一种图像构图分析方法及装置
阅读说明：本技术 一种图像构图分析方法及装置 (Image composition analysis method and device ) 是由 赵奕涵 于 2019-10-28 设计创作，主要内容包括：本申请公开了一种图像构图分析方法及装置，所述方法包括：获取目标图像的图层信息，所述图层信息表征所述目标图像和所述目标图像中多个元素图像的基本属性信息；确定目标图像中多个元素图像的布局结构信息；基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据。利用本申请提供的技术方案可以快速准确的进行图像构图分析，且大大降低了构图分析的成本，提高后续图像筛选的准确率和处理效率。(The application discloses an image composition analysis method and device, wherein the method comprises the following steps: acquiring layer information of a target image, wherein the layer information represents the target image and basic attribute information of a plurality of element images in the target image; determining layout structure information of a plurality of element images in a target image; and performing composition analysis on the target image based on the layer information and/or the layout structure information to obtain composition analysis data of the target image. By utilizing the technical scheme provided by the application, image composition analysis can be rapidly and accurately carried out, the cost of composition analysis is greatly reduced, and the accuracy and the processing efficiency of subsequent image screening are improved.)
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像构图分析方法及装置。
背景技术
图像是人类社会活动中最常用的信息载体，在信息流应用领域有着广泛的应用。图像的构图可以反映图像的布局结构，好的构图可以增强图像的表现力，更好地表达图像内容，使主题鲜明，意图明确。
现有技术中，在一些以图像形式进行信息传播的场景中，为了筛选出合适构图的图像，需要相关人员从海量的图像中逐一进行挑选，但人工处理的方式常常容易出现错误，且带来成本高、处理效率低的问题。因此，需要提供一种对图像构图进行分析方法，以实现对图像的布局结构等进行准确的分析，提高后续图像筛选的准确率和处理效率。
发明内容
本申请提供了一种图像构图分析方法及装置，可以快速准确的进行图像构图分析，且大大降低了构图分析的成本，提高后续图像筛选的准确率和处理效率。
一方面，本申请提供了一种图像构图分析方法，所述方法包括：
获取目标图像的图层信息，所述图层信息表征所述目标图像和所述目标图像中多个元素图像的基本属性信息；
确定目标图像中多个元素图像的布局结构信息；
基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据。
另一方面提供了一种图像构图分析装置，所述装置包括：
图层信息获取模块，用于获取目标图像的图层信息，所述图层信息表征所述目标图像和所述目标图像中多个元素图像的基本属性信息；
布局结构信息确定模块，用于确定目标图像中多个元素图像的布局结构信息；
构图分析模块，用于基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据。
另一方面提供了一种图像构图分析设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述的图像构图分析方法。
另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的图像构图分析方法。
