图像处理方法、装置及系统与流程

1.本技术涉及图像处理领域，具体而言，涉及一种图像处理方法、装置及系统。


背景技术：

2.在线购物平台中，为了方便消费者组合购买商品，商家可以向消费者提供搭配商品。但是，目前大多是通过人工的方式手动组建搭配，由于需要进行人工的搜索、抠图、合图等工作，时间和人力成本较高。另外，由于人工创建的搭配素材数量较少，生产周期太长，无法形成规模化处理。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本技术实施例提供了一种图像处理方法、装置及系统，以至少解决相关技术中通过人工的方式手动组建搭配，生成相应的合成图像，导致成本较高的技术问题。
5.根据本技术实施例的一个方面，提供了一种图像处理方法，包括：接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出目标图像。
6.根据本技术实施例的另一方面，还提供了一种图像处理方法，包括：显示第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；显示目标图像，其中，目标图像为将第一图像与多个目标对象的图像进行拼接得到的图像。
7.根据本技术实施例的另一方面，还提供了一种图像处理方法，包括：获取第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像。
8.根据本技术实施例的另一方面，还提供了一种图像处理方法，包括：通过调用第一接口获取第一图像，其中，第一接口包括：第一参数，第一参数的参数值为第一图像，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；通过调用第二接口输出目标图像，其中，第二接口包括：第二参数，第二参数的参数值为目标图像。
9.根据本技术实施例的另一方面，还提供了一种图像处理装置，包括：接收模块，用于接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定模块，用于确定与第一图像相匹配的多个目标对象的图像；拼接模块，用于将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出模块，用于输出目标图像。
10.根据本技术实施例的另一方面，还提供了一种图像处理装置，包括：第一显示模块，用于显示第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定模块，用于确定与第一图像相匹配的多个目标对象的图像；第二显示模块，用于显示目标图像，其中，目标图像为将第一图像与多个目标对象的图像进行拼接得到的图像。
11.根据本技术实施例的另一方面，还提供了一种图像处理装置，包括：获取模块，用于获取第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定模块，用于确定与第一图像相匹配的多个目标对象的图像；拼接模块，用于将第一图像与多个目标对象的图像进行拼接，得到目标图像。
12.根据本技术实施例的另一方面，还提供了一种图像处理装置，包括：第一调用模块，用于通过调用第一接口获取第一图像，其中，第一接口包括：第一参数，第一参数的参数值为第一图像，第一图像中包含组合在一起的多个第一对象；确定模块，用于确定与第一图像相匹配的多个目标对象的图像；拼接模块，用于将第一图像与多个目标对象的图像进行拼接，得到目标图像；第二调用模块，用于通过调用第二接口输出目标图像，其中，第二接口包括：第二参数，第二参数的参数值为目标图像。
13.根据本技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述的图像处理方法。
14.根据本技术实施例的另一方面，还提供了一种计算机终端，包括：存储器和处理器，处理器用于运行存储器中存储的程序，其中，程序运行时执行上述的图像处理方法。
15.根据本技术实施例的另一方面，还提供了一种图像处理系统，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出目标图像。
16.在本技术实施例中，在接收到第一图像之后，可以确定与第一图像相匹配的多个目标对象的图像，并将多个目标对象的图像与第一图像进行拼接，得到目标图像并输出，从而实现智能搭配拼图合成的目的。与相关技术相比，无需商家用户进行人工的搜索、抠图或合成等工作，达到提高图像处理效率，降低图像处理成本，而且实现规模化处理的技术效果，进而解决了相关技术中通过人工的方式手动组建搭配，生成相应的合成图像，导致成本较高的技术问题。
附图说明
17.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
18.图1是根据本技术实施例的一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图；
19.图2是根据本技术实施例的一种计算机终端作为接收端的示意图；
20.图3是根据本技术实施例的第一种图像处理方法的流程图；
21.图4是根据本技术实施例的一种可选的交互界面的示意图；
22.图5是根据本技术实施例的一种可选的拼接模板的示意图；
23.图6是根据本技术实施例的一种可选的图像处理方法的流程图；
24.图7a是根据本技术实施例的一种可选的模特图的示意图；
25.图7b是根据本技术实施例的一种可选的模特图分割结果的示意图；
26.图7c是根据本技术实施例的一种可选的同款商品搜索结果的示意图；
27.图7d是根据本技术实施例的一种可选的搭配商品图的示意图；
28.图8是根据本技术实施例的第二种图像处理方法的流程图；
29.图9是根据本技术实施例的第三种图像处理方法的流程图；
30.图10是根据本技术实施例的第一种图像处理装置的示意图；
31.图11是根据本技术实施例的第二种图像处理装置的示意图；
32.图12是根据本技术实施例的第三种图像处理装置的示意图；
33.图13是根据本技术实施例的第四种图像处理方法的流程图；
34.图14是根据本技术实施例的另一种可选的图像处理方法的流程图；
35.图15是根据本技术实施例的第四种图像处理装置的示意图；以及
36.图16是根据本技术实施例的一种计算机终端的结构框图。
具体实施方式
37.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
38.需要说明的是，本技术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，以便这里描述的本技术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、产品或设备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。
39.首先，在对本技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
40.图像分割：可以是一种将图像的像素分成不同类别的计算机视觉技术。
41.图像搜索：可以是一种根据图像特征搜索相似图片的方法。
42.实施例1
43.根据本技术实施例，提供了一种图像处理方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
44.本技术实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，
……
，102n来示出)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为bus总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技
术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
