人臉相對于預設基準位置的距離；
[0072]計算該待處理照片中各個人臉對應的距離的平均距離，并將該待處理照片對應的 平均距離確定為該待處理照片中的人臉相對于預設基準位置的位置參數。
[0073] 處理器140還可以調用存儲器130中存儲的照片處理程序，并執行以下操作：
[0074] 對各個所述待處理照片進行邊緣濾波，獲得對應的灰度圖像；
[0075] 確定各個所述待處理照片對應的灰度圖像中每一行像素點中灰度值連續下降的 最長像素點序列，并分別計算各個所述最長像素點序列對應的邊緣灰度變化率；
[0076] 計算各個所述待處理照片對應的各個邊緣灰度變化率之間的平均值；
[0077]根據各個所述待處理照片對應的邊緣灰度變化率的平均值確定清晰度。
[0078]基于上述硬件架構提出本發明照片處理裝置的各個實施例。
[0079] 參照圖2,圖2為本發明照片處理裝置第一實施例的功能模塊示意圖。需要強調的 是，對本領域的技術人員來說，圖2所示功能模塊圖僅僅是一個較佳實施例的示例圖，本領 域的技術人員圍繞圖2所示的照片處理裝置的功能模塊，可輕易進行新的功能模塊的補充； 各功能模塊的名稱是自定義名稱，僅用于輔助理解該照片處理裝置的各個程序功能塊，不 用于限定本發明的技術方案，本發明技術方案的核心是，各自定義名稱的功能模塊所要達 成的功能。
[0080] 本實施例提出一種照片處理裝置，該照片處理裝置可以設置于上述終端上，本實 施例及以下實施例以終端為手機為例進行說明。所述照片處理裝置包括：
[0081 ]人臉識別模塊210，用于對各個待處理照片進行人臉識別；
[0082]在本實施例中，待處理照片可以是預先保存在終端里的，也可以是終端預先拍攝 的，或者也可以是終端當前拍攝的。例如，終端可以邊拍攝邊獲取。可選的，待處理照片為連 拍照片。
[0083] 可選的，終端還包括獲取模塊，用于獲取連拍照片。在本實施例中，可以在接收到 連拍拍照指令時，獲取連拍照片。即，用戶在利用相機單元進行連拍時，會觸發相機界面上 的連拍拍照指令，在用戶觸發連拍拍照控件時，即可視為接收到了連拍拍照指令，則獲取終 端連拍拍照完成后的連拍照片。或者，還可以在接收到連拍處理指令時，獲取連拍照片。即， 終端還可以設置連拍處理控件，可以在照片瀏覽界面中設置連拍處理控件，或者還可以單 獨設置一連拍處理軟件，該連拍處理軟件中可以設置連拍處理控件。在用戶觸發連拍處理 控件時，即可視為接收到了連拍拍照指令，則終端查詢當前存儲的未處理過的連拍照片。在 確定連拍照片時，可以根據照片拍攝的時間來確定，即相鄰兩張照片的拍攝時間間隔小于 預設時間間隔時，則認為這兩張照片之間為連拍。或者，還可以在預設時刻到達時，獲取連 拍照片。即，在預設時刻到達時，則終端查詢當前存儲的未處理過的連拍照片。用戶可以手 動設置預設時刻，或者系統也可以自動設置預設時刻。例如，預設時刻可以自動設置至夜 間、凌晨，該時段用戶一般處于睡眠狀態，手機空閑，因此可以利用該時間段進行后臺自動 處理，從而不占用白天的時間，更加便于用戶使用終端。
[0084] 在本實施例中，假設某一組連拍照片為10張，則其中的每一張照片均可以稱之為 一張待處理照片，因此，該組連拍照片包括10張待處理照片。
[0085] 可以根據現有的人臉識別算法對各個待處理照片進行人臉識別，在此不作詳細說 明。
[0086] 在本實施例及以下實施例中，以連拍照片為例進行說明。應當理解的是，在其他實 施例中，連拍照片也可以時若干相似照片，均在本發明的保護范圍之內。
[0087] 確定模塊220,用于在識別到人臉時，確定各個所述待處理照片中的人臉相對于預 設基準位置的位置參數；
[0088] 在本實施例中，由于是連拍照片，因此，若某一張待處理照片可以識別到人臉，則 連拍照片中的所有待處理照片一般均可以識別到人臉。因此，可以在所有待處理照片均可 以識別到人臉時，則判定為識別到了人臉。特殊情況下，若在連拍過程中目標人物一直處于 運動狀態，則可能只有部分待處理照片可以識別到人臉。因此，還可以在連拍照片中的預設 數量的待處理照片中可以識別到人臉時，則判定為識別到了人臉，且在后續處理過程中只 對可以識別到人臉的待處理照片進行處理，其他不可識別到人臉的待處理照片則認為不是 用戶期望場景的照片，可以直接將其做標記處理，以提示用戶這些待處理照片不符合要求， 或者還可以直接將其刪除。
[0089]上述位置參數可以包括距離參數和/或方向參數。上述預設基準位置即為用戶期 望的照片場景中的人臉的位置，可以由用戶自行設置或者為終端預設的。若用戶期望照片 場景中的人臉位于照片正中間，則預設基準位置可以設置為照片正中間。若用戶期望照片 場景中的人臉位于照片左上方，則預設基準位置可以設置為照片左上方。可以采用坐標的 形式表征預設基準位置。例如，可以將照片中正中間的像素的坐標定義為(〇,〇)，預設基準 位置的坐標可以為(〇,〇)。
[0090]人臉的位置也可以采用坐標的形式表征。可以將識別到的人臉的中心位置的坐標 定義為人臉的位置，或者將人臉中某一器官的預設位置(例如鼻子、瞳孔等）的坐標定義為 人臉的位置。例如，如圖3所示，圖3為本發明待處理照片中的人臉坐標位置的一示意圖，預 設基準位置點O的坐標為(〇,〇)，若識別到某一待處理照片中有一人臉位于待處理照片的右 上方，該人臉的中心位置的坐標為(30,40)，通過坐標(30,40)即可以確定人臉的距離為50， 也可以確定人臉的方向。
[0091] 在確定待處理照片中的人臉相對于預設基準位置的位置參數時，可以分為以下兩 種情況：
[0092] 第一種情況:待處理照片中識別到的人臉數量為一個時，則識別到的人臉相對于 預設基準位置的位置參數即可確定為所述待處理照片中的人臉的位置參數。如圖3所示，該 待處理照片中只識別到一張人臉，因此，該待處理照片中的人臉相對于預設基準位置的位 置參數為(30,40)。