本申请提供的图像构图分析方法及装置，具有如下技术效果：
本申请通过获取目标图像的图层信息和目标图像中多个元素图像的布局结构信息；基于图层信息和/或布局结构信息对目标图像进行构图分析，可以得到有效反映目标图像布局结构情况的构图分析数据，实现快速准确的图像构图分析，且大大降低了构图分析的成本，提高后续图像筛选的准确率和处理效率。
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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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它附图。
图1是本申请实施例提供的一种图像构图分析方法的流程示意图；
图2是本申请实施例提供的一种目标图像及其图层信息的部分示意图；
图3是本申请实施例提供的一种确定目标图像中多个元素图像的布局结构信息的流程示意图；
图4是本申请实施例提供的一种目标图像中多个元素图像的轮廓信息的示意图；
图5是本申请实施例提供的一种元素图像的重心示意图；
图6是本申请实施例提供的一种基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据流程示意图；
图7是本申请提供的一种目标坐标系下目标图像中多个元素图像的对齐信息的示意图；
图8是本申请实施例提供的两种元素图像间的倾斜偏差信息的示意图；
图9是本申请实施例提供的另一种基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据流程示意图；
图10是本申请实施例提供的一种螺旋线和元素图像的轮廓信息的拟合情况的示意图；
图11是本申请实施例提供的另一种图像构图分析方法的流程示意图；
图12是本申请实施例提供的基于构图分析数据进行图像筛选处理的流程示意图
图13是本申请实施例提供的一种图像构图分析装置的结构示意图；
图14是本发明实施例提供的一种客户端的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例提供的图像构图分析方法可以应用在任何一种可以电子设备中，例如智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、智能可穿戴设备等类型终端设备，也可以例如独立运行的服务器，分布式服务器，由多个服务器组成的服务器集群。
以下介绍本申请一种图像构图分析方法，图1是本申请实施例提供的一种图像构图分析方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：
S101：获取目标图像的图层信息。
本说明书实施例中，目标图像可以包任意需要进行构图分析的图像。
所述图层信息可以表征所述目标图像和所述目标图像中多个元素图像的基本属性信息；具体的，目标图像中的元素图像可以包括文字、图形、图片、表格等以图像的形式分布在各个目标图像的各个图层中的信息。
本说明书实施例中，在实际应用中，目标图像的源文件：如使用Photoshop或Sketch等设计软件设计的图片的源文件中包含各个图层的元素图像及其位置、尺寸等信息。其中，图像的尺寸、位置等信息可以作为图像的基本属性信息。具体的，所述图层信息可以包括目标图像的尺寸信息和多个元素图像的顶点位置信息(这里的顶点位置信息时元素图像的顶点在目标图像中的位置)。在一个具体的实施例中，如图2所示，图2是本申请实施例提供的一种目标图像及其图层信息的部分示意图。
S103：确定目标图像中多个元素图像的布局结构信息。
本说明书实施例中，元素图像的布局结构信息可以包括反映元素图像本身的布局结构的相关信息，具体的，布局结构信息至少可以包括下述之一：轮廓信息、重心和倾斜角度。
在一个具体的实施例中，如图3所示，确定目标图像中多个元素图像的布局结构信息可以包括：
S1031：对所述目标图像进行二值化处理，得到二值图像；
S1033：确定所述二值图像中多个多边形的顶点位置；
S1035：基于所述多个多边形的顶点位置确定所述多个元素图像的轮廓信息；
S1037：计算所述多个元素图像的轮廓信息的各阶矩；
S1039：根据每个元素图像的轮廓信息的各阶矩确定所述每个元素图像的重心；
S10311：根据每个元素图像对应的多边形的顶点位置确定所述多边形每条边的倾斜角度；
S10313：根据所述多边形每条边的倾斜角度确定对应的元素图像的倾斜角度；
S10315：将元素图像的轮廓信息、重心和倾斜角度中的至少一种作为所述布局结构信息。
在实际应用中，上述确定目标图像中多个元素图像的布局结构信息的具体步骤可以包括但不限于可以结合python(一种计算机程序设计语言)等代码调用OpenCV库(OpenSource Computer Vision Library，开源计算机视觉库)以获取轮廓信息、重心和倾斜角度的信息。