45.应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
46.存储器104可用于存储应用软件的软件程序以及模块，如本技术实施例中的图像处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内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，即实现上述的图像处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
47.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
48.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
49.图1示出的硬件结构框图，不仅可以作为上述计算机终端10(或移动设备)的示例性框图，还可以作为上述服务器的示例性框图，一种可选实施例中，图2以框图示出了使用上述图1所示的计算机终端10(或移动设备)作为接收端的一种实施例。如图2所示，计算机终端10(或移动设备)可以经由数据网络连接或电子连接到一个或多个客户端20。一种可选实施例中，上述计算机终端10(或移动设备)可以是服务器。数据网络连接可以是局域网连接、广域网连接、因特网连接，或其他类型的数据网络连接。计算机终端10(或移动设备)可以为客户端提供网络服务的网络服务器，例如，可以是云服务器等，但不仅限于此。
50.在上述运行环境下，本技术提供了如图3所示的图像处理方法。图3是根据本技术实施例的第一种图像处理方法的流程图。如图3所示，该方法包括如下步骤：
51.步骤s302，接收第一图像，其中，第一图像中包含组合在一起的多个第一对象。
52.上述步骤中的第一图像可以是在线购物平台中的模特图，该图像中的模特身上搭配有不同的商品，例如，模特身上可以穿搭不同类型的服饰。上述的第一对象可以是指模特身上所穿的不同类型的服饰，例如，上衣、长裤、连衣裙、包、鞋子等，但不仅限于此。
53.在一种可选的实施例中，商家用户可以通过云服务器提供的网络服务，将拍摄好的模特图或者从网上收集到的模特图上传服务器，由服务器进行搜索、抠图、合图等工作。例如，如图4所示，可以提供给商家用户一个交互界面，用户通过点击“上传模特图”按钮选择需要进行处理的模特图像，或者直接将模特图像拖至虚线框内实现上传。
54.在另一种可选的实施例中，如果商家用户需要批量处理多张模特图，则可以预先针对该商家的在售商品构建商品数据库，并利用模特图识别算法，从该商品数据库中找出所有的模特图。
55.步骤s304，确定与第一图像相匹配的多个目标对象的图像。
56.上述步骤中的目标对象可以是商家售卖的所有在售商品中与模特图中搭配商品为同款的同款商品，模特图中的每个商品都可以搜索到一个同款商品。
57.在一种可选的实施例中，可以通过图像搜索模型，从商家的商品库中所有在售商品的图像中筛选出所有同款商品的图像，避免直接对模特图进行抠图处理，浪费时间且处理效果不佳。
58.步骤s306，将第一图像与多个目标对象的图像进行拼接，得到目标图像。
59.上述步骤中的目标图像可以是指商家用户提供给搭配商品图。
60.在一种可选的实施例中，可以将同款商品的图像与模特图进行拼接，从而合成可以提供内用户查看的搭配商品图。进一步地，为了方便用户对同款商品进行购买，用户可以直接点击搭配商品图中同款商品的图像，从而可以跳转到相应的购物链接，用户可以查看同款商品的详细信息，并进行购买。
61.步骤s308，输出目标图像。
62.在一种可选的实施例中，服务器在合成搭配商品图之后，可以将搭配商品图返回给商家用户，如图4所示，将该图像显示在交互界面的“搭配商品图区域”中，从而商家用户可以通过点击“下载搭配商品图”按钮将搭配商品图下载下来，并放入店铺中进行展示。
63.通过本技术上述实施例提供的方案，在接收到第一图像之后，可以确定与第一图像相匹配的多个目标对象的图像，并将多个目标对象的图像与第一图像进行拼接，得到目标图像并输出，从而实现智能搭配拼图合成的目的。与相关技术相比，无需商家用户进行人工的搜索、抠图或合成等工作，达到提高图像处理效率，降低图像处理成本，而且实现规模化处理的技术效果，进而解决了相关技术中通过人工的方式手动组建搭配，生成相应的合成图像，导致成本较高的技术问题。
64.本技术上述实施例中，步骤s304，确定与第一图像相匹配的多个目标对象的图像包括：对第一图像进行图像分割，得到多个第一对象的图像；获取第一图像对应的对象集合中多个第二对象的图像；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
65.上述步骤中的对象集合可以是指商家用户所提供的所有在售商品的集合，上述的第二图像可以是在售商品。
66.在一种可选的实施例中，对第一图像进行处理，将模特身上搭配的多个搭配商品进行分割，得到每个搭配商品的分割结果，也即，得到每个搭配商品的图像。对于模特图中的每个搭配商品，可以利用图像搜索方法，在商品集合中搜索到相应的同款商品，可选的，可以将任意一个第一对象的图像和任意一个第二对象的图像进行组合，作为一个图像对，从而可以得到多个图像对，对于每个图像对，基于图像特征的特征距离，确定两个图像的相似度。特征距离越小，表明图像对中两个图像的相似度越高，也即图像中两个商品的相似度越高，因此，可以根据特征距离，确定模特图中每个搭配商品的同款商品。
67.为了避免分割得到的搭配商品图像中包含过多的无效背景信息，可以利用预先构建的图像分割网络实现图像分割，但不仅限于此，也可以通过其他方式实现。需要说明的是，可以利用part-based iou(intersection over union，交并比)loss对图像分割网络进行训练优化，该模型的miou(mean intersection over union，均交并比)可以是81.47％。
68.为了图像搜索的准确性，可以利用预先构建的图像搜索模型实现图像匹配，该模型的精度可以是89.5％，但不仅限于此，也可以通过其他方式实现。
69.本技术上述实施例中，基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像包括：获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
70.上述步骤中的预设距离可以是用于确定两个商品为同款商品对应的阈值，在实际使用过程中可以根据需要进行确定和修改。
71.在一种可选的实施例中，为了确定与模特图相似度最高的多个同款商品，首先对于所有的图像对，可以筛选出特征距离小于一定阈值的图像对，筛选出的图像对中两个商品为同款商品。其次，可以将模特图中多个搭配商品所在的图像对进行组合，得到多个图像对集合，对于每个图像对集合，可以将该集合中所有图像对的特征距离进行相加，作为图像对集合的特征距离，并进一步选择最小的特征距离对应的图像对集合作为目标图像对集合，该图像对集合中所有第二对象为与模型图相似度最高的多个同款商品，用于与第一图像进行拼接。
72.本技术上述实施例中，将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对包括：获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
73.由于在模特图中，服饰可以分为上装、下装、鞋和包等几种类型，如果任意将两个图像进行组合，则可能出现上装和夏装进行组合的可能，两个商品不可能是同款商品。因此，为了进一步提高处理效率，缩短处理时间，在一种可选的实施例中，可以基于商品的类型将相同类型的两个商品的图像进行组合，作为一个图像对。
74.本技术上述实施例中，获取第一图像对应的对象集合中第二对象的图像包括：获取对象集合中的第二图像，以及第二图像对应的目标类型；对第二图像进行图像分割，得到至少一个第三对象的图像；识别至少一个第三对象的图像，确定至少一个第三对象的类型；确定与目标类型相同的第三对象的图像为第二对象的图像。