[0093]第二種情況，待處理照片中識別到的人臉數量為至少兩個時，分別計算該待處理 照片中識別出的各個人臉相對于預設基準位置的距離;計算該待處理照片中各個人臉對應 的距離的平均距離，并將該待處理照片對應的平均距離確定為該待處理照片中的人臉相對 于預設基準位置的位置參數。例如，如圖4所示，圖4為本發明待處理照片中的人臉坐標位置 的另一示意圖，預設基準位置點〇的坐標為(〇,〇)，圖4中的待處理照片識別到了兩個人臉， 人臉A的坐標為(300,400)，則人臉A相對于預設基準位置的距離為500;人臉B的坐標為(40， 30 )，則人臉B相對于預設基準位置的距離為50，因此，該待處理照片中的人臉A和人臉B對應 的距離的平均距離為275。則該待處理照片中的人臉相對于預設基準位置的距離為275,即 該待處理照片中的人臉相對于預設基準位置的位置參數為275。
[0094]或者，待處理照片中識別到的人臉數量為至少兩個時，還可以分別確定該待處理 照片中識別出的各個人臉相對于預設基準位置的坐標;計算各個人臉對應的坐標的橫坐標 的平均值以及縱坐標的平均值，將所述橫坐標的平均值確定為該待處理照片中的人臉相對 于預設基準位置的橫坐標，將所述縱坐標的平均值確定為該待處理照片中的人臉相對于預 設基準位置的縱坐標。如圖4所示，人臉A的坐標為(300，400 )，人臉B的坐標為(40，30 )，則橫 坐標的平均值為170,縱坐標的平均值為215,因此，該待處理照片中的人臉相對于預設基準 位置的坐標為（170,215)。
[0095]處理模塊230，用于根據各個所述待處理照片對應的位置參數對各個所述待處理 照片進行篩選和/或排序處理。
[0096]在本實施例中，可以根據位置參數計算該待處理照片中的人臉相對于預設基準位 置的距離。如圖3所示的待處理照片中的人臉相對于預設基準位置的距離為50。如圖4所示 的待處理照片中的兩個人臉相對于預設基準位置的距離為275。
[0097] 可以根據待處理照片中的人臉對應的距離進行篩選和/或排序處理。距離越小，則 認為該待處理照片越符合用戶需求的照片場景。
[0098]例如，若某一連拍照片包括5張待處理照片，待處理照片1中的人臉相對于預設基 準位置的距離為49,待處理照片2中的人臉相對于預設基準位置的距離為47,待處理照片3 中的人臉相對于預設基準位置的距離為48,待處理照片4中的人臉相對于預設基準位置的 距離為50，待處理照片5中的人臉相對于預設基準位置的距離為51。因此，待處理照片2相對 于預設基準位置的距離最小，可以認為待處理照片2為最符合用戶需求場景的照片。
[0099]在對待處理照片進行處理時，可以只將人臉相對于預設基準位置的距離最小的待 處理照片篩選出來，可以對篩選出來的待處理照片進行標記，以提示用戶該待處理照片為 最優照片。其余待處理照片可以直接刪除，或者也可以進行另一種形式的標記，以提示用戶 這些待處理照片不是最優照片。
[0100]在對待處理照片進行處理時，還可以按照各個待處理照片中的人臉相對于預設基 準位置的距離的大小對各個待處理照片進行排序處理。可以按照距離從小到大的方式進行 排序，例如，對于上述5張連拍照片，可以按照距離從小到大排序為:待處理照片2、待處理照 片3、待處理照片1、待處理照片4、待處理照片5。其中，排序越靠前，則認為該待處理照片越 優。同樣，還可以按照距離從大到小的方式進行排序，排序越靠后，則認為該待處理照片越 優。可選的，在排序后，可以按照重新排序后的待處理照片順序將各個待處理照片顯示于終 端上，以供用戶直觀的觀看排序后的待處理照片，更加便于用戶進行后續的刪選處理。 [0101]在對待處理照片進行處理時，還可以將篩選與排序的方式進行結合。例如，可以先 根據距離篩選出預設數量的待處理照片，然后再根據距離對各個待處理照片進行排序。或 者，還可以先對各個待處理照片進行排序，然后再篩選出預設數量的最優的待處理照片。而 對于沒被篩選的待處理照片，可以直接刪除，從而可以有效地將照片場景較差的照片自動 刪除，節約終端的存儲空間，用戶也不必手動刪除，更加便于用戶的使用。
[0102] 應當說明的是，在至少兩個待處理照片對應的距離相等時，則這兩個待處理照片 的排序可以隨機。
[0103] 本發明提供的照片處理裝置，通過對各個待處理照片進行人臉識別，并在識別到 人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置參數，根據各個所 述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或排序處理，從而用戶 在篩選照片時，不需要從眾多的照片中一一進行比對，可以直接通過終端自動進行的篩選 和/或排序處理后的照片中選取較優的照片，不僅節約時間，而且篩選過程簡潔。
[0104] 進一步地，基于本發明照片處理裝置的第一實施例，本發明還提出了照片處理裝 置的第二實施例，所述確定模塊220還用于確定各個所述待處理照片的清晰度；
[0105] 所述處理模塊230還用于在基于所述位置參數進行篩選和/或排序的基礎上，根據 各個所述待處理照片的清晰度對各個所述待處理照片再次進行篩選和/或排序處理。
[0106] 可以先基于位置參數從各個待處理照片中篩選出部分待處理照片，該過程可以稱 之為第一次篩選。例如，可以篩選出位置參數最優的預設數量的待處理照片。然后再根據清 晰度對第一次篩選出的待處理照片進行第二次篩選和/或排序處理。
[0107] 本實施例進一步通過清晰度對連拍照片進行篩選和/或排序處理，從而使得在連 拍照片能夠同時根據位置參數和根據清晰度進行篩選和/或排序處理，進一步擴大了照片 篩選和排序的準確性。
[0108] 進一步地，基于本發明照片處理裝置的第一或第二實施例，本發明還提出了照片 處理裝置的第三實施例，所述確定模塊220還用于在識別不到人臉時，確定各個所述待處理 照片的清晰度；
[0109] 在本實施例中，有時連拍照片可能不是為了拍攝人，也有可能時為了拍攝風景、動 物等。因此，這種情況下識別不到人臉。可以在所有待處理照片均識別不到人臉時，則判定 為識別不到人臉。還可以在連拍照片中的預設數量的待處理照片中識別不到人臉時，則判 定為識別不到人臉。