具体的，在二值图像之后，可以对二值图像进行预处理，具体的，预处理可以包括边缘去除，去噪等处理通过对二值图像进行预处理后，再进行元素图像的轮廓信息的检测，可以提高检测出的轮廓信息的准确率。在一个具体的实施例中，假设目标图像为图2所示的图像，在进行轮廓检测后，可以得到如图4所示的目标图像中多个元素图像的轮廓信息。
在一个具体的实施例中，如图5所示，以目标图像中右下角的元素图像(三角形)为例，图5中500为该三角形的元素图像的轮廓信息，510所在位置为该三角形的元素图像的重心。本说明书实施例中，元素图像的重心为元素图像的轮廓信息对应的重心位置。
具体的，在根据每个元素图像对应的多边形的顶点位置确定所述多边形每条边的倾斜角度时，可以根据顶点确定每个元素图像的最小外接矩形，然后，计算最小外界矩阵中每个边的倾斜角度，接着，可以将元素图像对应的最小外接矩形的每个边的倾斜角度进行平均处理，得到该元素图像的倾斜角度。
S105：基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据。
本说明书实施例中，通过获取目标图像的图像信息和目标图像中多个元素图像的布局结构信息，基于图层信息和/或布局结构信息对目标图像进行构图分析，进而可以得到有效反映目标图像布局结构情况的构图分析数据。具体的，本说明书实施例中，目标图像的构图分析数据可以为目标图像的布局结构优劣的度量，本说明书实施例中，目标图像的布局结构优劣的度量可以从多个方面体现。
在一个具体的实施例中，当图层信息包括目标图像的尺寸信息和多个元素图像的顶点位置信息，布局结构信息包括轮廓信息；如图6所示，基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据可以包括：
S601：根据所述目标图像的尺寸信息构建目标坐标系。
S603：根据所述多个元素图像的顶点位置信息和所述轮廓信息，确定所述多个元素图像在所述目标坐标系中的坐标位置。
S605：根据所述坐标位置确定所述多个元素图像中在所述目标坐标系中的对齐信息。
S607：基于所述对齐信息分析所述目标图像在图像对齐上的构图分析数据。
在实际应用中，目标坐标系可以包括但不限于平面直角坐标系、极坐标系；在一个具体的实施例中，以平面直角坐标系为例，根据目标图像的尺寸信息，以左上角为坐标系的原点(0，0)；右上角为(0，W)点，其中W代表目标图像的宽度；左下角为(H，0)点，其中H代表目标图像的高度。
本说明书实施例中，对齐信息可以包括但不限于边对齐，中心线对齐等表征目标图像中元素图像间对齐情况的信息。具体的，边对齐可以为位于目标坐标系边缘的元素图像(即位于目标坐标系某一边的距离小于预设阈值的元素图像)对齐情况；中心线对齐可以包括但不限于位于目标坐标系中间的元素图像(即位于目标坐标系四边的距离均大于等于预设阈值的元素图像)的中心线对齐情况。
本说明书实施例中，目标图像在图像对齐上的构图分析数据可以表征目标图像中元素图像间对齐程度，具体的，目标图像中元素图像间对齐程度越好，目标图像在图像对齐上的构图分析数据越大，相应的，目标图像的布局结构越好(优)；反之，目标图像中元素图像间对齐程度越差，目标图像在图像对齐上的构图分析数据越小，相应的，目标图像的布局结构越差(劣)。
在一个具体的实施例中，以边对齐为例，如图7所示，图7是本申请提供的一种目标坐标系下目标图像中多个元素图像的对齐信息的示意图。具体的，从图7中可见，目标坐标系的上边缘对应两个元素图像，相应的，可以将这两个元素图像与目标坐标系的上边缘的距离A作为上对齐距离；目标坐标系的下边缘对应两个元素图像，相应的，可以将这两个元素图像与目标坐标系的下边缘的距离B作为下对齐距离；目标坐标系的右边缘对应两个元素图像，相应的，可以将这两个元素图像与目标坐标系的右边缘的距离C作为右对齐距离；目标坐标系的左边缘没有元素图像；相应的，该目标图像的多个元素图像的对齐信息可以包括上对齐距离、下对齐距离和右对齐距离。
进一步的，从图7可见，上对齐距离A >下对齐距离B>右对齐距离C；相应的，在基于所述对齐信息分析所述目标图像在图像对齐上的构图分析数据时，可以结合对齐信息与构图分析数据成正比的函数，将对齐信息代入该函数，得到构图分析数据，在一个具体的实施例中，假设该函数可以为将各边对齐距离(上述图7中上各边对齐距离包括对齐距离、下对齐距离、右对齐距离)的均值作为构图分析数据的函数，也可以为将各边对齐距离的方差作为构图分析数据的函数等。
本说明书实施例中，通过图层信息中目标图像的尺寸信息和多个元素图像的顶点位置信息，以及布局结构信息中的轮廓信息，可以确定出表征目标图像中元素图像间对齐情况的对齐信息；基于该对齐信息的分析，可以确定表征目标图像中元素图像间对齐程度的构图分析数据，进而快速准确的对目标图像的元素图像对齐情况进行度量，大大降低了构图分析的成本，提高图像构图分析的处理效率，进而也可以提高后续图像筛选的准确率和处理效率。
