封面图像选取方法、介质、装置和计算设备与流程

本发明的实施方式涉及图像质量评估技术领域，更具体地，本发明的实施方式涉及封面图像选取方法、介质、装置及计算设备。

背景技术：

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

封面图像，是指从包含至少一个图像的文章中选择出的能够反映文章内容的图像。在新闻客户端中，一个页面通常会展示多条新闻，每条新闻一般会配有一个或多个封面图像，封面图像对吸引用户点击新闻文章有重要作用。

现有的封面图像选取方法通常从单一因素考虑，如仅根据图像的清晰度来选择封面图像。但是，实际的文章配图类型是多样的，仅将单一的因素作为选取依据无法应对图像类型的多样性，因此在一些情况下无法选择出合适的封面图像。

技术实现要素：

在本上下文中，本发明的实施方式期望提供一种封面图像选取方法和装置。

在本发明实施方式的第一方面中，提供了一种封面图像选取方法，包括：

对待选取图像集合进行过滤，将过滤后的所述待选取图像集合作为候选图像集合；所述待选取图像集合包括至少两个图像；

确定所述候选图像集合中的各个图像的优先级；

选取所述优先级高的至少一个图像作为封面图像。

在本发明的一个实施例中，所述对待选取图像集合进行过滤，包括：将包含条形码的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述对待选取图像集合进行过滤，包括：

针对所述待选取图像集合中的各个图像，确定图像中空白部分面积与图像面积的比例；

将所述比例大于预设比例门限的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述对待选取图像集合进行过滤，包括：

针对所述待选取图像集合中的各个图像，将所述图像转换为灰度图；

将所述灰度图的像素值变化范围低于预设范围门限的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述对待选取图像集合进行过滤，包括：

将包含文字的数量大于预设第一数量门限的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述确定所述候选图像集合中的各个图像的优先级，包括：

将包含文字的数量大于预设第二数量门限的图像设置为低优先级。

在本发明的一个实施例中，所述确定所述候选图像集合中的各个图像的优先级，还包括：

采用预设的图像评分模型对所述候选图像集合中包含文字的数量不大于所述预设第二数量门限的图像进行评分，根据评分结果确定所述各个图像的优先级。

在本发明的一个实施例中，所述选取所述优先级高的至少一个图像作为封面图像，包括：

选取优先级最高的一个图像作为封面图像；或者，

选取优先级高的至少两个图像作为封面图像，所述至少两个图像中任意两图像的相似度低于预设相似度门限。

在本发明的一个实施例中，还包括：

按照预设的宽高比裁剪所述封面图像。

在本发明的一个实施例中，所述裁剪所述封面图像，包括：

当所述封面图像中包含水印时，如果所述水印所在区域为所述封面图像的边缘位置，则去除所述封面图像中的水印所在区域。

在本发明的一个实施例中，所述裁剪所述封面图像，包括：

当所述封面图像中包含一个人脸图像时，保留所述人脸图像所在区域。

在本发明的一个实施例中，所述裁剪所述封面图像，包括：

当所述封面图像中包含至少两个人脸图像时，根据各个人脸图像的面积及与所述封面图像的中心位置的距离确定关键人脸图像，保留所述关键人脸图像所在区域。

在本发明的一个实施例中，所述裁剪所述封面图像，包括：

当所述封面图像中不包含人脸图像时，保留所述封面图像中信息量最大的区域。

在本发明的一个实施例中，封面图像中区域的信息量的确定方式为：

计算所述封面图像的显著性映射图；

根据所述显著性映射图确定所述区域的信息量。

在本发明实施方式的第二方面中，提供了一种封面图像选取装置，包括：

过滤模块，用于对待选取图像集合进行过滤，将过滤后的所述待选取图像集合作为候选图像集合；所述待选取图像集合包括至少两个图像；

优先级确定模块，用于确定所述候选图像集合中的各个图像的优先级；

图像选取模块，用于选取所述优先级高的至少一个图像作为封面图像。

在本发明的一个实施例中，所述过滤模块包括：

第一过滤子模块，用于将包含条形码的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述过滤模块包括：

第二过滤子模块，用于针对所述待选取图像集合中的各个图像，确定图像中空白部分面积与图像面积的比例；将所述比例大于预设比例门限的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述过滤模块包括：

第三过滤子模块，用于针对所述待选取图像集合中的各个图像，将所述图像转换为灰度图；将所述灰度图的像素值变化范围低于预设范围门限的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述过滤模块包括：

第四过滤子模块，用于将包含文字的数量大于预设第一数量门限的图像从所述待选取图像集合中删除。

在本发明的一个实施例中，所述优先级确定模块，包括：

第一确定子模块，用于将包含文字的数量大于预设第二数量门限的图像设置为低优先级。

在本发明的一个实施例中，所述优先级确定模块，还包括：

第二确定子模块，用于采用预设的图像评分模型对所述候选图像集合中包含文字的数量不大于所述预设第二数量门限的图像进行评分，根据评分结果确定所述各个图像的优先级。

在本发明的一个实施例中，所述图像选取模块，用于选取优先级最高的一个图像作为封面图像；或者，选取优先级高的至少两个图像作为封面图像，所述至少两个图像中任意两图像的相似度低于预设相似度门限。