[0110] 確定待處理照片的清晰度的方式可以采用現有的圖像清晰度計算算法。
[0111]所述處理模塊230還用于根據各個所述待處理照片的清晰度對各個所述待處理照 片進行篩選和/或排序處理。
[0112] 在對待處理照片進行處理時，可以只將清晰度最高的待處理照片篩選出來，可以 對篩選出來的待處理照片進行標記，以提示用戶該待處理照片為最優照片。其余待處理照 片可以直接刪除，或者也可以進行另一種形式的標記，以提示用戶這些待處理照片不是最 優照片。
[0113]在對待處理照片進行處理時，還可以按照各個待處理照片的清晰度的大小對各個 待處理照片進行排序處理。可以按照清晰度從小到大的方式進行排序，例如，可以按照清晰 度從小到大的方式進行排序，排序越靠前，則認為該待處理照片越優。同樣，還可以按照清 晰度從大到小的方式進行排序，排序越靠后，則認為該待處理照片越優。可選的，在排序后， 可以按照重新排序后的待處理照片順序將各個待處理照片顯示于終端上，以供用戶直觀的 觀看排序后的待處理照片，更加便于用戶進行后續的刪選處理。
[0114] 在對待處理照片進行處理時，還可以將篩選與排序的方式進行結合。例如，可以先 根據清晰度篩選出預設數量的待處理照片，然后再根據清晰度對各個待處理照片進行排 序。或者，還可以先對各個待處理照片進行排序，然后再根據清晰度篩選出預設數量的最優 的待處理照片。而對于沒被篩選的待處理照片，可以直接刪除，從而可以有效地將照片場景 較差的照片自動刪除，節約終端的存儲空間，用戶也不必手動刪除，更加便于用戶的使用。
[0115] 應當說明的是，在至少兩個待處理照片對應的清晰度相等時，則這兩個待處理照 片的排序可以隨機。
[0116] 本實施例進一步通過清晰度對連拍照片進行篩選和/或排序處理，從而使得在連 拍照片中沒有人臉時，仍然能夠進一步根據清晰度進行篩選和/或排序處理，進一步擴大了 該照片處理方法的應用場景范圍。
[0117] 進一步地，為了進一步提高篩選最優照片的準確性，基于本發明照片處理裝置的 第一實施例，本發明還提出了照片處理裝置的第四實施例，所述確定模塊220還用于確定各 個所述待處理照片的清晰度，并根據各個所述待處理照片的清晰度確定各個所述待處理照 片的清晰度分值；
[0118] 在本實施例中，確定待處理照片的清晰度的方式可以采用現有的圖像清晰度計算 算法。
[0119] 可選的，在本實施例中，待處理照片的清晰度越高，則清晰度分值可以越高。可以 理解的是，在其他實施例中，也可以待處理照片的清晰度越高，則清晰度分值越低。可選的， 可以先對各個待處理照片按照清晰度進行排序。例如，對于上述第一實施例中距離的5張連 拍照片，假設按照清晰度從大到小排序為:待處理照片2、待處理照片5、待處理照片1、待處 理照片4、待處理照片3,則待處理照片2、待處理照片5、待處理照片1、待處理照片4、待處理 照片3的清晰度分值分別為5、4、3、2、1。
[0120]參照圖5,圖5為本發明照片處理裝置第三實施例中處理模塊的細化功能模塊示意 圖，所述處理模塊230包括：
[0121]確定單元231，用于根據各個所述待處理照片對應的位置參數確定各個所述待處 理照片的位置分值；
[0122]可選的，在本實施例中，待處理照片的人臉相對于預設基準位置的距離越小，則位 置分值越高。可以理解的是，在其他實施例中，也可以待處理照片的人臉相對于預設基準位 置的距離越大，則位置分值越高。可選的，可以先對各個待處理照片按照距離大小進行排 序。例如，對于上述第一實施例中距離的5張連拍照片，假設按照距離從小到大排序為:待處 理照片2、待處理照片3、待處理照片1、待處理照片4、待處理照片5,則待處理照片2、待處理 照片3、待處理照片1、待處理照片4、待處理照片5對應的清晰度分值可以分別為5、4、3、2、1。
[0123] 待處理照片1、待處理照片2、待處理照片3、待處理照片4、待處理照片5對應的位置 分值以及清晰度分值如表1所示：
[0124] 表1
L〇126」計算早兀232,用十按照餓設的權里值分別對谷個所述待處理照片的所述清晰度 分值和所述位置分值進行加權平均，獲得各個所述待處理照片的綜合得分；
[0127] 其中，加權平均過程如下：計算各個所述待處理照片的位置分值與預設位置權重 值的第一乘積，以及各個所述待處理照片的清晰度分值與預設清晰度權重值的第二乘積， 并計算各個所述待處理照片的第一乘積與第二乘積之和。
[0128] 在本實施例中，預設位置權重值和預設清晰度權重值可以根據實際需要進行設 置。可選的，預設位置權重值與預設清晰度權重值之和可以為1。
[0129] 預設位置權重值和預設清晰度權重值可以由用戶自行設置，若用戶對人臉位置比 較關注，則可以將預設位置權重值設置為更大些，例如，預設位置權重值可以為0.6,預設清 晰度權重值可以為0.4。若用戶對人臉位置和清晰度同樣關注，則預設位置權重值和預設清 晰度權重值可以均設置為〇. 5。
[0130] 在本實施例中，假設用戶更加關注圖像的清晰度，因此可以將預設清晰度權重值 設置為〇. 7，將預設位置權重值設置為0.3，最終計算的第一乘積、第二乘積和綜合得分如表 1所示。
[0131]處理單元233,用于根據各個所述待處理照片的綜合得分對各個所述待處理照片 進行篩選和/或排序處理。
[0132]在對待處理照片進行處理時，可以只將綜合得分最大的待處理照片篩選出來，可 以對篩選出來的待處理照片進行標記，以提示用戶該待處理照片為最優照片。其余待處理 照片可以直接刪除，或者也可以進行另一種形式的標記，以提示用戶這些待處理照片不是 最優照片。