75.对于一个在售商品，商家用户往往会拍摄多张图像，而且，图像中往往不仅仅包含在售商品，还会包含其他物品。如果仅仅对图像进行图像分割，则分割得到的图像可能不是在售商品的图像，影响最终的图像搜索结果。
76.为了避免上述问题，可以预先在商品集合中存储每个在售商品的目标类型，也即，在售商品的类目。
77.在一种可选的实施例中，可以对商品集合中所有的在售商品图像进行分割，得到
每个物品的图像并识别出该物品的类型，将识别出的物品类型与目标类型进行匹配，如果两者相同，则确定该物品为在售商品，该物品的图像为在售商品的图像。
78.需要说明的是，可以采用上述的图像分割网络对第二图像进行图像分割，但不仅限于此，也可以通过其他方式实现。
79.本技术上述实施例中，在基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像之前，该方法还包括：对多个第一对象的图像进行特征提取，得到多个第一特征向量；对多个第二对象的图像进行特征提取，得到多个第二特征向量；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取每个图像对中第一特征向量和第二特征向量的特征距离，得到每个图像对中包含的图像的特征距离。
80.上述步骤中的第一特征向量和第二特征向量可以是图像中能够表征商品特点的特征的向量，例如，可以是颜色、形状、纹理、风格等能够对不同商品进行区分的特定，本技术对此不作具体限定。上述的图像对可以指由一个搭配商品的图像和一个在售商品的图像进行组合得到的两个图像。
81.在一种可选的实施例中，可以利用深度学习模型对第一对象的图像和第二对象的图像进行处理，提取图像特征向量，可以将任意一个第一对象的图像和任意一个第二对象的图像进行组合，作为一个图像对，从而可以得到多个图像对，对于每个图像对，可以根据图像对中包含的两个图像的特征向量，计算得到两个特征向量的特征距离，并将其作为图像对的特征距离。
82.本技术上述实施例中，步骤s306，将第一图像与多个目标对象的图像进行拼接，得到目标图像包括：对多个目标对象的图像进行图像分割，得到多个分割后的图像；根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
83.上述步骤中的拼接模板可以是指模特图和同款商品图像的排版模板，为了给商家用户提供不同的排版效果，可以预先设置多个拼接模板，由商家用户进行选择，例如，商家用户可以如图5所示的拼接模板，模特图位于该模板的左侧，右侧从上至下分别用于放置同款商品的图像。
84.在一种可选的实施例中，在图像拼接过程中，为了避免同款商品图像中无效背景信息影响搭配商品图的效果，可以对同款商品图像进行分割抠图，得到同款商品所在位置的图像，也即，得到上述的分割后的图像，然后根据拼接模板将模特图和分割后的图像进行拼接，得到搭配商品图像。
85.下面结合图6和图7a至图7d对本技术一种优选的实施例进行详细说明，如图6所示，该方法可以由笔记本电脑、pc等计算机终端执行，也可以由手机、平板电脑、掌上电脑等移动终端执行。该方法可以包括如下步骤：
86.步骤s61，构建商品数据库。
87.可选的，上述的数据库可以包括商品id，对应的图片、标题以及店铺id等信息。
88.步骤s62，利用模特图识别算法，从上述商品数据库中筛选出所有的模特图。
89.可选的，模特图用于后续的模特身上穿搭的服饰的分割解析，如图7a所示。
90.步骤s63，对模特图进行分割解析，得到图片上的多个服饰的分割结果，作为query集合。
91.例如，对图片x_i进行分割解析，可以得到(q_i(1)，q_i(2)，...，q_i(n))等多个商
品部件，利用这些部件图构建query集合，例如，如图7b所示，可以分割得到连衣裙、包和鞋等三个商品部件。
92.步骤s64，对商品数据库中所有商品图片进行分割解析，筛选出图片上的主商品作为doc图，作为doc集合。
93.例如，图片x_j进行分割解析，得到多个部件(d_j(1),d_j(2),...，d_j(m))，根据分割结果可以得到各个部件的类目为(c_j(1),c_j(2),...c_j(m))，将这些类目与该商品的类目cate_j进行比较，若c_j(k)＝cate_j，则认为d_j(k)是主商品部件，用d_j(k)作为doc图。
94.步骤s65，利用深度学习模型对query、doc集合进行特征提取，得到图像特征向量。
95.步骤s66，对于同一个店铺内的query集合q_i＝(q_i(1),q_(2),....q_i(n))和该店铺内所有doc集合d_i＝(d_i(1),d_i(2),...d_i(m))进行同款搜索，得到特征距离小于一定阈值并且同一个query下对应的所有的query-doc pair组合的距离最小的pair作为搜索得到的top1结果。
96.例如，对于如图7b所示的三个商品部件，如图7c左侧所示，分别可以搜索到四个特征距离小于一定阈值的结果，经过组合后，可以得到如图7c右侧所示top1结果。
97.步骤s67，利用top1结果构建拼图，将模特图和同款商品图进行拼接，得到拼搭拼图素材库。
98.可选的，对于图像i，其多个query部件分别标记为(q_i(1),q_i(2),...q_i(n))，top1(q_i(k),d_i(t))中d_i(t)为对应的top1的doc部件。对d_i(t)进行分割抠图，然后根据拼图模版构建拼图，如图7d所示。
99.通过上述步骤，本技术提供了一种基于图像分割和图像搜索的智能拼图方案，可以帮助商家快速实现自动的图片的分割解析，同店铺商品的搜索，以及最终形成可以用于店铺展示的搭配拼图。上述方案的精度较高，而且可以生成较高质量的搭配拼图。
100.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
101.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术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，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
102.实施例2
103.根据本技术实施例，还提供了一种图像处理方法。
104.图8是根据本技术实施例的第二种图像处理方法的流程图。如图8所示，该方法包括如下步骤：
105.步骤s802，显示第一图像，其中，第一图像中包含组合在一起的多个第一对象。
106.步骤s804，确定与第一图像相匹配的多个目标对象的图像。
107.步骤s806，显示目标图像，其中，目标图像为将第一图像与多个目标对象的图像进行拼接得到的图像。
108.本技术上述实施例中，步骤s804，确定与第一图像相匹配的多个目标对象的图像包括：对第一图像进行图像分割，得到多个第一对象的图像；获取第一图像对应的对象集合中多个第二对象的图像；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
109.本技术上述实施例中，基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像包括：获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
110.本技术上述实施例中，将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对包括：获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
111.本技术上述实施例中，获取第一图像对应的对象集合中第二对象的图像包括：获取对象集合中的第二图像，以及第二图像对应的目标类型；对第二图像进行图像分割，得到至少一个第三对象的图像；识别至少一个第三对象的图像，确定至少一个第三对象的类型；确定与目标类型相同的第三对象的图像为第二对象的图像。
