CN113688270A - 图像处理方法、装置、终端设备和计算机介质 - Google Patents
图像处理方法、装置、终端设备和计算机介质 Download PDFInfo
- Publication number
- CN113688270A CN113688270A CN202110972661.0A CN202110972661A CN113688270A CN 113688270 A CN113688270 A CN 113688270A CN 202110972661 A CN202110972661 A CN 202110972661A CN 113688270 A CN113688270 A CN 113688270A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- preprocessed
- generating
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000875 corresponding Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 230000000717 retained Effects 0.000 description 1
- 230000001131 transforming Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K9/00—Methods or arrangements for recognising patterns
- G06K9/62—Methods or arrangements for pattern recognition using electronic means
- G06K9/6201—Matching; Proximity measures
- G06K9/6215—Proximity measures, i.e. similarity or distance measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06Q—DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce, e.g. shopping or e-commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Abstract
本公开的实施例公开了图像处理方法、装置、终端设备和计算机介质。该方法的一具体实施方式包括:获取待处理图像集合和相似度阈值;生成预处理图像集合,其中,预处理图像集合包括第一预处理图像和第二预处理图像;基于第一预处理图像和第二预处理图像,生成汉明距离;基于第一预处理图像和第二预处理图像,生成欧式距离;基于汉明距离和欧式距离,生成相似度指标;从目标终端设备接收用户输入的删除处理信息;响应于相似度指标大于相似度阈值,根据删除处理信息,删除第二待处理图像。该实施方式根据汉明距离和欧式距离衡量第一待处理图像和第二待处理图像的相似度,能够根据色彩信息和纹理信息删除掉相似度高的重复图像,提高图像处理的水平。
Description
技术领域 本公开的实施例涉及计算机技术领域,具体涉及图像处理方法、装置、终端设备和计算机介质。 背景技术 随着电子商务以及多媒体技术的进一步发展,视频、图像的制作、生成、传输呈指数级递增,日益增长的多媒体数据,给信息的存储、检索带来巨大压力,如何在海量图像信息中,剔除冗余图片和精确检索图像信息成为亟待解决的重要问题之一。图像相似度计算是图像检索、去重的核心部分值,在电商相似图片检索、去重,交通图片搜索、分析等领域具有重要作用。 然而,在进行图像处理的过程中,经常会存在如下技术问题: 第一,目前多数方法只是基于图像纹理来评估图像相似度,而忽略图像色彩风格对相似度的影响,特别是在电子商务领域,色彩风格相似与图像纹理相似具有同等权重。现有技术忽略图像色彩风格对相似度的影响,导致对相似图像处理时的准确度较差。 第二,电商领域色彩图像中的多通道像素值为非线性空间中的像素值,直接对非线性空间中的像素值进行相似度计算存在失真的问题,从而影响了图像处理的准确度。 发明内容 本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。 本公开的一些实施例提出了图像处理方法、装置、终端设备和计算机介质,来解决以上背景技术部分提到的技术问题中的一项或多项。 第一方面,本公开的一些实施例提供了一种图像处理方法,该方法包括:获取待处理图像集合和相似度阈值;生成预处理图像集合,其中,预处理图像集合包括第一预处理图像和第二预处理图像;基于第一预处理图像和第二预处理图像,生成汉明距离;基于第一预处理图像和第二预处理图像,生成欧式距离;基于汉明距离和欧式距离,生成相似度指标;从目标终端设备接收用户输入的删除处理信息;响应于相似度指标大于相似度阈值,根据删除处理信息,删除第二待处理图像。 