[0133]在對待處理照片進行處理時，還可以按照各個待處理照片的綜合得分的大小對各 個待處理照片進行排序處理。可以按照綜合得分從大到小的方式進行排序，例如，對于上述 5張連拍照片，可以按照綜合得分從大到小排序為:待處理照片2、待處理照片3、待處理照片 1、待處理照片4、待處理照片5。其中，排序越靠前，則認為該待處理照片越優。同樣，還可以 按照距離從小到大的方式進行排序，排序越靠后，則認為該待處理照片越優。可選的，在排 序后，可以按照重新排序后的待處理照片順序將各個待處理照片顯示于終端上，以供用戶 直觀的觀看排序后的待處理照片，更加便于用戶進行后續的刪選處理。
[0134] 在對待處理照片進行處理時，還可以將篩選與排序的方式進行結合。例如，可以先 根據綜合得分篩選出預設數量的待處理照片，然后再根據綜合得分的大小對各個待處理照 片進行排序。或者，還可以先對各個待處理照片進行排序，然后再篩選出預設數量的最優的 待處理照片。而對于沒被篩選的待處理照片，可以直接刪除，從而可以有效地將照片場景較 差的照片自動刪除，節約終端的存儲空間，用戶也不必手動刪除，更加便于用戶的使用。
[0135] 應當說明的是，在至少兩個待處理照片對應的綜合得分相等時，則這兩個待處理 照片的排序可以隨機。
[0136] 進一步地，為了進一步提高對待處理照片清晰度計算的準確性，基于本發明照片 處理裝置的第二至第四任一實施例，本發明還提出了照片處理裝置的第五實施例，所述確 定模塊220還用于對各個所述待處理照片進行邊緣濾波，獲得對應的灰度圖像;確定各個所 述待處理照片對應的灰度圖像中每一行像素點中灰度值連續下降的最長像素點序列，并分 別計算各個所述最長像素點序列對應的邊緣灰度變化率;計算各個所述待處理照片對應的 各個邊緣灰度變化率之間的平均值;根據各個所述待處理照片對應的邊緣灰度變化率的平 均值確定清晰度；
[0137] 其中，所述待處理照片對應的邊緣灰度變化率的平均值越大，所述待處理照片越 清晰。
[0138] 在本實施例中，在計算待處理照片的清晰度時，首先對待處理照片進行邊緣保持 濾波，獲得該待處理照片對應的灰度圖像;然后對灰度圖像的每一行隔一個像素取一個灰 度值，則得到了一個新的灰度矩陣να，j)。從而在后續的處理中利用獲得的灰度矩陣να， j)進行計算即可，可以有效地提高運算效率。可以理解的是，在其他實施例中，也可以直接 利用獲得的灰度圖像進行后續的計算。
[0139] 同時定義一個初始值為零的變量a;接著對每一行數據進行分析，根據公式:V(i， 」_)>￥(^+1)>￥(^+2)，1彡<11，1<衫 111-2，找出每一行中灰度值連續下降起止像素點間 隔的像素點數account的最大值，及其對應的像素起止點位置以及起止位置對應像素點的 灰度值，當一行中account的最大值不止一個時，則找出灰度值相差最大的像素點的起止位 置;然后在矩陣V(I，J)中找出起止點間所有像素點的灰度值，由于實際邊緣像素點的灰度 值不一定呈嚴格的線性變化，為了更準確地表示圖像邊緣的灰度變化，有必要對其進行直 線擬合，這里采用最小二乘法原理對邊緣灰度值進行直線擬合。最小二乘法是一種數學優 化技術，它通過最小化誤差的平方和找到一組數據的最佳函數匹配。記擬合直線的斜率為 value，顯然value反映了邊緣灰度變化的快慢，即value為對應的邊緣灰度變化率，每計算 一次value，變量a的值加1;接下來對所有行垂直下降邊緣的灰度變化率的絕對值求和，即 得整幅圖像的灰度變化率和SI，即：Sl = Σ Ivaluel，最后可求得灰度變化率和的平均值S 為:S = S Ι/a。該方法以灰度變化率絕對值和的平均值S為衡量圖像清晰度的指標，越清晰的 圖像，其對應的S越大。
[0140]本發明進一步提供一種照片處理方法，該照片處理方法可以基于上述終端實現， 本實施例及以下實施例以終端為手機為例進行說明。參照圖6,圖6為本發明照片處理方法 第一實施例的流程示意圖，所述照片處理方法包括：
[0141 ] 步驟SlO，對各個待處理照片進行人臉識別；
[0142] 在本實施例中，待處理照片可以是預先保存在終端里的，也可以是終端預先拍攝 的，或者也可以是終端當前拍攝的。例如，終端可以邊拍攝邊獲取。可選的，待處理照片為連 拍照片。
[0143] 可選的，步驟SlO之前，還包括:獲取連拍照片。在本實施例中，可以在接收到連拍 拍照指令時，獲取連拍照片。即，用戶在利用相機單元進行連拍時，會觸發相機界面上的連 拍拍照指令，在用戶觸發連拍拍照控件時，即可視為接收到了連拍拍照指令，則獲取終端連 拍拍照完成后的連拍照片。或者，還可以在接收到連拍處理指令時，獲取連拍照片。即，終端 還可以設置連拍處理控件，可以在照片瀏覽界面中設置連拍處理控件，或者還可以單獨設 置一連拍處理軟件，該連拍處理軟件中可以設置連拍處理控件。在用戶觸發連拍處理控件 時，即可視為接收到了連拍拍照指令，則終端查詢當前存儲的未處理過的連拍照片。在確定 連拍照片時，可以根據照片拍攝的時間來確定，即相鄰兩張照片的拍攝時間間隔小于預設 時間間隔時，則認為這兩張照片之間為連拍。或者，還可以在預設時刻到達時，獲取連拍照 片。即，在預設時刻到達時，則終端查詢當前存儲的未處理過的連拍照片。用戶可以手動設 置預設時刻，或者系統也可以自動設置預設時刻。例如，預設時刻可以自動設置至夜間、凌 晨，該時段用戶一般處于睡眠狀態，手機空閑，因此可以利用該時間段進行后臺自動處理， 從而不占用白天的時間，更加便于用戶使用終端。
[0144] 在本實施例中，假設某一組連拍照片為10張，則其中的每一張照片均可以稱之為 一張待處理照片，因此，該組連拍照片包括10張待處理照片。
[0145] 可以根據現有的人臉識別算法對各個待處理照片進行人臉識別，在此不作詳細說 明。
[0146] 在本實施例及以下實施例中，以連拍照片為例進行說明。應當理解的是，在其他實 施例中，連拍照片也可以時若干相似照片，均在本發明的保護范圍之內。
[0147]在識別到人臉時，則執行步驟S20;
[0148] 步驟S20,確定各個所述待處理照片中的人臉相對于預設基準位置的位置參數；
