CN101599122B - 一种图像识别方法及装置 - Google Patents

Abstract

本申请公开了一种图像识别方法及装置。一种图像识别方法包括：获得源图像中每个像素点的颜色特征值；统计每种颜色特征值对应像素点的数目，根据统计结果确定所述源图像的主颜色；根据所述源图像主颜色所对应的颜色特征值的大小，识别所述源图像是否为垃圾图。本申请所提供的方案，应用数字图像分析技术，首先提取图像的颜色特征，再结合预定的判别规则，判断图像是否为垃圾图。应用以上技术方案，可以实现对附图中的垃圾图与非垃圾图的自动区分，以便系统分别做不同的处理，保证附图的有效性。

Description

一种图像识别方法及装置

技术领域

本申请涉及计算机应用领域，特别是涉及一种图像识别方法及装置。

背景技术

多媒体技术的发展，使得在计算机上表达信息的形式更为丰富，很大程度上改变了计算机的应用领域。其中，图像(Images)是一种应用比较广泛的媒体，特别是随着图像处理技术的发展，使得图像已经成为计算机以及互联网领域的一种重要的信息承载形式。

以电子商务应用为例，目前的电子商务系统大都支持附图功能。商家在网上发布自己的商品时，除了提供必要的文字说明之外，还可以上传一张或多张商品的附图。相对于文字而言，图像能够更直观地对商品进行展示，很多情况下，商品附图也可以作为买家确认商品信息真实性的一个重要依据。

对于大部分类别的商品，最理想的情况是使用该商品的实物照片作为附图，因为实物照片能够最直观地展示商品的外观。但是，有些商家在发布商品时，经常会上传一些与商品外观无关的图片，如店铺公告、销售记录、或者是商品的规格介绍等等，这类图片往往无法起到商品附图的应有作用。此外，从电子商务系统的管理角度而言，经常会利用商品的附图做数据挖掘，例如根据商品的外观对商品进行分类等等。而上述类型的图片会给数据挖掘工作带来很大的干扰，甚至导致得出错误的结论，这类图片被称为“垃圾图片”或“垃圾图”。

可见，为保证附图的有效性，有必要对垃圾图与非垃圾图加以区分，以便分别做不同处理。现有技术中的电子商务系统，可以对商家上传图片的规格(如图片尺寸、图片格式等)进行识别，甚至可以将图片转换为所需要的规格，但是还无法实现对垃圾图的识别。

发明内容

为解决上述技术问题，本申请提供一种图像识别方法及装置，以实现对垃圾图的自动识别，技术方案如下：

本申请提供一种图像识别方法，包括：

获得源图像中每个像素点的颜色特征值；

统计每种颜色特征值对应像素点的数目；

将统计数量最多的颜色特征值确定为所述源图像的主颜色，并将所述源图像划分为若干图像块，根据各图像块中每种颜色特征值对应像素点的数目，确定各图像块的主颜色；

根据所述源图像主颜色所对应的颜色特征值的大小、和具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图；其中，

所述具有特定主颜色的图像块为：主颜色所对应的颜色特征值处于某一预置区间的图像块。。

本申请还提供一种图像识别装置，包括：

特征值获得单元，用于获得源图像中每个像素点的颜色特征值；

源图像主颜色确定单元，用于统计每种颜色特征值对应像素点的数目，并将统计数量最多的颜色特征值确定为所述源图像的主颜色；

图像块处理单元，用于将所述源图像划分为若干图像块，根据各图像块中每种颜色特征值对应像素点的数目，确定各图像块的主颜色；

第一识别单元，用于根据所述源图像主颜色所对应的颜色特征值的大小，识别所述源图像是否为垃圾图；

第二识别单元，用于根据具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图。

本申请所提供的方案，应用数字图像分析技术，首先提取图像的颜色特征，再结合预定的判别规则，判断图像是否为垃圾图。应用以上技术方案，可以实现对附图中的垃圾图与非垃圾图的自动区分，以便系统分别做不同的处理，保证附图的有效性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为垃圾图的示意图；