112.本技术上述实施例中，在将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对之前，该方法还包括：对多个第一对象的图像进行特征提取，得到多个第一特征向量；对多个第二对象的图像进行特征提取，得到多个第二特征向量；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取每个图像对中第一特征向量和第二特征向量的特征距离，得到每个图像对中包含的图像的特征距离。
113.本技术上述实施例中，目标图像是根据拼接模板将第一图像与多个分割后的图像进行拼接得到的图像，多个分割后的图像是对多个目标对象的图像进行图像分割得到的图像。
114.本技术上述实施例中，在显示第一图像之前，该方法还包括如下之一：利用识别算法对数据库中存储的图像进行识别，确定第一图像；接收输入的第一图像。
115.上述步骤中的数据库可以是预先针对商家用户构建的商品数据库，该数据库中存储了商家用户的所有在售商品的图像，以及在售商品的具体类目等，但不仅限于此。
116.在一种可选的实施例中，可以利用模特图识别算法，从预先构建的商品数据库中找出所有的模特图。需要说明的是，可以预先训练一个resnet101的图像识别网络，通过该网络可以从数据库中识别出模特图，该网的精度为79.5％，召回率为81.1％，但不仅限于此，也可以通过其他方式实现。
117.在另一种可选的实施例中，商家用户可以通过云服务器提供的网络服务，将拍摄好的模特图或者从网上收集到的模特图上传服务器，由服务器进行搜索、抠图、合图等工作。
118.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
119.实施例3
120.根据本技术实施例，还提供了一种图像处理方法。
121.图9是根据本技术实施例的第三种图像处理方法的流程图。如图9所示，该方法包括如下步骤：
122.步骤s902，获取第一图像，其中，第一图像中包含组合在一起的多个第一对象。
123.步骤s904，确定与第一图像相匹配的多个目标对象的图像。
124.步骤s906，将第一图像与多个目标对象的图像进行拼接，得到目标图像。
125.本技术上述实施例中，步骤s904，确定与第一图像相匹配的多个目标对象的图像包括：对第一图像进行图像分割，得到多个第一对象的图像；获取第一图像对应的对象集合中多个第二对象的图像；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
126.本技术上述实施例中，基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像包括：获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
127.本技术上述实施例中，将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对包括：获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
128.本技术上述实施例中，获取第一图像对应的对象集合中第二对象的图像包括：获取对象集合中的第二图像，以及第二图像对应的目标类型；对第二图像进行图像分割，得到至少一个第三对象的图像；识别至少一个第三对象的图像，确定至少一个第三对象的类型；确定与目标类型相同的第三对象的图像为第二对象的图像。
129.本技术上述实施例中，在基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像之前，该方法还包括：对多个第一对象的图像进行特征提取，得到多个第一特征向量；对多个第二对象的图像进行特征提取，得到多个第二特征向量；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取每个图像对中第一特征向量和第二特征向量的特征距离，得到每个图像对中包含的图像的特征距离。
130.本技术上述实施例中，步骤s906，将第一图像与多个目标对象的图像进行拼接，得到目标图像包括：对多个目标对象的图像进行图像分割，得到多个分割后的图像；根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
131.本技术上述实施例中，步骤s902，获取第一图像包括如下之一：利用识别算法对数据库中存储的图像进行识别，确定第一图像；接收输入的第一图像。
132.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
133.实施例4
134.根据本技术实施例，还提供了一种用于实施上述图像处理方法的图像处理装置，如图10所示，该装置1000包括：接收模块1002、确定模块1004、拼接模块1006和输出模块1008。
135.其中，接收模块1002用于接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定模块1004用于确定与第一图像相匹配的多个目标对象的图像；拼接模块1006用于将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出模块1008用于输出目标图像。
136.此处需要说明的是，上述接收模块1002、确定模块1004、拼接模块1006和输出模块1008对应于实施例1中的步骤s302至步骤s308，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
137.本技术上述实施例中，确定模块包括：第一分割子模块、获取子模块、组合子模块和确定子模块。
138.其中，第一分割子模块用于对第一图像进行图像分割，得到多个第一对象的图像；获取子模块用于获取第一图像对应的对象集合中多个第二对象的图像；组合子模块，用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；确定子模块，用于基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
139.本技术上述实施例中，确定子模块包括：第一获取单元、第一组合单元、第二获取单元、第一确定单元和第二确定单元。
140.其中，第一获取单元用于获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；第一组合单元用于将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；第二获取单元用于获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；第一确定单元用于确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；第二确定单元用于确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
141.本技术上述实施例中，组合子模块包括：第三获取单元和第二组合单元。
142.其中，第三获取子单元，用于获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；第二组合子单元，用于在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
143.本技术上述实施例中，获取子模块包括：第四获取单元、分割单元、识别单元和第三确定单元。
144.其中，第四获取单元用于获取对象集合中的第二图像，以及第二图像对应的目标类型；分割单元用于对第二图像进行图像分割，得到至少一个第三对象的图像；识别单元用于识别至少一个第三对象的图像，确定至少一个第三对象的类型；第三确定单元用于确定