[0149] 在本實施例中，由于是連拍照片，因此，若某一張待處理照片可以識別到人臉，則 連拍照片中的所有待處理照片一般均可以識別到人臉。因此，可以在所有待處理照片均可 以識別到人臉時，則判定為識別到了人臉。特殊情況下，若在連拍過程中目標人物一直處于 運動狀態，則可能只有部分待處理照片可以識別到人臉。因此，還可以在連拍照片中的預設 數量的待處理照片中可以識別到人臉時，則判定為識別到了人臉，且在后續處理過程中只 對可以識別到人臉的待處理照片進行處理，其他不可識別到人臉的待處理照片則認為不是 用戶期望場景的照片，可以直接將其做標記處理，以提示用戶這些待處理照片不符合要求， 或者還可以直接將其刪除。
[0150] 上述位置參數可以包括距離參數和/或方向參數。上述預設基準位置即為用戶期 望的照片場景中的人臉的位置，可以由用戶自行設置或者為終端預設的。若用戶期望照片 場景中的人臉位于照片正中間，則預設基準位置可以設置為照片正中間。若用戶期望照片 場景中的人臉位于照片左上方，則預設基準位置可以設置為照片左上方。可以采用坐標的 形式表征預設基準位置。例如，可以將照片中正中間的像素的坐標定義為(〇,〇)，預設基準 位置的坐標可以為(〇,〇)。
[0151] 人臉的位置也可以采用坐標的形式表征。可以將識別到的人臉的中心位置的坐標 定義為人臉的位置，或者將人臉中某一器官的預設位置(例如鼻子、瞳孔等）的坐標定義為 人臉的位置。例如，如圖3所示，預設基準位置的坐標為(0,0)，若識別到某一待處理照片中 有一人臉位于待處理照片的右上方，該人臉的中心位置的坐標為（30,40)，通過坐標（30， 40)即可以確定人臉的距離為50,也可以確定人臉的方向。
[0152] 在確定待處理照片中的人臉相對于預設基準位置的位置參數時，可以分為以下兩 種情況：
[0153] 第一種情況:待處理照片中識別到的人臉數量為一個時，則識別到的人臉相對于 預設基準位置的位置參數即可確定為所述待處理照片中的人臉的位置參數。如圖3所示，該 待處理照片中只識別到一張人臉，因此，該待處理照片中的人臉相對于預設基準位置的位 置參數為(30,40)。
[0154]第二種情況，待處理照片中識別到的人臉數量為至少兩個時，分別計算該待處理 照片中識別出的各個人臉相對于預設基準位置的距離;計算該待處理照片中各個人臉對應 的距離的平均距離，并將該待處理照片對應的平均距離確定為該待處理照片中的人臉相對 于預設基準位置的位置參數。例如，如圖4所示，預設基準位置的坐標為(0,0)，圖4中的待處 理照片識別到了兩個人臉，人臉A的坐標為(300，400 )，則人臉A相對于預設基準位置的距離 為500;人臉B的坐標為(40，30 )，則人臉B相對于預設基準位置的距離為50，因此，該待處理 照片中的人臉A和人臉B對應的距離的平均距離為275。則該待處理照片中的人臉相對于預 設基準位置的距離為275,即該待處理照片中的人臉相對于預設基準位置的位置參數為 275。
[0155]或者，待處理照片中識別到的人臉數量為至少兩個時，還可以分別確定該待處理 照片中識別出的各個人臉相對于預設基準位置的坐標;計算各個人臉對應的坐標的橫坐標 的平均值以及縱坐標的平均值，將所述橫坐標的平均值確定為該待處理照片中的人臉相對 于預設基準位置的橫坐標，將所述縱坐標的平均值確定為該待處理照片中的人臉相對于預 設基準位置的縱坐標。如圖4所示，人臉A的坐標為(300，400 )，人臉B的坐標為(40，30 )，則橫 坐標的平均值為170,縱坐標的平均值為215,因此，該待處理照片中的人臉相對于預設基準 位置的坐標為（170,215)。
[0156]步驟S30,根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行 篩選和/或排序處理。
[0157] 在本實施例中，可以根據位置參數計算該待處理照片中的人臉相對于預設基準位 置的距離。如圖3所示的待處理照片中的人臉相對于預設基準位置的距離為50。如圖4所示 的待處理照片中的兩個人臉相對于預設基準位置的距離為275。
[0158] 可以根據待處理照片中的人臉對應的距離進行篩選和/或排序處理。距離越小，則 認為該待處理照片越符合用戶需求的照片場景。
[0159] 例如，若某一連拍照片包括5張待處理照片，待處理照片1中的人臉相對于預設基 準位置的距離為49,待處理照片2中的人臉相對于預設基準位置的距離為47,待處理照片3 中的人臉相對于預設基準位置的距離為48,待處理照片4中的人臉相對于預設基準位置的 距離為50，待處理照片5中的人臉相對于預設基準位置的距離為51。因此，待處理照片2相對 于預設基準位置的距離最小，可以認為待處理照片2為最符合用戶需求場景的照片。
[0160]在對待處理照片進行處理時，可以只將人臉相對于預設基準位置的距離最小的待 處理照片篩選出來，可以對篩選出來的待處理照片進行標記，以提示用戶該待處理照片為 最優照片。其余待處理照片可以直接刪除，或者也可以進行另一種形式的標記，以提示用戶 這些待處理照片不是最優照片。
[0161] 在對待處理照片進行處理時，還可以按照各個待處理照片中的人臉相對于預設基 準位置的距離的大小對各個待處理照片進行排序處理。可以按照距離從小到大的方式進行 排序，例如，對于上述5張連拍照片，可以按照距離從小到大排序為:待處理照片2、待處理照 片3、待處理照片1、待處理照片4、待處理照片5。其中，排序越靠前，則認為該待處理照片越 優。同樣，還可以按照距離從大到小的方式進行排序，排序越靠后，則認為該待處理照片越 優。可選的，在排序后，可以按照重新排序后的待處理照片順序將各個待處理照片顯示于終 端上，以供用戶直觀的觀看排序后的待處理照片，更加便于用戶進行后續的刪選處理。
[0162] 在對待處理照片進行處理時，還可以將篩選與排序的方式進行結合。例如，可以先 根據距離篩選出預設數量的待處理照片，然后再根據距離對各個待處理照片進行排序。或 者，還可以先對各個待處理照片進行排序，然后再篩選出預設數量的最優的待處理照片。而 對于沒被篩選的待處理照片，可以直接刪除，從而可以有效地將照片場景較差的照片自動 刪除，節約終端的存儲空間，用戶也不必手動刪除，更加便于用戶的使用。