在另一个具体的实施例中，当所述布局结构信息包括倾斜角度时；所述基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据可以包括：
1)根据所述多个元素图像的倾斜角度，确定两两元素图像间的倾斜偏差信息；
2)基于所述两两元素图像间的倾斜偏差信息分析所述目标图像在视觉走向上的构图分析数据。
本说明书实施例中，两两元素图像间的倾斜偏差信息可以为元素图像间倾斜角度的差值。目标图像在视觉走向上的构图分析数据可以表征目标图像中的元素图像间视觉走向的一致性程度。具体的，倾斜偏差信息对应的差值越大，目标图像中的元素图像间视觉走向的一致性程度越差，相应的，目标图像的布局结构越差(劣)；反之，倾斜偏差信息对应的差值越小，目标图像中的元素图像间视觉走向的一致性程度越好，相应的，目标图像的布局结构越好(优)。
在一个具体的实施例中，如图8所示，图8是本申请实施例提供的两种元素图像间的倾斜偏差信息的示意图；具体的，图8中a对应的目标图像中的三个元素图像的倾斜角度(倾斜角度可以为元素图像最长边对应方向相对于指定方向的倾斜角度，指定方向可以结合实际应用进行设置，例如图中的水平往右的方向)均为135度，相应的，两两元素图像间的倾斜偏差信息均为0度。图8中b对应的目标图像中有两个元素图像“三角形”和“矩形”，其中，元素图像“三角形”的倾斜角度为135度，元素图像“矩形”的倾斜角度为135度为0度，相应的，元素图像“三角形”和“矩形”间的倾斜偏差信息为0度。
本说明书实施例中，在基于所述两两元素图像间的倾斜偏差信息分析所述目标图像在视觉走向上的构图分析数据时，可以结合倾斜偏差信息与构图分析数据的函数，将倾斜偏差信息代入该函数，得到构图分析数据，在一个具体的实施例中，假设该函数可以为将两两元素图像间的倾斜偏差信息的均值作为构图分析数据的函数，也可以为将倾斜偏差信息的方差作为构图分析数据的函数等。
本说明书实施例中，通过目标图像中元素图像的倾斜角度，可以确定表征目标图像中的元素图像间视觉走向的一致性程度的构图分析数据，进而快速准确的对目标图像的元素图像视觉走向情况进行度量，大大降低了构图分析的成本，提高图像构图分析的处理效率，进而也可以提高后续图像筛选的准确率和处理效率。
在另一些实施例中，所述图层信息包括所述目标图像的尺寸信息和所述多个元素图像的顶点位置信息；所述布局结构信息包括轮廓信息；如图9所示，所述基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据包括：
S901：根据所述目标图像的尺寸信息构建目标坐标系。
S903：根据所述多个元素图像的顶点位置信息和所述轮廓信息，在所述目标坐标系绘制所述多个元素图像的轮廓信息。
S905：在所述目标坐标系绘制黄金分割对应的螺旋线。
S907：基于所述目标坐标系中所述螺旋线和所述多个元素图像的轮廓信息的拟合程度，分析所述目标图像的在元素结构上的第一构图分析数据。
具体的，目标坐标系的构建可以参见上述相关步骤，在此不再赘述。在一个具体的实施例中，如图10所示，图10是本申请实施例提供的一种螺旋线和元素图像的轮廓信息的拟合情况的示意图。具体的，从图中可见，目标图像包括三个元素图像，分别为图10中和右下角的三角形、左上角的矩形和右侧的矩形；其中，右下角的三角形的轮廓信息和螺旋线的拟合程度相对左上角的矩形和右侧的矩形更高。
本说明书实施例中，螺旋线和所述多个元素图像的轮廓信息的拟合程度越高，目标图像在元素结构上的第以构图分析数据越大，相应的，目标图像的布局结构越好(优)；反之，螺旋线和所述多个元素图像的轮廓信息的拟合程度越低，目标图像在元素结构上的第一构图分析数据越小，相应的，目标图像的布局结构越差(劣)。
本说明书实施例中，可以将目标图像中每个元素图像的轮廓信息和螺旋线的拟合程度进行量化，得到量化后的拟合度；然后，可以结合拟合度与第一构图分析数据的函数，将拟合度代入该函数，得到第一构图分析数据。在一个具体的实施例中，假设该函数可以为将每个元素图像对应的拟合度的均值作为第一构图分析数据的函数，也可以为将每个元素图像对应的拟合度的方差作为第一构图分析数据的函数等。
本说明书实施例中，通过图层信息中目标图像的尺寸信息构建目标坐标系，然后，结合图层信息中多个元素图像的顶点位置信息以及布局结构信息中的轮廓信息，在目标坐标系中绘制多个元素图像的轮廓信息，并在目标坐标系中绘制黄金分割对应的螺旋线，通过螺旋线和所述多个元素图像的轮廓信息的拟合程度，可以分析出目标图像在元素结构上的第一构图分析数据；基于该第一构图分析数据，可以快速准确的对目标图像的元素结构情况进行度量，大大降低了构图分析的成本，提高图像构图分析的处理效率，进而也可以提高后续图像筛选的准确率和处理效率。