第二方面,本公开的一些实施例提供了一种图像处理装置,该装置包括:获取单元,被配置成获取待处理图像集合和相似度阈值,其中,待处理图像集合包括第一待处理图像和第二待处理图像;第一生成单元,被配置成基于待处理图像集合,生成预处理图像集合,其中,预处理图像集合包括第一预处理图像和第二预处理图像;第二生成单元,被配置成基于第一预处理图像和第二预处理图像,生成汉明距离;第三生成单元,被配置成基于第一预处理图像和第二预处理图像,生成欧式距离;第四生成单元,被配置成基于汉明距离和欧式距离,生成相似度指标;接收单元,被配置成从目标终端设备接收用户输入的删除处理信息;控制单元,被配置成响应于相似度指标不大于相似度阈值,根据删除处理信息,删除第二待处理图像。 第三方面,本公开的一些实施例提供了一种终端设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。 第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如第一方面中任一的方法。 本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的图像处理方法能够根据汉明距离和欧式距离衡量第一待处理图像和第二待处理图像的相似度,能够根据色彩信息和纹理信息删除掉相似度高的重复图像,提高图像处理的水平。具体来说,发明人发现,造成目前图像处理效果较差的原因在于:目前多数方法只是基于图像纹理来评估图像相似度,而忽略图像色彩风格对相似度的影响,特别是在电子商务领域,色彩风格相似与图像纹理相似具有同等权重。现有技术忽略图像色彩风格对相似度的影响,导致对相似图像处理时的准确度较差。基于此,首先,本公开的一些实施例获取待处理图像集合和相似度阈值。其中,待处理图像集合包括第一待处理图像和第二待处理图像,第一待处理图像和第二待处理图像为待衡量相似度的图像。相似度阈值用于衡量图像相似度。其次,对第一待处理图像和第二待处理图像进行预处理,以得到第一预处理图像和第二预处理图像。然后,生成第一预处理图像和第二预处理图像的汉明距离,汉明距离根据纹理衡量图像相似度。再次,生成第一预处理图像和第二预处理图像的欧式距离,欧式距离根据色彩衡量图像相似度。最后,根据汉明距离和欧氏距离生成相似度指标。根据相似度指标与相似度阈值的关系判断图像相似度,以删除相似的图像。该方法可以利用纹理和色彩信息评估图像相似度,满足电商领域中色彩丰富度高的图像处理需求,提高了剔除相似度较高的重复图像的能力,提升了图像处理水平。 附图说明 结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。 图1是本公开的一些实施例可以应用于其中的示例性系统的架构图; 图2是根据本公开的图像处理方法的一些实施例的流程图; 图3是示例性的授权提示框; 图4是根据本公开的图像处理装置的一些实施例的流程图; 图5是适于用来实现本公开的一些实施例的终端设备的结构示意图。 具体实施方式 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。 另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。 需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。 需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。 下面将参考附图并结合实施例来详细说明本公开。 图1示出了可以应用本公开的图像处理方法的实施例的示例性系统架构100。 如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。 用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如信息处理应用、图像处理应用、数据分析应用等。 终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种终端设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的终端设备中。其可以实现成多个软件或软件模块(例如用来提供成待处理图像集合和相似度阈值输入等),也可以实现成单个软件或软件模块。在此不做具体限定。 服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103输入的待处理图像集合和相似度阈值进行存储的服务器等。服务器可以对接收到的待处理图像集合和相似度阈值进行处理,并将处理结果(例如相似度指标)反馈给终端设备。 需要说明的是,本公开实施例所提供的图像处理方法可以由服务器105,也可以由终端设备执行。 需要指出的是,服务器105的本地也可以直接存储待处理图像集合和相似度阈值,服务器105可以直接提取本地的待处理图像集合和相似度阈值通过处理后得到相似度指标,此时,示例性系统架构100可以不包括终端设备101、102、103和网络104。 