与目标类型相同的第三对象的图像为第二对象的图像。
145.本技术上述实施例中，该装置还包括：第一提取模块、第二提取模块、组合模块和获取模块。
146.其中，第一提取模块用于对多个第一对象的图像进行特征提取，得到多个第一特征向量；第二提取模块用于对多个第二对象的图像进行特征提取，得到多个第二特征向量；组合模块用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取模块用于获取每个图像对中第一特征向量和第二特征向量的特征距离；确定模块还用于基于多个图像对的特征距离，确定多个目标对象的图像。
147.本技术上述实施例中，拼接模块包括：第二分割子模块和拼接子模块。
148.其中，第二分割子模块用于对多个目标对象的图像进行图像分割，得到多个分割后的图像；拼接子模块用于根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
149.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
150.实施例5
151.根据本技术实施例，还提供了一种用于实施上述图像处理方法的图像处理装置，如图11所示，该装置1100包括：第一显示模块1102、确定模块1104和第二显示模块1106。
152.其中，第一显示模块1102用于显示第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定模块1104用于确定与第一图像相匹配的多个目标对象的图像；第二显示模块1106用于显示目标图像，其中，目标图像为将第一图像与多个目标对象的图像进行拼接得到的图像。
153.此处需要说明的是，上述第一显示模块1102、确定模块1104和第二显示模块1106对应于实施例2中的步骤s802至步骤s806，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
154.本技术上述实施例中，确定模块包括：第一分割子模块、获取子模块、组合子模块和确定子模块。
155.其中，第一分割子模块用于对第一图像进行图像分割，得到多个第一对象的图像；获取子模块用于获取第一图像对应的对象集合中多个第二对象的图像；组合子模块，用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；确定子模块，用于基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
156.本技术上述实施例中，确定子模块包括：第一获取单元、第一组合单元、第二获取单元、第一确定单元和第二确定单元。
157.其中，第一获取单元用于获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；第一组合单元用于将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；第二获取单元用于获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；第一确定单元用于确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；第二确定单元用于确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
158.本技术上述实施例中，组合子模块包括：第三获取单元和第二组合单元。
159.其中，第三获取单元，用于获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；第二组合单元，用于在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
160.本技术上述实施例中，获取子模块包括：第四获取单元、分割单元、识别单元和第三确定单元。
161.其中，第四获取单元用于获取对象集合中的第二图像，以及第二图像对应的目标类型；分割单元用于对第二图像进行图像分割，得到至少一个第三对象的图像；识别单元用于识别至少一个第三对象的图像，确定至少一个第三对象的类型；第三确定单元用于确定与目标类型相同的第三对象的图像为第二对象的图像。
162.本技术上述实施例中，该装置还包括：第一提取模块、第二提取模块、组合模块和获取模块。
163.其中，第一提取模块用于对多个第一对象的图像进行特征提取，得到多个第一特征向量；第二提取模块用于对多个第二对象的图像进行特征提取，得到多个第二特征向量；组合模块用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取模块用于获取每个图像对中第一特征向量和第二特征向量的特征距离；确定模块还用于基于多个图像对的特征距离，确定多个目标对象的图像。
164.本技术上述实施例中，该装置还包括如下之一：识别模块和接收模块。
165.其中，识别模块用于利用识别算法对数据库中存储的图像进行识别，确定第一图像；接收模块用于接收输入的第一图像。
166.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
167.实施例6
168.根据本技术实施例，还提供了一种用于实施上述图像处理方法的图像处理装置，如图12所示，该装置1200包括：获取模块1202、确定模块1204和拼接模块1206。
169.其中，获取模块1202用于获取第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定模块1204用于确定与第一图像相匹配的多个目标对象的图像；拼接模块1206用于将第一图像与多个目标对象的图像进行拼接，得到目标图像。
170.此处需要说明的是，上述获取模块1202、确定模块1204和拼接模块1206对应于实施例3中的步骤s902至步骤s904，三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
171.本技术上述实施例中，确定模块包括：第一分割子模块、获取子模块、组合子模块和确定子模块。
172.其中，第一分割子模块用于对第一图像进行图像分割，得到多个第一对象的图像；获取子模块用于获取第一图像对应的对象集合中多个第二对象的图像；组合子模块，用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；确定子模块，用于基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
173.本技术上述实施例中，确定子模块包括：第一获取单元、第一组合单元、第二获取
单元、第一确定单元和第二确定单元。
174.其中，第一获取单元用于获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；第一组合单元用于将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；第二获取单元用于获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；第一确定单元用于确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；第二确定单元用于确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
175.本技术上述实施例中，组合子模块包括：第三获取单元和第二组合单元。
176.其中，第三获取单元，用于获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；第二组合单元，用于在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