图2为本申请实施例一的图像识别方法的流程图；

图3为本申请实施例二的图像识别方法的流程图；

图4为本申请实施例中图像分块方式的示意图；

图5为本申请实施例三的图像识别方法的流程图；

图6为本申请实施例图像识别装置的结构示意图；

图7为本申请实施例图像识别装置的另一种结构示意图。

具体实施方式

实施例一：

图1示出了垃圾图片的一些实际例子，其中(a)为店铺公告照片，(b)为衣服尺寸量法示意图，这些图片都无法展示商品的外观，根据前面的说明，我们认为其为垃圾图。一般情况下，通过人工的方式可以很容易看出垃圾图，这说明垃圾图具有近似的视觉特征。本申请技术方案从视觉特征入手，应用图像分析技术，首先提取图像的颜色特征，再结合预定的判别规则，判断图像是否为垃圾图。下面对本申请实施例的图像识别方法进行说明，参见图2所示，包括以下步骤：

S101，获得源图像中每个像素点的颜色特征值；

数字图像是由许多个颜色点组成，这些颜色点称为“像素点”(Pixel)，像素点是数字图像的一种基本构成单位，每个像素点都对应一个颜色特征值，本申请方案中，对于一幅待识别的源图像，首先通过颜色检测，获得源图像中每个像素点的颜色特征值。

其中，颜色特征值可以有多种表示形式，为了不失普遍性，本申请技术方案中所使用的颜色特征值为RGB值。当然，对于不同类型的图像，也可以采用其他形式的颜色特征值来代替RGB值。例如，在黑白二值图像中，一般用0和1两个值来表示黑/白两种颜色；灰度图像中，像素点的颜色特征值用灰度值来表示。本领域技术人员可以理解的是，无论是黑白二值还是灰度值，都可以理解为RGB值的特例，并且与RGB值存在着一定的转换关系。此外，对于彩色图像，也还有很多由RGB衍生的颜色表示方式，例如YCrCb(亮度/色调/饱和度)值等。

S102，统计每种颜色特征值对应像素点的数目，根据统计结果确定所述源图像的主颜色；

获得源图像中每个像素点的颜色特征值之后，统计源图像中各种颜色特征值对应像素点的个数，并根据统计结果确定源图像的主颜色。这里所说的主颜色，从直观上理解，指的是在图像中出现最多的颜色，如果结合颜色特征值的概念来描述，就是“统计数量最多的颜色特征值所对应的颜色”。

S103，根据所述源图像主颜色所对应的颜色特征值的大小，识别所述源图像是否为垃圾图。

根据所确定的源图像的主颜色，可以初步判断源图像是否为垃圾图。一般来说，对于一副彩色图像，如果主颜色不是黑色或白色，则可以认为源图像不是垃圾图。如果主颜色为黑色或白色，则源图像是垃圾图的可能性比较大，这种情况下，可以直接将其确定为垃圾图，也可以继续根据其他准则做进一步的判断，这部分内容将在后面的实施方式中说明。

当然，上述的“黑色”和“白色”只是通常意义上的说法，本领域技术人员应该理解：按照颜色特征值来定义，“黑色”指的是颜色特征值小于某一阈值A的颜色的集合，“白色”指的是颜色特征值大于某一阈值B的颜色的集合。而颜色特征值处于A和B之间的颜色的集合，统称为“其他颜色”。关于A和B的具体取值，取决于对颜色空间的量化方式，本申请实施例对此不进行限定。

实施例二：

根据上述说明，当主颜色为黑色或白色时，可以继续根据其他准则做进一步的判断，参见图3所示，本申请实施例的图像识别方法还可以包括以下步骤：

S104，将所述源图像划分为若干图像块，根据各图像块中每种颜色特征值对应像素点的数目，确定各图像块的主颜色；

S105，根据所述各图像块的主颜色，识别所述源图像是否为垃圾图。

其中，确定图像块主颜色的方法，与确定源图像主颜色的方法类似。在实施例一中，根据整个源图像的颜色特征来判断其是否垃圾图，本实施例通过划分图像块的方式，可以进一步结合各种颜色在源图像中的分布情况，判断源图像是否为垃圾图，以达到更准确的识别率。

例如，当源图像的主颜色为黑色或白色时，可以进一步根据具有特定主颜色的图像块的数目，和/或具有特定主颜色的图像块在所述源图像中的相对位置进行判断。

关于划分图像的方法，比较优选的一种方案是源图像以3×3的方式划分为9个图像块，如图4所示，这样一方面可以比较好地考虑到各种颜色在源图像的边、角、中心部分的分布情况，另一方面也不会涉及过于复杂的判别规则，保证识别的速度。当然，本领域技术人员也可以根据具体应用情况，采用其他的方式对图像进行划分，本申请对此不做限制。