在另一个具体的实施例中，当所述布局结构信息包括重心；所述图层信息包括所述多个元素图像的尺寸信息时；所述基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据可以包括：
1)根据所述多个元素图像的尺寸信息和每个元素图像的重心，确定每个元素图像的重心所划分的图像比例；
2)基于所述多个元素图像的图像比例，分析所述目标图像在元素结构上的第二构图分析数据。
在一个具体的实施例中，在基于多个元素图像的图像比例，分析所述目标图像在元素结构上的第二构图分析数据构图时，可以结合黄金分割比例，具体的，元素图像的重心所划分的图像比例与黄金分割比例间的差值越小，目标图像在元素结构上的第二构图分析数据越大，相应的，目标图像的布局结构越好(优)；反之，元素图像的重心所划分的图像比例与黄金分割比例间的差值越大，目标图像在元素结构上的第二构图分析数据越小，相应的，目标图像的布局结构越差(劣)。
本说明书实施例中，通过布局结构信息中的重心，图层信息中多个元素图像的尺寸信息，可以确定出目标图像在元素结构上的第二构图分析数据；基于该第二构图分析数据，可以快速准确的对目标图像的元素结构情况进行度量，大大降低了构图分析的成本，提高图像构图分析的处理效率，进而也可以提高后续图像筛选的准确率和处理效率。
在另一个具体的实施例中，所述图层信息还可以包括：多个元素图像间的层级关系；所述基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据可以包括：
根据所述多个元素图像间的层级关系，分析所述目标图像在图像覆盖上的构图分析数据。
在实际应用中，目标图像是由诸多元素图像按前后顺序一层一层的叠放在一起组合构成的。相应的，每一元素图像均位于一个图层，元素图像间的层级关系即元素图像间的图层是否存在重叠。在一个具体的实施例中，本说明书实施例中，可以基于存在图层重叠的元素图像组(即两个元素图像)的数量确定目标图像在图像覆盖上的构图分析数据；具体的，元素图像组的数量越多，构图分析数据越小，相应的，相应的，目标图像的布局结构越差(劣)；反之，元素图像组的数量越少，构图分析数据越大，相应的，相应的，目标图像的布局结构越好(优)。
本说明书实施例中，通过多个元素图像间的层级关系，可以分析出目标图像在图像覆盖上的构图分析数据；基于该构图分析数据，可以快速准确的对目标图像的图像覆盖情况进行度量，大大降低了构图分析的成本，提高图像构图分析的处理效率，进而也可以提高后续图像筛选的准确率和处理效率。
在另一个具体的实施例中，当所述构图分析数据包括多种类型的构图分析数据时，如图11所示，所述方法还包括：
S107：对多种类型的构图分析数据进行归一化处理。
S109：确定所述多种类型的构图分析数据的构图权重。
S111：基于归一化处理构图分析数据和所述构图权重进行加权平均处理，得到所述目标图像的目标构图分析数据。
本说明书实施例中，所述构图权重可以表征每一类构图分析数据对所述目标图像的布局结构的影响程度。具体的，构图权重可以结合实际应用中每一类构图分析数据对所述目标图像的布局结构的影响程度预先设置。
此外，需要说明的是，当所述构图分析数据包括多种类型的构图分析数据时，并不仅限于上述的加权平均的方式来得到目标图像的目标构图分析数据。还可以采用几何平均、调和平均等方式将多种类型的构图分析数据转换成目标图像的目标构图分析数据。
在另一个具体的实施例中，如图12所示，所述方法还包括：
S113：基于所述构图分析数据或所述目标构图分析数据对所述目标图像进行图像筛选处理。
在实际应用中，一些平台的需要结合图像的构图优劣情况，来对需要进行展示发布的图像进行筛选时，可以直接基于所述构图分析数据或所述目标构图分析数据对所述目标图像进行图像筛选处理，有效提高了图像筛选的准确率和处理效率。
在一个具体的实施例中，可以将构图分析数据或目标构图分析数据大于等于预设值的图像作为可展示发布的图像，反之，将构图分析数据或目标构图分析数据小于预设值的图像进行删除。
在另一个具体的实施例中，可以按照构图分析数据或目标构图分析数据的数值大小进行由大到小进行排序，将排序靠前N(N为正整数)的图像作为可展示发布的图像，反之，将排序在N(N为正整数)之后的图像进行删除。
此外，需要说明的是，考虑到在确定构图分析数据的过程中，结合容差项，具体的，例如上述轮廓信息和螺旋线拟合的方式确定构图分析数据的过程中，通过设置容差项，可以将靠近螺旋线，但没有完全落在螺旋线的点上也看作与螺旋线拟合。