177.本技术上述实施例中，获取子模块包括：第四获取单元、分割单元、识别单元和第三确定单元。
178.其中，第四获取单元用于获取对象集合中的第二图像，以及第二图像对应的目标类型；分割单元用于对第二图像进行图像分割，得到至少一个第三对象的图像；识别单元用于识别至少一个第三对象的图像，确定至少一个第三对象的类型；第三确定单元用于确定与目标类型相同的第三对象的图像为第二对象的图像。
179.本技术上述实施例中，该装置还包括：第一提取模块、第二提取模块、组合模块和获取模块。
180.其中，第一提取模块用于对多个第一对象的图像进行特征提取，得到多个第一特征向量；第二提取模块用于对多个第二对象的图像进行特征提取，得到多个第二特征向量；组合模块用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取模块用于获取每个图像对中第一特征向量和第二特征向量的特征距离；确定模块还用于基于多个图像对的特征距离，确定多个目标对象的图像。
181.本技术上述实施例中，拼接模块包括：第二分割子模块和拼接子模块。
182.其中，第二分割子模块用于对多个目标对象的图像进行图像分割，得到多个分割后的图像；拼接子模块用于根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
183.本技术上述实施例中，获取模块包括如下之一：识别子模块和接收子模块。
184.其中，识别子模块用于利用识别算法对数据库中存储的图像进行识别，确定第一图像；接收子模块用于接收输入的第一图像。
185.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
186.实施例7
187.根据本技术实施例，还提供了一种图像处理方法。
188.图13是根据本技术实施例的第四种图像处理方法的流程图。如图13所示，该方法包括如下步骤：
189.步骤s1302，通过调用第一接口获取第一图像，其中，第一接口包括：第一参数，第一参数的参数值为第一图像，第一图像中包含组合在一起的多个第一对象。
190.上述步骤中的第一接口可以是服务器与客户端之间进行数据交互的接口，客户端可以将第一图像传入接口函数，作为接口函数的一个参数，实现第一图像上传至服务器的目的。
191.步骤s1304，确定与第一图像相匹配的多个目标对象的图像。
192.步骤s1306，将第一图像与多个目标对象的图像进行拼接，得到目标图像。
193.步骤s1308，通过调用第二接口输出目标图像，其中，第二接口包括：第二参数，第二参数的参数值为目标图像。
194.上述步骤中的第二接口可以是服务器与客户端之间进行数据交互的接口，服务器可以将目标图像传入接口函数，作为接口函数的一个参数，实现目标图像下发至客户端的目的。
195.本技术上述实施例中，步骤s1304，确定与第一图像相匹配的多个目标对象的图像包括：对第一图像进行图像分割，得到多个第一对象的图像；获取第一图像对应的对象集合中多个第二对象的图像；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
196.本技术上述实施例中，基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像包括：获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
197.本技术上述实施例中，将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对包括：获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
198.本技术上述实施例中，获取第一图像对应的对象集合中第二对象的图像包括：获取对象集合中的第二图像，以及第二图像对应的目标类型；对第二图像进行图像分割，得到至少一个第三对象的图像；识别至少一个第三对象的图像，确定至少一个第三对象的类型；确定与目标类型相同的第三对象的图像为第二对象的图像。
199.本技术上述实施例中，在将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对之前，该方法还包括：对多个第一对象的图像进行特征提取，得到多个第一特征向量；对多个第二对象的图像进行特征提取，得到多个第二特征向量；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取每个图像对中第一特征向量和第二特征向量的特征距离，得到每个图像对中包含的图像的特征距离。
200.本技术上述实施例中，步骤s1306，将第一图像与多个目标对象的图像进行拼接，得到目标图像包括：对多个目标对象的图像进行图像分割，得到多个分割后的图像；根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
201.下面结合图14和图7a至图7d对本技术一种优选的实施例进行详细说明，如图14所
示，该方法可以包括如下步骤：
202.步骤s141，前端客户端20上传模特图至服务器10。
203.可选的，模特图用于后续的模特身上穿搭的服饰的分割解析，如图7a所示。
204.步骤s142，服务器10通过调用第一接口获取模特图，并对模特图进行分割解析，得到图片上的多个服饰的分割结果，作为query集合。
205.例如，对图片x_i进行分割解析，可以得到(q_i(1)，q_i(2)，...，q_i(n))等多个商品部件，利用这些部件图构建query集合，例如，如图7b所示，可以分割得到连衣裙、包和鞋等三个商品部件。
206.步骤s143，服务器10对商品数据库30中所有商品图片进行分割解析，筛选出图片上的主商品作为doc图，作为doc集合。
207.可选的，商品数据库可以包括商品id，对应的图片、标题以及店铺id等信息。
208.例如，图片x_j进行分割解析，得到多个部件(d_j(1),d_j(2),...，d_j(m))，根据分割结果可以得到各个部件的类目为(c_j(1),c_j(2),...c_j(m))，将这些类目与该商品的类目cate_j进行比较，若c_j(k)＝cate_j，则认为d_j(k)是主商品部件，用d_j(k)作为doc图。
209.步骤s144，服务器10利用深度学习模型对query、doc集合进行特征提取，得到图像特征向量。
210.步骤s145，服务器10对于同一个店铺内的query集合q_i＝(q_i(1),q_(2),....q_i(n))和该店铺内所有doc集合d_i＝(d_i(1),d_i(2),...d_i(m))进行同款搜索，得到特征距离小于一定阈值并且同一个query下对应的所有的query-doc pair组合的距离最小的pair作为搜索得到的top1结果。
211.例如，对于如图7b所示的三个商品部件，如图7c左侧所示，分别可以搜索到四个特征距离小于一定阈值的结果，经过组合后，可以得到如图7c右侧所示top1结果。
212.步骤s146，服务器10利用top1结果构建拼图，将模特图和同款商品图进行拼接，得到拼搭拼图。
213.步骤s147，服务器10通过调用第二接口将拼搭拼图返回给前端客户端20。
214.可选的，对于图像i，其多个query部件分别标记为(q_i(1),q_i(2),...q_i(n))，top1(q_i(k),d_i(t))中d_i(t)为对应的top1的doc部件。对d_i(t)进行分割抠图，然后根据拼图模版构建拼图，如图7d所示。
215.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
216.实施例8
217.根据本技术实施例，还提供了一种用于实施上述图像处理方法的图像处理装置，如图15所示，该装置1500包括：第一调用模块1502、确定模块1504、拼接模块1506和第二调用模块1508。