此外，为了便于对各种规格的图像进行统一处理，在S101之前，还可以包括一个对图像进行规格转换的步骤，包括将待识别的源图像转换为统一的格式、缩放至统一的尺寸等等，然后再进一步执行后续的颜色特征提取步骤。事实上，在很多系统中，在接收用户上传的图像之后，都会执行这个图像规格转换的步骤。

下面将结合一个具体的应用实例，对本申请提供的技术方案进行说明。

实施例三：

本实施例所采用的颜色特征值为RGB值，对R(红)、G(绿)、B(蓝)三基色的强度各8等分，颜色特征值的取值范围是RGB000-RGB777，即将整个颜色空间量化为512种颜色，例如RGB235表示红色值2、绿色值3、蓝色值5。

根据上述对颜色空间的量化方法，为了便于后面的描述，首先对一些特殊的颜色做如下定义：

R、G、B值均小于等于1的颜色为黑色；

R、G、B值均大于等于6的颜色为白色；

其中，对黑色和白色又可以做进一步的划分：

RGB000为纯黑色；

RGB001、RGB010、RGB011、RGB100、RGB101、RGB110为暗黑色；

RGB666、RGB667、RGB676、RGB766为暗白色；特殊地，RGB666为灰白色；

RGB777、RGB677、RGB767、RGB776为亮白色；特殊地，RGB777为纯白色。

下面将对图像的识别步骤进行说明：

将源图像转换为统一规格后，在全图上统计每种颜色对应的像素点个数，将像素点个数最多的颜色，确定为源图像的主颜色。进一步记录全图的有效颜色数，用于后面的识别步骤。

考虑到人眼的视觉特性，为了实现更为合理准确的识别，本实施例中引入了有效颜色的概念：如果某颜色的像素点与所有像素点个数的比率超过某一阈值，且不为灰色，则将该颜色算作一种有效颜色，有效颜色主要用于衡量一副图像的色彩丰富程度。其中，灰色的定义是R、G、B值相等的颜色，可见，上述定义的纯黑色(RGB000)、灰白色(RGB666)和纯白色(RGB777)也都属于灰色的范畴。从实际的视觉效果考虑，R、G、B值相等的颜色，其色彩都比较暗淡，因此，本实施例将这类颜色也作为一个考虑因素。设置阈值的目的，是忽略一些在图像中很少出现的颜色，经验数据表明，该阈值可以设置为千分之五左右，当然，本实施例对该阈值的具体取值并不进行限定。