[0163] 應當說明的是，在至少兩個待處理照片對應的距離相等時，則這兩個待處理照片 的排序可以隨機。
[0164] 本發明提供的照片處理方法，通過對各個待處理照片進行人臉識別，并在識別到 人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置參數，根據各個所 述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或排序處理，從而用戶 在篩選照片時，不需要從眾多的照片中一一進行比對，可以直接通過終端自動進行的篩選 和/或排序處理后的照片中選取較優的照片，不僅節約時間，而且篩選過程簡潔。
[0165] 進一步地，基于本發明照片處理方法的第一實施例，本發明還提出了照片處理方 法的第二實施例，所述照片處理方法還包括:確定各個所述待處理照片的清晰度；
[0166] 在基于所述位置參數進行篩選和/或排序的基礎上，根據各個所述待處理照片的 清晰度對各個所述待處理照片再次進行篩選和/或排序處理。
[0167] 可以先基于位置參數從各個待處理照片中篩選出部分待處理照片，該過程可以稱 之為第一次篩選。例如，可以篩選出位置參數最優的預設數量的待處理照片。然后再根據清 晰度對第一次篩選出的待處理照片進行第二次篩選和/或排序處理。
[0168] 本實施例進一步通過清晰度對連拍照片進行篩選和/或排序處理，從而使得在連 拍照片能夠同時根據位置參數和根據清晰度進行篩選和/或排序處理，進一步擴大了照片 篩選和排序的準確性。
[0169] 進一步地，基于本發明照片處理方法的第一或第二實施例，本發明還提出了照片 處理方法的第三實施例，參照圖7,圖7為本發明照片處理方法第二實施例的流程示意圖，所 述照片處理方法還包括：
[0170]在識別不到人臉時，則執行步驟S40;
[0171]步驟S40，確定各個所述待處理照片的清晰度；
[0172] 在本實施例中，有時連拍照片可能不是為了拍攝人，也有可能時為了拍攝風景、動 物等。因此，這種情況下識別不到人臉。可以在所有待處理照片均識別不到人臉時，則判定 為識別不到人臉。還可以在連拍照片中的預設數量的待處理照片中識別不到人臉時，則判 定為識別不到人臉。
[0173] 確定待處理照片的清晰度的方式可以采用現有的圖像清晰度計算算法。
[0174]步驟S50,根據各個所述待處理照片的清晰度對各個所述待處理照片進行篩選和/ 或排序處理。
[0175] 在對待處理照片進行處理時，可以只將清晰度最高的待處理照片篩選出來，可以 對篩選出來的待處理照片進行標記，以提示用戶該待處理照片為最優照片。其余待處理照 片可以直接刪除，或者也可以進行另一種形式的標記，以提示用戶這些待處理照片不是最 優照片。
[0176] 在對待處理照片進行處理時，還可以按照各個待處理照片的清晰度的大小對各個 待處理照片進行排序處理。可以按照清晰度從小到大的方式進行排序，例如，可以按照清晰 度從小到大的方式進行排序，排序越靠前，則認為該待處理照片越優。同樣，還可以按照清 晰度從大到小的方式進行排序，排序越靠后，則認為該待處理照片越優。可選的，在排序后， 可以按照重新排序后的待處理照片順序將各個待處理照片顯示于終端上，以供用戶直觀的 觀看排序后的待處理照片，更加便于用戶進行后續的刪選處理。
[0177] 在對待處理照片進行處理時，還可以將篩選與排序的方式進行結合。例如，可以先 根據清晰度篩選出預設數量的待處理照片，然后再根據清晰度對各個待處理照片進行排 序。或者，還可以先對各個待處理照片進行排序，然后再根據清晰度篩選出預設數量的最優 的待處理照片。而對于沒被篩選的待處理照片，可以直接刪除，從而可以有效地將照片場景 較差的照片自動刪除，節約終端的存儲空間，用戶也不必手動刪除，更加便于用戶的使用。
[0178] 應當說明的是，在至少兩個待處理照片對應的清晰度相等時，則這兩個待處理照 片的排序可以隨機。
[0179] 本實施例進一步通過清晰度對連拍照片進行篩選和/或排序處理，從而使得在連 拍照片中沒有人臉時，仍然能夠進一步根據清晰度進行篩選和/或排序處理，進一步擴大了 該照片處理方法的應用場景范圍。
[0180]進一步地，為了進一步提高篩選最優照片的準確性，基于本發明照片處理方法的 第一實施例，本發明還提出了照片處理方法的第四實施例，
[0181 ]所述步驟S30之前，所述照片處理方法還包括：
[0182] 確定各個所述待處理照片的清晰度；
[0183] 根據各個所述待處理照片的清晰度確定各個所述待處理照片的清晰度分值；
[0184] 在本實施例中，確定待處理照片的清晰度的方式可以采用現有的圖像清晰度計算 算法。
[0185] 可選的，在本實施例中，待處理照片的清晰度越高，則清晰度分值可以越高。可以 理解的是，在其他實施例中，也可以待處理照片的清晰度越高，則清晰度分值越低。可選的， 可以先對各個待處理照片按照清晰度進行排序。例如，對于上述第一實施例中距離的5張連 拍照片，假設按照清晰度從大到小排序為:待處理照片2、待處理照片5、待處理照片1、待處 理照片4、待處理照片3,則待處理照片2、待處理照片5、待處理照片1、待處理照片4、待處理 照片3的清晰度分值分別為5、4、3、2、1。
[0186] 所述步驟S30包括：
[0187] 根據各個所述待處理照片對應的位置參數確定各個所述待處理照片的位置分值；
[0188] 按照預設的權重值分別對各個所述待處理照片的所述清晰度分值和所述位置分 值進行加權平均，獲得各個所述待處理照片的綜合得分；
[0189] 其中，加權平均過程如下：計算各個所述待處理照片的位置分值與預設位置權重 值的第一乘積，以及各個所述待處理照片的清晰度分值與預設清晰度權重值的第二乘積， 并計算各個所述待處理照片的第一乘積與第二乘積之和。
[0190]根據各個所述待處理照片的綜合得分對各個所述待處理照片進行篩選和/或排序 處理。