还需要指出的是,终端设备101、102、103中也可以安装有图像处理应用,此时,处理方法也可以由终端设备101、102、103执行。此时,示例性系统架构100也可以不包括服务器105和网络104。 需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供图像处理服务),也可以实现成单个软件或软件模块。在此不做具体限定。 应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。 继续参考图2,示出了根据本公开的图像处理方法的一些实施例的流程200。该图像处理方法,包括以下步骤: 步骤201,获取待处理图像集合和相似度阈值。 在一些实施例中,图像处理方法的执行主体(例如图1所示的服务器)响应于接收到目标授权信号,获取待处理图像集合和相似度阈值。具体的,上述目标授权信号可以是上述待处理图像集合和相似度阈值的用户对目标控件执行目标操作产生的信号。上述目标控件可以包含于授权提示框中。上述授权提示框可以在目标终端设备显示。上述目标终端设备可以是登录有上述用户对应账号的终端设备。上述终端设备可以是“手机”,也可以是“电脑”。上述目标操作可以是“点击操作”,也可以是“滑动操作”。上述目标控件可以是“确认按钮”。 作为示例,上述授权提示框可以如图3所示。上述授权提示框可以包括:提示信息显示部分301和控件302。其中,上述提示信息显示部分301可以用于显示提示信息。上述提示信息可以是“是否允许获取待处理图像集合和相似度阈值”。上述控件302可以是“确认按钮”,也可以是“取消按钮”。 其中,待处理图像集合包括第一待处理图像和第二待处理图像。第一待处理图像和第二待处理图像为待衡量相似度的图像。相似度阈值用于衡量图像相似度。具体的,相似度阈值可以是正数,相似度阈值可以是0.5。 步骤202,基于待处理图像集合,生成预处理图像集合。 在一些实施例中,上述执行主体基于待处理图像集合,生成预处理图像集合。可选的,对第一待处理图像和第二待处理图像进行归一化处理,以得到第一阶段待处理图像和第二阶段待处理图像。其中,第一阶段待处理图像和第二阶段待处理图像大小为第一数目乘以第一数目。具体的,可以采用最邻近插值方法将第一待处理图像和第二待处理图像从任意尺寸归一化至第一数目乘以第一数目。具体的,第一数目可以是32。可以对第一阶段待处理图像和第二阶段待处理图像进行通道转换去除遮罩层,以确保第一阶段待处理图像和第二阶段待处理图像处于同一维度和同一尺寸。具体的,对于第一阶段待处理图像中的每个像素,利用下式,进行归一化处理,生成该像素对应的第一阶段待处理图像中的像素,以得到第一阶段待处理图像:
其中,srcW1,srcH1分别为第一待处理图像的长度和宽度,dstW1,dstH1分别为第一阶段待处理图像的长度和宽度,srcX1、srcY1分别为第一待处理图像的像素的行计数和列计数,dstX1、dstY1分别为第一待处理图像的像素的行计数和列计数。具体的,对于第二待处理图像中的每个像素,利用下式,进行归一化处理,生成该像素对应的第二阶段待处理图像中的像素,以得到第二阶段待处理图像:
其中,srcW2,srcH2分别为第二待处理图像的长度和宽度,dstW2,dstH2分别为第二阶段待处理图像的长度和宽度,srcX2、srcY2分别为第二待处理图像的像素的行计数和列计数,dstX2、dstY2分别为第二待处理图像的像素的行计数和列计数。 可选的,对第一阶段待处理图像和第二阶段待处理图像进行滤波处理,以得到第一预处理图像和第二预处理图像。具体的,可以采用3*3大小的高斯滤波核对第一阶段待处理图像和第二阶段待处理图像做高斯滤波处理,以滤除第一阶段待处理图像和第二阶段待处理图像中的噪声,减小图像噪声的影响,得到第一预处理图像和第二预处理图像。具体的,高斯滤波核可以是将第一预处理图像和第二预处理图像的集合确定为预处理图像集合。 步骤203,基于第一预处理图像和第二预处理图像,生成汉明距离。 在一些实施例中,上述执行主体对于第一预处理图像和第二预处理图像进行灰度化处理,以得到第一预处理灰度图像和第二预处理灰度图像。具体的,对于第一预处理图像中的每个像素,利用下式,生成该像素对应的第一预处理灰度图像中的像素值,以得到第一预处理灰度图像: Gray1=(cr1*19595+cg1*38469+cb1*7472)>>16 其中,Gray1表示第一预处理灰度图像中的像素值,cr1、cg1、cb1分别表示第一预处理图像中的该像素的三通道值,“>>”表示矩阵的移位运算。具体的,对于第二预处理图像中的每个像素,利用下式,生成该像素对应的第二预处理灰度图像中的像素值,以得到第二预处理灰度图像: Gray2=(cr2*19595+cg2*38469+cb2*7472)>>16 其中,Gray2表示第二预处理灰度图像中的像素值,,cr2、cg2、cb2分别表示第二预处理图像中的该像素的三通道值,“>>”表示矩阵的移位运算。 对于第一预处理灰度图像和第二预处理灰度图像进行离散余弦变换,以得到第一预处理余弦图像和第二预处理余弦图像。具体的,对于第一预处理灰度图像中的每个像素,利用下式,生成该像素对应的第一预处理余弦图像中的像素值,以得到第一预处理预先图像:
其中,F1(u,v)表示第一预处理余弦图像中的像素值,(u,v)代表F1的横、纵坐标,f1(x,y)表示该像素灰度值,(x,y)表示该像素的横、纵坐标。N为第一数目,具体的,N可以是32。具体的,对于第二预处理灰度图像中的每个像素,利用下式,生成该像素对应的第二预处理余弦图像中的像素值,以得到第二预处理预先图像:
其中,F2(u,v)表示第二预处理余弦图像中的像素值,(u,v)代表F2的横、纵坐标,f2(x,y)表示该像素灰度值,(x,y)表示该像素的横、纵坐标。N为第一数目,具体的,N可以是32。 可选的,将第一预处理余弦图像左上角第二数目乘以第二数目的区域确定为第一特征区域。将第二预处理余弦图像左上角第二数目乘以第二数目的区域确定为第二特征区域具体的,第二数目可以是8。 可选的,根据第一特征区域,确定第一特征矩阵。具体的,计算第一特征区域中各个像素的平均值,以得到第一均值。将第一特征区域以行为单位首尾相接拉伸为1维向量格式,以得到第一向量特征矩阵。具体的,第一向量特征矩阵为1乘以第二数目的平方大小的矩阵。将第一向量特征矩阵中的每个元素与第一均值进行比较,响应于该元素的值小于第一均值,将该像素的值确定为0。 根据第二特征区域,确定第二特征矩阵。具体的,计算第二特征区域中各个像素的平均值,以得到第二均值。将第二特征区域以行为单位首尾相接拉伸为1维向量格式,以得到第二向量特征矩阵。具体的,第二向量特征矩阵为1乘以第二数目的平方大小的矩阵。将第二向量特征矩阵中的每个元素与第二均值进行比较,响应于该元素的值小于第二均值,将该像素的值确定为0。 将第一特征矩阵和第二特征矩阵的距离确定为汉明距离。具体的,可以利用下式,对第一特征矩阵和第二特征矩阵的距离进行归一化处理,以得到汉明距离: distAB′=distAB/len(Binary_A) 其中,len(Binary_A)为第二数目的平方。distAB为第一特征矩阵和第二特征矩阵的距离,distAB′为汉明距离。 步骤204,基于第一预处理图像和第二预处理图像,生成欧式距离。 在一些实施例中,上述执行主体基于第一预处理图像和第二预处理图像,生成欧式距离。可选的,对于第一预处理图像中的每个像素,利用下式,生成该像素的线性空间三通道值,以得到第一线性图像:
其中,cR1、cG1、cB1为该像素三通道的值,cX1、cY1、cZ1为该像素的第二颜色空间三通道值,t表征变量。n为下角标标志,Xn=95.047,Yn=100.000,Zn=108.883;cL1、ca1、cb1为该像素的线性空间三通道值。 对于所述第二预处理图像中的每个像素,利用下式,生成该像素的线性空间三通道值,以得到第二线性图像:
其中,cR2、cG2、cB2为该像素三通道的值,cX2、cY2、cZ2为该像素的第二颜色空间三通道值,t表征变量。n为下角标标志,Xn=95.047,Yn=100.000,Zn=108.883。cL2、ca2、cb2为该像素的线性空间三通道值。 可选的,将第一线性图像和第二线性图像的距离确定为所述欧式距离。基于第一线性图像,生成第一线性向量。其中,第一线性向量的维度为第一数目乘以第一数目乘以3。具体的,将第一线性图像以行为单位首尾相接拉伸为1维向量格式,以得到第一线性向量。基于第二线性图像,生成第二线性向量。其中,第二线性向量的维度为第一数目乘以第一数目乘以3。具体的,将第二线性图像以行为单位首尾相接拉伸为1维向量格式,以得到第二线性向量。利用下式,根据第一线性向量和第二线性向量,生成欧式距离: dist_AB″=||AL′-BL′|| 其中,AL′为第一线性向量,BL′为第二线性向量,||||表示向量2-范数运算,dist_AB″为欧式距离。 上述步骤204中的可选内容,即:“生成欧式距离的技术方法”作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“电商领域色彩图像中的多通道像素值为非线性空间中的像素值,直接对非线性空间中的像素值进行相似度计算存在失真的问题,从而影响了图像处理的准确度。”。导致图像处理准确度较差的因素往往如下:直接根据非线性空间中的色彩信息生成欧式距离,准确度较差。如果解决了上述因素,就能达到提高图像处理准确度的效果。为了达到这一效果,本公开提出线性转化的方法生成欧式距离。首先,将第一预处理图像和第二预处理图像进行线性转化,以得到第一线性图像和第二线性图像。然后,将第一线性图像和第二线性图像进行向量化处理后生成第一线性向量和第二线性向量。根据线性空间中的第一线性向量和第二线性向量生成欧式距离,可以提高欧式距离准确度,解决非线性空间中的计算失真问题,从而解决了技术问题二。 步骤205,基于汉明距离和欧式距离,生成相似度指标。 在一些实施例中,上述执行主体基于汉明距离和欧式距离,生成相似度指标。