由以上本说明书实施例提供的技术方案可见，本说明书实施例中通过获取目标图像的图层信息和目标图像中多个元素图像的布局结构信息；基于图层信息和/或布局结构信息对目标图像进行构图分析，可以得到有效反映目标图像布局结构情况的构图分析数据，并通过目标图像的构图分析数据实现从多个方面对目标图像的布局结构优劣的度量。利用本申请提供的技术方案可以快速准确进行图像构图分析，解决人工处理的方带来的成本高、处理效率低等问题，大大降低了构图分析的成本，提高图像构图分析的处理效率，同时可以提高后续图像筛选的准确率和处理效率。
在另一些实施例中，本申请还可以结合机器学习的方式进行图像构图分析处理，具体的，可以结合能够分析图像构图的构图分析模型；具体的，所述可以构图分析模型可以包括采用下述方式训练得到：
获取大量不同布局结构(不同构图)的图像，将这些图像作为训练数据；
对这些不同布局结构的图像设置构图分析数据；
将训练数据输入到机器学习模型中进行构图权重的学习训练，学习训练过程中，可以调整机器学习模型的参数，使得机器学习模型的输出与训练数据对应的构图分析数据相匹配；
将输出与训练数据对应的构图分析数据相匹配时的机器学习模型，作为构图分析模型；
进一步的，将任意图像输入到构图分析模型，可以得到该图像的构图分析数据。
本申请实施例还提供了一种图像构图分析装置，如图13所示，所述装置包括：
图层信息获取模块1310，可以用于获取目标图像的图层信息，所述图层信息表征所述目标图像和所述目标图像中多个元素图像的基本属性信息；
布局结构信息确定模块1320，可以用于确定目标图像中多个元素图像的布局结构信息；
构图分析模块1330，可以用于基于所述图层信息和/或布局结构信息对所述目标图像进行构图分析，得到所述目标图像的构图分析数据。
在一些实施例中，所述图层信息包括所述目标图像的尺寸信息和所述多个元素图像的顶点位置信息，所述布局结构信息包括轮廓信息；
所述构图分析模块1330包括：
第一目标坐标系构建单元，用于根据所述目标图像的尺寸信息构建目标坐标系；
坐标位置确定单元，用于根据所述多个元素图像的顶点位置信息和所述轮廓信息，确定所述多个元素图像在所述目标坐标系中的坐标位置；
对齐信息确定单元，用于根据所述坐标位置确定所述多个元素图像中在所述目标坐标系中的对齐信息；
第一构图分析数据确定单元，用于基于所述对齐信息分析所述目标图像在图像对齐上的构图分析数据。
在一些实施例中，所述布局结构信息包括倾斜角度；
所述构图分析模块1330包括：
倾斜偏差信息确定单元，用于根据所述多个元素图像的倾斜角度，确定两两元素图像间的倾斜偏差信息；
第二构图分析数据确定单元，用于基于所述两两元素图像间的倾斜偏差信息分析所述目标图像在视觉走向上的构图分析数据。
所述图层信息包括所述目标图像的尺寸信息和所述多个元素图像的顶点位置信息；所述布局结构信息包括轮廓信息；
所述构图分析模块1330包括：
第二目标坐标系构建单元，用于根据所述目标图像的尺寸信息构建目标坐标系；
轮廓信息绘制单元，用于根据所述多个元素图像的顶点位置信息和所述轮廓信息，在所述目标坐标系绘制所述多个元素图像的轮廓信息；
螺旋线绘制单元，用于在所述目标坐标系绘制黄金分割对应的螺旋线；
第三构图分析数据确定单元，用于基于所述目标坐标系中所述螺旋线和所述多个元素图像的轮廓信息的拟合程度，分析所述目标图像的在元素结构上的第一构图分析数据。
在一些实施例中，所述布局结构信息包括：重心；所述图层信息包括所述多个元素图像的尺寸信息；
所述构图分析模块1330包括：
图像比例确定单元，用于根据所述多个元素图像的尺寸信息和每个元素图像的重心，确定每个元素图像的重心所划分的图像比例；
第四构图分析数据确定单元，用于基于所述多个元素图像的图像比例，分析所述目标图像在元素结构上的第二构图分析数据。
在一些实施例中，所述布局结构信息确定模块包括：
二值化处理单元，用于对所述目标图像进行二值化处理，得到二值图像；
顶点位置确定单元，用于确定所述二值图像中多个多边形的顶点位置；
轮廓信息确定单元，用于基于所述多个多边形的顶点位置确定所述多个元素图像的轮廓信息；
各阶矩计算单元，用于计算所述多个元素图像的轮廓信息的各阶矩；
重心确定单元，用于根据每个元素图像的轮廓信息的各阶矩确定所述每个元素图像的重心；
第一倾斜角度确定单元，用于根据每个元素图像对应的多边形的顶点位置确定所述多边形每条边的倾斜角度；
第二倾斜角度确定单元，用于根据所述多边形每条边的倾斜角度确定对应的元素图像的倾斜角度；
布局结构信息确定单元，用于将元素图像的轮廓信息、重心和倾斜角度中的至少一种作为所述布局结构信息。
在一些实施例中，所述图层信息还包括：多个元素图像间的层级关系；
所述构图分析模块1330包括：
第五构图分析数据确定单元，用于根据所述多个元素图像间的层级关系，分析所述目标图像在图像覆盖上的构图分析数据。
在一些实施例中，当所述构图分析数据包括多种类型的构图分析数据时，所述装置还包括：
归一化处理模块，用于对所述多种类型的构图分析数据进行归一化处理；