218.其中，第一调用模块1502用于通过调用第一接口获取第一图像，其中，第一接口包括：第一参数，第一参数的参数值为第一图像，第一图像中包含组合在一起的多个第一对象；确定模块1504用于确定与第一图像相匹配的多个目标对象的图像；拼接模块1506用于将第一图像与多个目标对象的图像进行拼接，得到目标图像；第二调用模块1508用于通过
调用第二接口输出目标图像，其中，第二接口包括：第二参数，第二参数的参数值为目标图像。
219.此处需要说明的是，上述第一调用模块1502、确定模块1504、拼接模块1506和第二调用模块1508对应于实施例7中的步骤s1302至步骤s1308，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
220.本技术上述实施例中，确定模块包括：第一分割子模块、获取子模块、组合子模块和确定子模块。
221.其中，第一分割子模块用于对第一图像进行图像分割，得到多个第一对象的图像；获取子模块用于获取第一图像对应的对象集合中多个第二对象的图像；组合子模块，用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；确定子模块，用于基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
222.本技术上述实施例中，确定子模块包括：第一获取单元、第一组合单元、第二获取单元、第一确定单元和第二确定单元。
223.其中，第一获取单元用于获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；第一组合单元用于将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；第二获取单元用于获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；第一确定单元用于确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；第二确定单元用于确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
224.本技术上述实施例中，组合子模块包括：第三获取单元和第二组合单元。
225.其中，第三获取子单元，用于获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；第二组合子单元，用于在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
226.本技术上述实施例中，获取子模块包括：第四获取单元、分割单元、识别单元和第三确定单元。
227.其中，第四获取单元用于获取对象集合中的第二图像，以及第二图像对应的目标类型；分割单元用于对第二图像进行图像分割，得到至少一个第三对象的图像；识别单元用于识别至少一个第三对象的图像，确定至少一个第三对象的类型；第三确定单元用于确定与目标类型相同的第三对象的图像为第二对象的图像。
228.本技术上述实施例中，该装置还包括：第一提取模块、第二提取模块、组合模块和获取模块。
229.其中，第一提取模块用于对多个第一对象的图像进行特征提取，得到多个第一特征向量；第二提取模块用于对多个第二对象的图像进行特征提取，得到多个第二特征向量；组合模块用于将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取模块用于获取每个图像对中第一特征向量和第二特征向量的特征距离；确定模块还用于基于多个图像对的特征距离，确定多个目标对象的图像。
230.本技术上述实施例中，拼接模块包括：第二分割子模块和拼接子模块。
231.其中，第二分割子模块用于对多个目标对象的图像进行图像分割，得到多个分割
后的图像；拼接子模块用于根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
232.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
233.实施例9
234.根据本技术实施例，还提供了一种图像处理系统，包括：
235.处理器；以及
236.存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出目标图像。
237.需要说明的是，本技术上述实施例中涉及到的优选实施方案与实施例1提供的方案以及应用场景、实施过程相同，但不仅限于实施例1所提供的方案。
238.实施例10
239.本技术的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
240.可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
241.在本实施例中，上述计算机终端可以执行图像处理方法中以下步骤的程序代码：接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出目标图像。
242.可选地，图16是根据本技术实施例的一种计算机终端的结构框图。如图16所示，该计算机终端a可以包括：一个或多个(图中仅示出一个)处理器1602、以及存储器1604。
243.其中，存储器可用于存储软件程序以及模块，如本技术实施例中的图像处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内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，即实现上述的图像处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端a。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
244.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出目标图像。
245.可选的，上述处理器还可以执行如下步骤的程序代码：对第一图像进行图像分割，得到多个第一对象的图像；获取第一图像对应的对象集合中多个第二对象的图像；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
246.可选的，上述处理器还可以执行如下步骤的程序代码：获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
247.可选的，上述处理器还可以执行如下步骤的程序代码：获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
248.可选的，上述处理器还可以执行如下步骤的程序代码：获取对象集合中的第二图像，以及第二图像对应的目标类型；对第二图像进行图像分割，得到至少一个第三对象的图像；识别至少一个第三对象的图像，确定至少一个第三对象的类型；确定与目标类型相同的第三对象的图像为第二对象的图像。
249.可选的，上述处理器还可以执行如下步骤的程序代码：在基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像之前，对多个第一对象的图像进行特征提取，得到多个第一特征向量；对多个第二对象的图像进行特征提取，得到多个第二特征向量；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取每个图像对中第一特征向量和第二特征向量的特征距离，得到每个图像对中包含的图像的特征距离。
250.可选的，上述处理器还可以执行如下步骤的程序代码：对多个目标对象的图像进行图像分割，得到多个分割后的图像；根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