可选的,利用下式,基于汉明距离和欧式距离,生成相似度指标: s=0.5*dist_AB″+0.5*dist_AB″′ 其中,dist_AB′为汉明距离,dist_AB″为欧式距离,s为相似度指标。 步骤206,从目标终端设备接收用户输入的删除处理信息。 在一些实施例中,上述执行主体从目标终端设备接收用户输入的删除处理信息。其中,目标终端设备可以是与上述执行主体通信连接的设备。目标终端设备可以是“手机”,也可以是“电脑”。具体的,删除处理信息可以是语音指令,删除处理信息也可以是文字指令。 步骤207,响应于相似度指标大于相似度阈值,根据删除处理信息,删除第二待处理图像。 在一些实施例中,上述执行主体响应于相似度指标大于相似度阈值,根据删除处理信息,删除第二待处理图像。具体的,响应于相似度指标大于相似度阈值,第一待处理图像和第二待处理图像为相似图像,可以删除第二待处理图像。响应于相似度指标不大于相似度阈值,显示第一待处理图像和第二待处理图像。具体的,响应于相似度指标不大于相似度阈值,第一待处理图像和第二待处理图像不是相似图像,保留并显示第一待处理图像和第二待处理图像。 图2给出的一个实施例具有如下有益效果:获取待处理图像集合和相似度阈值;生成预处理图像集合,其中,预处理图像集合包括第一预处理图像和第二预处理图像;基于第一预处理图像和第二预处理图像,生成汉明距离;基于第一预处理图像和第二预处理图像,生成欧式距离;基于汉明距离和欧式距离,生成相似度指标;从目标终端设备接收用户输入的删除处理信息;响应于相似度指标大于相似度阈值,根据删除处理信息,删除第二待处理图像。该实施方式根据汉明距离和欧式距离衡量第一待处理图像和第二待处理图像的相似度,能够根据色彩信息和纹理信息删除掉相似度高的重复图像,提高图像处理的水平。 进一步参考图4,作为对上述各图上述方法的实现,本公开提供了一种图像处理装置的一些实施例,这些装置实施例与图2上述的那些方法实施例相对应,该装置具体可以应用于各种终端设备中。 如图4所示,一些实施例的图像处理装置400,装置包括:获取单元401、第一生成单元402、第二生成单元403、第三生成单元404、第四生成单元405、接收单元406和控制单元407。其中,获取单元401,被配置成获取待处理图像集合和相似度阈值。其中,待处理图像集合包括第一待处理图像和第二待处理图像。第一生成单元402,被配置成基于待处理图像集合,生成预处理图像集合。其中,预处理图像集合包括第一预处理图像和第二预处理图像。第二生成单元403,被配置成基于第一预处理图像和第二预处理图像,生成汉明距离。第三生成单元404,被配置成基于第一预处理图像和第二预处理图像,生成欧式距离。第四生成单元405,被配置成基于汉明距离和欧式距离,生成相似度指标。接收单元406,被配置成从目标终端设备接收用户输入的删除处理信息。控制单元407,被配置成响应于相似度指标不大于相似度阈值,根据删除处理信息,删除第二待处理图像。 可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。 下面参考图5,其示出了适于用来实现本公开实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。 如图5所示,计算机系统500包括中央处理单元(CPU,Central Processing Unit)501,其可以根据存储在只读存储器(ROM,Read Only Memory)502中的程序或者从存储部分506加载到随机访问存储器(RAM,Random Access Memory)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O,Input/Output)接口505也连接至总线504。 以下部件连接至I/O接口505:包括硬盘等的存储部分506;以及包括诸如LAN(局域网,Local Area Network)卡、调制解调器等的网络接口卡的通信部分507。通信部分507经由诸如因特网的网络执行通信处理。驱动器508也根据需要连接至I/O接口505。可拆卸介质509,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器508上,以便于从其上读出的计算机程序根据需要被安装入存储部分506。 特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分507从网络上被下载和安装,和/或从可拆卸介质509被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本公开的方法中限定的上述功能。需要说明的是,本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。 附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。 以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。