将源图像划分为9个图像块，为便于描述，按照从左至右从上至下的顺序，依次标称为“块0”、“块1”......“块8”，如图4所示。分别确定每个图像块的主颜色。

参见图5所示，根据上述得到的颜色特征，本实施例所采用的具体判别规则如下：

1)源图像主颜色为纯黑色：

若9个图像块的主颜色都为黑色，则为垃圾图，否则为非垃圾图。

2)源图像主颜色为纯白色：

若9个图像块的主颜色不都为白色，则为非垃圾图，否则进一步判断：

2.1)灰白块数目是否为0、纯白块数目是否大于6，且亮白块数目是否大于7，如果是，执行2.1.1，否则执行2.1.2：

2.1.1)若块4为亮白，且块1、块4、块7有一块以上为纯白，则为垃圾图，否则为非垃圾图。

2.1.2)若暗白块数目为9，且灰白块数目大于6，则为垃圾图，否则进一步判断：

2.1.2.1)若有效颜色数不小于5，则为非垃圾图，否则：如果满足下列条件(a～d)之一，则为垃圾图，否则为非垃圾图。

a.亮白块数为9，纯白块数大于3，块4不为纯白。

b.纯白块数大于7，块4为纯白，且块1、块3、块5、块7不为灰白。

c.有效颜色数为1，且纯白块数大于3，块1、块7为灰白色。

d.块1、块3、块4、块5全为灰白，块0不为纯白。

3)源图像主颜色为其他颜色，为非垃圾图。

下面结合图1中的两张具体图像，对上述流程进行说明：

图1(a)所示图像(原图为彩色图像)的主颜色为纯白色，有效颜色数小于5，各图像块颜色特征值如下所示(对应图4的图像分块示意图)：

666 666 666

666 666 666

666 666 666

则其相应的颜色判别流程为：

2)白色块数为9？是→

2.1)灰白块数目为0，且纯白块数目大于6，亮白块数目大于7？否→

2.1.1)暗白块数为9，灰白块数＞6？是→

最终判别结果为：垃圾图。

图1(b)所示图像(原图为彩色图像)的主颜色为纯白色，有效颜色数小于5，各图像块颜色特征值如下所示(对应图4的图像分块示意图)：

777 777 777

777 777 777

777 777 666

则其相应的颜色判别流程为：

2)白色块数为9？是→

2.1)灰白块数目为0，且纯白块数目大于6，亮白块数目大于7？否→

2.1.2)暗白块数＝9，灰白块数＞6？否→

2.1.2.1)有效颜色数＜5？是→

b.纯白块数大于7，且块4为纯白，且块1、块3、块5、块7不为灰白？是→

最终判别结果为：垃圾图。

以上实施方案，应用数字图像分析技术，首先提取图像的颜色特征，再结合预定的判别规则，判断图像是否为垃圾图，实现对商品附图中的垃圾图与非垃圾图的自动区分，以便系统分别做不同的处理。当然，本实施例中所描述的判别规则，仅是根据实际数据所总结的一种具体的规则，根据不同的应用需求，本领域技术人员可以制定各种不同的判别规则，本申请对此不需要进行限定。

本申请所提供的技术方案，可以应用于用户上传图片的阶段，当检测到用户上传的附图为垃圾图后，系统可以拒绝接收，或者向上传垃圾图的用户反馈消息，提示其重新上传，以保证系统中附图的有效性。上述实施方案还可以应用于数据挖掘之前，通过对垃圾图的排查以减少其对数据挖掘的影响。同时，也可以将识别出的垃圾图予以清理，以节省系统存储空间。

相应于上面的方法实施例，本申请还提供一种图像识别装置，参见图6所示，包括：

特征值获得单元810，用于获得源图像中每个像素点的颜色特征值；

源图像主颜色确定单元820，用于统计每种颜色特征值对应像素点的数目，根据统计结果确定所述源图像的主颜色；

第一识别单元830，用于根据所述源图像主颜色所对应的颜色特征值的大小，识别所述源图像是否为垃圾图。

参见图7所示，本申请所提供的图像识别装置，还可以进一步包括：

图像块处理单元840，用于将所述源图像划分为若干图像块，根据各图像块中每种颜色特征值对应像素点的数目，确定各图像块的主颜色；

第二识别单元850，用于根据所述各图像块的主颜色，识别所述源图像是否为垃圾图。

图像转换单元800，用于在所述特征值获得单元810获得特征值之前，将所述源图像转换为预置的规格。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。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。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (12)

1.一种图像识别方法，其特征在于，包括：

获得源图像中每个像素点的颜色特征值；

统计每种颜色特征值对应像素点的数目；

将统计数量最多的颜色特征值确定为所述源图像的主颜色，并将所述源图像划分为若干图像块，根据各图像块中每种颜色特征值对应像素点的数目，确定各图像块的主颜色；

根据所述源图像主颜色所对应的颜色特征值的大小、和具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图；其中，

所述具有特定主颜色的图像块为：主颜色所对应的颜色特征值处于某一预置区间的图像块。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据具有特定主颜色的图像块的数目，识别所述源图像是否为垃圾图。