251.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：显示第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；显示目标图像，其中，目标图像为将第一图像与多个目标对象的图像进行拼接得到的图像。
252.可选的，上述处理器还可以执行如下步骤的程序代码：利用识别算法对数据库中存储的图像进行识别，确定第一图像；接收输入的第一图像。
253.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像。
254.处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：通过调用第一接口获取第一图像，其中，第一接口包括：第一参数，第一参数的参数值为第一图像，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；通过调用第二接口输出目标图像，其中，第二接口包括：第二参数，第二参数的参数值为目标图像。
255.采用本技术实施例，提供了一种基于图像分割和图像搜索的智能拼图方案。通过在接收到第一图像之后，可以确定与第一图像相匹配的多个目标对象的图像，并将多个目标对象的图像与第一图像进行拼接，得到目标图像并输出，从而达到了智能搭配拼图合成
的目的，无需商家用户进行人工的搜索、抠图或合成等工作，达到提高图像处理效率，降低图像处理成本，而且实现规模化处理的技术效果，进而解决了相关技术中通过人工的方式手动组建搭配，生成相应的合成图像，导致成本较高的技术问题。
256.本领域普通技术人员可以理解，图16所示的结构仅为示意，计算机终端也可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图16其并不对上述电子装置的结构造成限定。例如，计算机终端a还可包括比图16中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图16所示不同的配置。
257.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
258.实施例11
259.本技术的实施例还提供了一种计算机可读存储介质。可选地，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例所提供的图像处理方法所执行的程序代码。
260.可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
261.可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：接收第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；输出目标图像。
262.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：对第一图像进行图像分割，得到多个第一对象的图像；获取第一图像对应的对象集合中多个第二对象的图像；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像。
263.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：获取多个图像对中特征距离小于预设距离的图像对，得到目标图像对；将包含多个第一对象的图像的目标图像对进行组合，得到至少一个图像对集合；获取每个图像对集合中目标图像对的特征距离之和，得到每个图像对集合的特征距离；确定至少一个图像对集合中最小特征距离对应的图像对集合，得到目标图像对集合；确定目标图像对集合中包含的多个第二对象的图像为多个目标对象的图像。
264.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：获取任意一个第一对象的第一类型，以及任意一个第二对象的第二类型；在第一类型与第二类型相同的情况下，将任意一个第一对象的图像和任意一个第二对象的图像进行组合。
265.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：获取对象集合中的第二图像，以及第二图像对应的目标类型；对第二图像进行图像分割，得到至少一个第三对象的图像；识别至少一个第三对象的图像，确定至少一个第三对象的类型；确定与目标类型相同的第三对象的图像为第二对象的图像。
266.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：在基于每个图像对中包含的图像的特征距离，确定多个目标对象的图像之前，对多个第一对象的图像进行特征提取，得到多个第一特征向量；对多个第二对象的图像进行特征提取，得到多个第二特征向量；将任意一个第一对象的图像和任意一个第二对象的图像进行组合，得到多个图像对；获取每个图像对中第一特征向量和第二特征向量的特征距离，得到每个图像对中包含的图像的特征距离。
267.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：对多个目标对象的图像进行图像分割，得到多个分割后的图像；根据拼接模板将第一图像与多个分割后的图像进行拼接，得到目标图像。
268.可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：显示第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；显示目标图像，其中，目标图像为将第一图像与多个目标对象的图像进行拼接得到的图像。
269.可选的，上述计算机可读存储介质还被设置为存储用于执行以下步骤的程序代码：利用识别算法对数据库中存储的图像进行识别，确定第一图像；接收输入的第一图像。
270.可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：获取第一图像，其中，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像。
271.可选地，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：通过调用第一接口获取第一图像，其中，第一接口包括：第一参数，第一参数的参数值为第一图像，第一图像中包含组合在一起的多个第一对象；确定与第一图像相匹配的多个目标对象的图像；将第一图像与多个目标对象的图像进行拼接，得到目标图像；通过调用第二接口输出目标图像，其中，第二接口包括：第二参数，第二参数的参数值为目标图像。
272.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
273.在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
274.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
275.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单元来实现本实施例方案的目的。
276.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单
元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
277.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：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。
278.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。