构图权重确定模块，用于确定所述多种类型的构图分析数据的构图权重，所述构图权重表征每一类构图分析数据对所述目标图像的布局结构的影响程度；
加权平均处理模块，用于基于归一化处理构图分析数据和所述构图权重进行加权平均处理，得到所述目标图像的目标构图分析数据。
在一些实施例中，所述装置还包括：
图像筛选处理模块，用于基于所述构图分析数据或所述目标构图分析数据对所述目标图像进行图像筛选处理。
所述的装置实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例提供了一种图像构图分析设备，该图像构图分析设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的图像构图分析方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本发明实施例所提供的方法实施例可以在客户端(移动终端、计算机终端)、服务器或者类似的运算装置中执行。以运行在客户端上为例，图14是本发明实施例提供的一种客户端的结构示意图，如图14所示，该客户端可以用于实施上述实施例中提供的信息交互方法。具体来讲：
所述客户端可以包括RF(Radio Frequency，射频)电路1410、包括有一个或一个以上计算机可读存储介质的存储器1420、输入单元1430、显示单元1440、传感器1450、音频电路1460、WiFi(wireless fidelity，无线保真)模块1470、包括有一个或者一个以上处理核心的处理器1480、以及电源1490等部件。本领域技术人员可以理解，图14中示出的客户端结构并不构成对客户端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路1414可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器1480处理；另外，将涉及上行的数据发送给基站。通常，RF电路1414包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier，低噪声放大器)、双工器等。此外，RF电路1414还可以通过无线通信与网络和其他客户端通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobilecommunication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(Code Division Multiple Access，码分多址)、WCDMA(Wideband CodeDivision Multiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service，短消息服务)等。
存储器1420可用于存储软件程序以及模块，处理器1480通过运行存储在存储器1420的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述客户端的使用所创建的数据等。此外，存储器1420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1420还可以包括存储器控制器，以提供处理器1480和输入单元1430对存储器1420的访问。
输入单元1430可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元1430可包括触敏表面1431以及其他输入设备1432。触敏表面1431，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面1431上或在触敏表面1431附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面1431可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1480，并能接收处理器1480发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面1431。除了触敏表面1431，输入单元1430还可以包括其他输入设备1432。具体地，其他输入设备1432可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1440可用于显示由用户输入的信息或提供给用户的信息以及所述客户端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1440可包括显示面板1441，可选的，可以采用LCD(Liquid CrystalDisplay，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板1441。进一步的，触敏表面1431可覆盖显示面板1441，当触敏表面1431检测到在其上或附近的触摸操作后，传送给处理器1480以确定触摸事件的类型，随后处理器1480根据触摸事件的类型在显示面板1441上提供相应的视觉输出。其中，触敏表面1431与显示面板1441可以两个独立的部件来实现输入和输入功能，但是在某些实施例中，也可以将触敏表面1431与显示面板1441集成而实现输入和输出功能。