[0191] 可選的，在本實施例中，待處理照片的人臉相對于預設基準位置的距離越小，則位 置分值越高。可以理解的是，在其他實施例中，也可以待處理照片的人臉相對于預設基準位 置的距離越大，則位置分值越高。可選的，可以先對各個待處理照片按照距離大小進行排 序。例如，對于上述第一實施例中距離的5張連拍照片，假設按照距離從小到大排序為:待處 理照片2、待處理照片3、待處理照片1、待處理照片4、待處理照片5,則待處理照片2、待處理 照片3、待處理照片1、待處理照片4、待處理照片5對應的清晰度分值可以分別為5、4、3、2、1。
[0192] 待處理照片1、待處理照片2、待處理照片3、待處理照片4、待處理照片5對應的位置 分值以及清晰度分值如表1所示。
[0193] 在本實施例中，預設位置權重值和預設清晰度權重值可以根據實際需要進行設 置。可選的，預設位置權重值與預設清晰度權重值之和可以為1。
[0194] 預設位置權重值和預設清晰度權重值可以由用戶自行設置，若用戶對人臉位置比 較關注，則可以將預設位置權重值設置為更大些，例如，預設位置權重值可以為0.6,預設清 晰度權重值可以為0.4。若用戶對人臉位置和清晰度同樣關注，則預設位置權重值和預設清 晰度權重值可以均設置為〇. 5。
[0195] 在本實施例中，假設用戶更加關注圖像的清晰度，因此可以將預設清晰度權重值 設置為〇. 7，將預設位置權重值設置為0.3，最終計算的第一乘積、第二乘積和綜合得分如表 1所示。
[0196] 在對待處理照片進行處理時，可以只將綜合得分最大的待處理照片篩選出來，可 以對篩選出來的待處理照片進行標記，以提示用戶該待處理照片為最優照片。其余待處理 照片可以直接刪除，或者也可以進行另一種形式的標記，以提示用戶這些待處理照片不是 最優照片。
[0197] 在對待處理照片進行處理時，還可以按照各個待處理照片的綜合得分的大小對各 個待處理照片進行排序處理。可以按照綜合得分從大到小的方式進行排序，例如，對于上述 5張連拍照片，可以按照綜合得分從大到小排序為:待處理照片2、待處理照片3、待處理照片 1、待處理照片4、待處理照片5。其中，排序越靠前，則認為該待處理照片越優。同樣，還可以 按照距離從小到大的方式進行排序，排序越靠后，則認為該待處理照片越優。可選的，在排 序后，可以按照重新排序后的待處理照片順序將各個待處理照片顯示于終端上，以供用戶 直觀的觀看排序后的待處理照片，更加便于用戶進行后續的刪選處理。
[0198] 在對待處理照片進行處理時，還可以將篩選與排序的方式進行結合。例如，可以先 根據綜合得分篩選出預設數量的待處理照片，然后再根據綜合得分的大小對各個待處理照 片進行排序。或者，還可以先對各個待處理照片進行排序，然后再篩選出預設數量的最優的 待處理照片。而對于沒被篩選的待處理照片，可以直接刪除，從而可以有效地將照片場景較 差的照片自動刪除，節約終端的存儲空間，用戶也不必手動刪除，更加便于用戶的使用。
[0199] 應當說明的是，在至少兩個待處理照片對應的綜合得分相等時，則這兩個待處理 照片的排序可以隨機。
[0200] 進一步地，為了進一步提高對待處理照片清晰度計算的準確性，基于本發明照片 處理方法的第二至第四任一實施例，本發明還提出了照片處理方法的第五實施例，所述確 定各個所述待處理照片的清晰度的步驟包括：
[0201] 對各個所述待處理照片進行邊緣濾波，獲得對應的灰度圖像；
[0202] 確定各個所述待處理照片對應的灰度圖像中每一行像素點中灰度值連續下降的 最長像素點序列，并分別計算各個所述最長像素點序列對應的邊緣灰度變化率；
[0203] 計算各個所述待處理照片對應的各個邊緣灰度變化率之間的平均值；
[0204] 根據各個所述待處理照片對應的邊緣灰度變化率的平均值確定清晰度；
[0205]其中，所述待處理照片對應的邊緣灰度變化率的平均值越大，所述待處理照片越 清晰。
[0206]在本實施例中，在計算待處理照片的清晰度時，首先對待處理照片進行邊緣保持 濾波，獲得該待處理照片對應的灰度圖像;然后對灰度圖像的每一行隔一個像素取一個灰 度值，則得到了一個新的灰度矩陣να，j)。從而在后續的處理中利用獲得的灰度矩陣να， j)進行計算即可，可以有效地提高運算效率。可以理解的是，在其他實施例中，也可以直接 利用獲得的灰度圖像進行后續的計算。
[0207]同時定義一個初始值為零的變量a;接著對每一行數據進行分析，根據公式:V( i， 」_)>￥(^+1)>￥(^+2)，1彡<11，1<衫111-2，找出每一行中灰度值連續下降起止像素點間 隔的像素點數account的最大值，及其對應的像素起止點位置以及起止位置對應像素點的 灰度值，當一行中account的最大值不止一個時，則找出灰度值相差最大的像素點的起止位 置;然后在矩陣V(I，J)中找出起止點間所有像素點的灰度值，由于實際邊緣像素點的灰度 值不一定呈嚴格的線性變化，為了更準確地表示圖像邊緣的灰度變化，有必要對其進行直 線擬合，這里采用最小二乘法原理對邊緣灰度值進行直線擬合。最小二乘法是一種數學優 化技術，它通過最小化誤差的平方和找到一組數據的最佳函數匹配。記擬合直線的斜率為 value，顯然value反映了邊緣灰度變化的快慢，即value為對應的邊緣灰度變化率，每計算 一次value，變量a的值加1;接下來對所有行垂直下降邊緣的灰度變化率的絕對值求和，即 得整幅圖像的灰度變化率和SI，即：Sl = Σ Ivaluel，最后可求得灰度變化率和的平均值S 為:S = S Ι/a。該方法以灰度變化率絕對值和的平均值S為衡量圖像清晰度的指標，越清晰的 圖像，其對應的S越大。
[0208]需要說明的是，在本文中，術語"包括"、"包含"或者其任何其他變體意在涵蓋非排 他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而 且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有 的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除在包括該 要素的過程、方法、物品或者裝置中還存在另外的相同要素。