3.根据权利要求1至2任一项所述的方法，其特征在于，

在获得源图像中每个像素点的颜色特征值之前，还包括：将所述源图像转换为预置的规格；

所述获得源图像中每个像素点的颜色特征值，具体实现为：获得转换后图像中每个像素点的颜色特征值。

4.根据权利要求1或2所述的方法，其特征在于，所述将源图像划分为若干图像块，具体实现为：

将源图像以3×3的方式划分为9个图像块。

5.根据权利要求4所述的方法，其特征在于，将R、G、B三种颜色的强度分为8等分，对应的颜色特征值取值范围是RGB000-RGB777。

6.根据权利要求5所述的方法，其特征在于，所述根据源图像主颜色所对应的颜色特征值的大小，识别所述源图像是否为垃圾图，具体实现为：

如果所述源图像主颜色所对应的颜色特征值不为RGB000或RGB777，则识别所述源图像为非垃圾图。

7.根据权利要求6所述的方法，其特征在于，如果所述源图像主颜色所对应的颜色特征值为RGB000或RGB777，则该方法进一步包括：

将源图像以3×3的方式划分为9个图像块，将所述9个图像块按照从左至右、从上至下的顺序，依次标称为块0至块8；

根据具有特定主颜色的图像块的数目，和/或具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图。

8.根据权利要求7所述的方法，其特征在于，当所述源图像主颜色所对应的颜色特征值为RGB000时，所述根据具有特定主颜色的图像块的数目，和/或具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图，具体实现为：

S1若9个图像块的主颜色都为黑色，则识别所述源图像为垃圾图，否则识别所述源图像为非垃圾图；

其中，所述黑色为R、G、B值均小于等于1的颜色。

9.根据权利要求7所述的方法，其特征在于，当所述源图像主颜色所对应的颜色特征值为RGB777时，所述根据具有特定主颜色的图像块的数目，和/或具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图，具体实现为：

S2当源图像主颜色为纯白色时：若9个图像块的主颜色不都为白色，则识别所述源图像为非垃圾图，否则执行S21：

S21判断灰白块数目是否为0、纯白块数目是否大于6、且亮白块数目是否大于7，如果是，执行S211，否则执行S212：

S211若块4为亮白，且块1、块4、块7有一块以上为纯白，则识别所述源图像为垃圾图，否则识别所述源图像为非垃圾图；

S212若暗白块数目为9，且灰白块数目大于6，则识别所述源图像为垃圾图，否则执行S2121：

S2121若有效颜色数不小于5，则识别所述源图像为非垃圾图，否则：如果满足下列条件a～d之一，则识别所述源图像为垃圾图，如果不满足下列条件a～d中的任一个，则识别所述源图像为非垃圾图：

a.亮白块数为9，纯白块数大于3，块4不为纯白；

b.纯白块数大于7，块4为纯白，且块1、块3、块5、块7不为灰白；

c.有效颜色数为1，且纯白块数大于3，块1、块7为灰白色；

d.块1、块3、块4、块5全为灰白，块0不为纯白；

其中，上述颜色与RGB值的对应关系为：

R、G、B值均小于等于1的颜色为黑色，所述黑色具体包括：

RGB000为纯黑色；

RGB001、RGB010、RGB011、RGB100、RGB101、RGB110为暗黑色；

R、G、B值均大于等于6的颜色为白色，所述白色具体包括：

RGB666、RGB667、RGB676、RGB766为暗白色；其中，RGB666为灰白色；

RGB777、RGB677、RGB767、RGB776为亮白色；其中，RGB777为纯白色；

所述有效颜色为：如果某颜色的像素点与所述源图像所有像素点个数的比率超过某一阈值，且该颜色的R、G、B值不完全相等，则该颜色为源图像的一种有效颜色。

10.一种图像识别装置，其特征在于，包括：

特征值获得单元，用于获得源图像中每个像素点的颜色特征值；

源图像主颜色确定单元，用于统计每种颜色特征值对应像素点的数目，并将统计数量最多的颜色特征值确定为所述源图像的主颜色；

图像块处理单元，用于将所述源图像划分为若干图像块，根据各图像块中每种颜色特征值对应像素点的数目，确定各图像块的主颜色；

第一识别单元，用于根据所述源图像主颜色所对应的颜色特征值的大小，识别所述源图像是否为垃圾图；

第二识别单元，用于根据具有特定主颜色的图像块在所述源图像中的相对位置，识别所述源图像是否为垃圾图；其中，

所述具有特定主颜色的图像块为：主颜色所对应的颜色特征值处于某一预置区间的图像块。

11.根据权利要求10所述的装置，其特征在于，

所述第二识别单元，还用于根据具有特定主颜色的图像块的数目，识别所述源图像是否为垃圾图。

12.根据权利要求10至11任一项所述的装置，其特征在于，该装置还包括：

图像转换单元，用于将所述源图像转换为预置的规格；

所述特征值确定单元，用于获得转换后图像中每个像素点的颜色特征值。

Images