所述客户端还可包括至少一种传感器1450，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1441的亮度，接近传感器可在所述客户端移动到耳边时，关闭显示面板1441和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别客户端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于所述客户端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路1460、扬声器1461，传声器1462可提供用户与所述客户端之间的音频接口。音频电路1460可将接收到的音频数据转换后的电信号，传输到扬声器1461，由扬声器1461转换为声音信号输出；另一方面，传声器1462将收集的声音信号转换为电信号，由音频电路1460接收后转换为音频数据，再将音频数据输出处理器1480处理后，经RF电路1410以发送给比如另一客户端，或者将音频数据输出至存储器1420以便进一步处理。音频电路1460还可能包括耳塞插孔，以提供外设耳机与所述客户端的通信。
WiFi属于短距离无线传输技术，所述客户端通过WiFi模块1470可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图14示出了WiFi模块1470，但是可以理解的是，其并不属于所述客户端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1480是所述客户端的控制中心，利用各种接口和线路连接整个客户端的各个部分，通过运行或执行存储在存储器1420内的软件程序和/或模块，以及调用存储在存储器1420内的数据，执行所述客户端的各种功能和处理数据，从而对客户端进行整体监控。可选的，处理器1480可包括一个或多个处理核心；优选的，处理器1480可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1480中。
所述客户端还包括给各个部件供电的电源1490(比如电池)，优选的，电源可以通过电源管理系统与处理器1480逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1490还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，所述客户端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，客户端的显示单元是触摸屏显示器，客户端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行本发明中方法实施例中的指令。
本申请的实施例还提供了一种存储介质，所述存储介质可设置于设备之中以保存用于实现方法实施例中一种图像构图分析方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的图像构图分析方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的图像构图分析方法、装置、服务器或存储介质的实施例可见，本申请中通过获取目标图像的图层信息和目标图像中多个元素图像的布局结构信息；基于图层信息和/或布局结构信息对目标图像进行构图分析，可以得到有效反映目标图像布局结构情况的构图分析数据，并通过目标图像的构图分析数据实现从多个方面对目标图像的布局结构优劣的度量。利用本申请提供的技术方案可以快速准确进行图像构图分析，解决人工处理的方带来的成本高、处理效率低等问题，大大降低了构图分析的成本，提高图像构图分析的处理效率，同时可以提高后续图像筛选的准确率和处理效率。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
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，对于装置和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。