[0209] 上述本發明實施例序號僅僅為了描述，不代表實施例的優劣。
[0210] 通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到上述實施例方 法可借助軟件加必需的通用硬件平臺的方式來實現，當然也可以通過硬件，但很多情況下 前者是更佳的實施方式。基于這樣的理解，本發明的技術方案本質上或者說對現有技術做 出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質 (如R0M/RAM、磁碟、光盤)中，包括若干指令用以使得一臺終端設備(可以是手機，計算機，月艮 務器，空調器，或者網絡設備等)執行本發明各個實施例所述的方法。
[0211]以上僅為本發明的優選實施例，并非因此限制本發明的專利范圍，凡是利用本發 明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技 術領域，均同理包括在本發明的專利保護范圍內。
【主權項】
1. 一種照片處理裝置，其特征在于，所述照片處理裝置包括： 人臉識別模塊，用于對各個待處理照片進行人臉識別； 確定模塊，用于在識別到人臉時，確定各個所述待處理照片中的人臉相對于預設基準 位置的位置參數； 處理模塊，用于根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行 篩選和/或排序處理。2. 如權利要求1所述的照片處理裝置，其特征在于，所述確定模塊還用于確定各個所述 待處理照片的清晰度； 所述處理模塊還用于在基于所述位置參數進行篩選和/或排序的基礎上，根據各個所 述待處理照片的清晰度對各個所述待處理照片再次進行篩選和/或排序處理。3. 如權利要求1所述的照片處理裝置，其特征在于，所述確定模塊還用于確定各個所述 待處理照片的清晰度，并根據各個所述待處理照片的清晰度確定各個所述待處理照片的清 晰度分值； 所述處理模塊包括： 確定單元，用于根據各個所述待處理照片對應的位置參數確定各個所述待處理照片的 位置分值； 計算單元，用于按照預設的權重值分別對各個所述待處理照片的所述清晰度分值和所 述位置分值進行加權平均，獲得各個所述待處理照片的綜合得分； 處理單元，用于根據各個所述待處理照片的綜合得分對各個所述待處理照片進行篩選 和/或排序處理。4. 如權利要求1至3任一項所述的照片處理裝置，其特征在于，所述確定模塊還用于在 所述待處理照片中識別到至少兩個人臉時，分別計算該待處理照片中識別出的各個人臉相 對于預設基準位置的距離;計算該待處理照片中各個人臉對應的距離的平均距離，并將該 待處理照片對應的平均距離確定為該待處理照片中的人臉相對于預設基準位置的位置參 數。5. 如權利要求2或3所述的照片處理裝置，其特征在于，所述確定模塊還用于對各個所 述待處理進行邊緣濾波，獲得對應的灰度圖像;確定各個所述待處理對應的灰度圖像中每 一行像素點中灰度值連續下降的最長像素點序列，并分別計算各個所述最長像素點序列對 應的邊緣灰度變化率;計算各個所述待處理對應的各個邊緣灰度變化率之間的平均值;根 據各個所述待處理對應的邊緣灰度變化率的平均值確定清晰度。6. -種照片處理方法，其特征在于，所述照片處理方法包括： 對各個待處理照片進行人臉識別； 在識別到人臉時，確定各個所述待處理照片中的人臉相對于預設基準位置的位置參 數； 根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或排序 處理。7. 如權利要求6所述的照片處理方法，其特征在于，所述照片處理方法還包括： 確定各個所述待處理照片的清晰度； 在基于所述位置參數進行篩選和/或排序的基礎上，根據各個所述待處理照片的清晰 度對各個所述待處理照片再次進行篩選和/或排序處理。8. 如權利要求6所述的照片處理方法，其特征在于，所述根據各個所述待處理照片對應 的位置參數對各個所述待處理照片進行篩選和/或排序處理的步驟之前，所述照片處理方 法還包括： 確定各個所述待處理照片的清晰度； 根據各個所述待處理照片的清晰度確定各個所述待處理照片的清晰度分值； 所述根據各個所述待處理照片對應的位置參數對各個所述待處理照片進行篩選和/或 排序處理的步驟包括： 根據各個所述待處理照片對應的位置參數確定各個所述待處理的位置分值； 按照預設的權重值分別對各個所述待處理照片的所述清晰度分值和所述位置分值進 行加權平均，獲得各個所述待處理照片的綜合得分； 根據各個所述待處理照片的綜合得分對各個所述待處理照片進行篩選和/或排序處 理。9. 如權利要求6至8任一項所述的照片處理方法，其特征在于，所述確定各個所述待處 理照片中的人臉相對于預設基準位置的位置參數的步驟包括： 在所述待處理照片中識別到至少兩個人臉時，分別計算該待處理照片中識別出的各個 人臉相對于預設基準位置的距離； 計算該待處理照片中各個人臉對應的距離的平均距離，并將該待處理照片對應的平均 距離確定為該待處理照片中的人臉相對于預設基準位置的位置參數。10. 如權利要求6所述的照片處理方法，其特征在于，所述確定各個所述待處理的清晰 度的步驟包括： 對各個所述待處理進行邊緣濾波，獲得對應的灰度圖像； 確定各個所述待處理對應的灰度圖像中每一行像素點中灰度值連續下降的最長像素 點序列，并分別計算各個所述最長像素點序列對應的邊緣灰度變化率； 計算各個所述待處理對應的各個邊緣灰度變化率之間的平均值； 根據各個所述待處理對應的邊緣灰度變化率的平均值確定清晰度。
【文檔編號】G06K9/62GK106056138SQ201610356270
【公開日】2016年10月26日
【申請日】2016年5月25日
【發明人】姚有苗
【申請人】努比亞技術有限公司