在本发明的一个实施例中，还包括：

裁剪模块，用于按照预设的宽高比裁剪所述封面图像。

在本发明的一个实施例中，所述裁剪模块包括：

第一裁剪子模块，用于当所述封面图像中包含水印时，如果所述水印所在区域为所述封面图像的边缘位置，则去除所述封面图像中的水印所在区域。

在本发明的一个实施例中，所述裁剪模块包括：

第二裁剪子模块，用于当所述封面图像中包含一个人脸图像时，保留所述人脸图像所在区域。

在本发明的一个实施例中，所述裁剪模块包括：

第三裁剪子模块，用于当所述封面图像中包含至少两个人脸图像时，根据各个人脸图像的面积及与所述封面图像的中心位置的距离确定关键人脸图像，保留所述关键人脸图像所在区域。

在本发明的一个实施例中，所述裁剪模块包括：

第四裁剪子模块，用于当所述封面图像中不包含人脸图像时，保留所述封面图像中信息量最大的区域。

在本发明的一个实施例中，所述第四裁剪子模块还用于，计算所述封面图像的显著性映射图；根据所述显著性映射图确定所述区域的信息量。

在本发明实施方式的第三方面中，提供了一种计算机可读介质，其存储有计算机程序，该程序被处理器执行时实现上述封面图像选取方法的步骤。

在本发明实施方式的第四方面中，提供了一种计算设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述封面图像选取方法的步骤。

根据本发明实施方式的封面图像选取方法和装置，将待选取图像进行过滤，得到候选图像集合；之后，确定候选图像集合中各个图像的优先级，并根据优先级选取封面图像。通过这种方式，能够将不合适作为封面图像的图像过滤掉，之后再在剩余的图像中选取优先级高的图像作为封面图像。因此，本发明实施方式能够应对图像类型的多样性，选取出合适的封面图像。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性地示出了根据本发明一实施方式的封面图像选取方法流程图；

图2示意性地示出了根据本发明一实施方式的封面图像选取方法中图像评分模型的训练方式示意图；

图3a示意性地示出了根据本发明一实施方式的封面图像选取方法中裁剪封面图像的方式示意图；

图3b示意性地示出了根据本发明一实施方式的封面图像选取方法中原始封面图像的显著性映射图的积分图示意图；

图4示意性地示出了根据本发明一实施方式的用于封面图像选取方法的介质示意图；

图5示意性地示出了根据本发明一实施方式的封面图像选取装置的结构示意图；

图6示意性地示出了根据本发明一实施方式的计算设备的结构示意图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种封面图像选取方法、介质、装置和计算设备。

在本文中，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

本发明人发现，现有的封面图像选取方法无法应对图像类型的多样性，因此在一些情况下无法选择出合适的封面图像。

有鉴于此，本发明实施例提出一种封面图像选取方法及装置，将待选取图像进行过滤，得到候选图像集合；之后，确定候选图像集合中各个图像的优先级，并根据优先级选取封面图像。通过这种方式能够应对图像类型的多样性，从而选取出合适的封面图像。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

示例性方法

本发明实施例提出一种封面图像选取方法。如图1所示，本发明实施例的封面图像选取方法可以包括以下步骤：

s11：对待选取图像集合进行过滤，将过滤后的待选取图像集合作为候选图像集合，所述待选取图像集合包括至少两个图像。

s12：确定候选图像集合中的各个图像的优先级。

s13：选取优先级高的至少一个图像作为封面图像。

由于条形码一般为广告图，并且对于反映文章内容没有直接意义，因此包含条形码的图案一般不合适作为封面图像。鉴于此，在一种可能的实施方式中，所述步骤s11中对待选取图像集合进行过滤包括：将包含条形码的图像从所述待选取图像集合中删除。

其中，上述条形码可以包括一维条形码、二维条形码等。

在一种可能的实施方式中，可以采用图像条形码检测模型对图像进行检测。图像条形码检测模型可以是基于卷积神经网络训练得到的二分类模型(if模型)，训练数据包括含有条形码的图像数据和不含条形码的图像数据。在对图像进行检测时，可以将该图像输入图像条形码检测模型，由图像条形码检测模型输出该图像是否包含条形码的类别信息。

在一种可能的实施方式中，所述步骤s11中对待选取图像集合进行过滤包括：针对所述待选取图像集合中的各个图像，确定图像中空白部分面积与图像面积的比例；将所述比例大于预设比例门限的图像从所述待选取图像集合中删除。

其中，上述预设比例门限可以根据实际需求设置及调整。采用上述实施方式，可以将空白比例过大的图像过滤掉。这些空白比例过大的图像一般包含的信息量较少，例如为包括静态或动态表情的图。

在一种可能的实施方式中，所述步骤s11中对待选取图像集合进行过滤包括：针对所述待选取图像集合中的各个图像，将所述图像转换为灰度图；将所述灰度图的像素值变化范围低于预设范围门限的图像从所述待选取图像集合中删除。上述预设范围门限可以根据实际需求设置及调整。

上述实施方式是针对彩色图像的处理方式。彩色图像转换为灰度图时，可以根据彩色图像中每个像素有效的亮度值确定灰度图中对应像素的像素值。对于色彩变化不大的彩色图像，其对应灰度图的像素值变化范围较低。极端地，对于一张纯色图，其对应灰度图的像素值不变化。因此，采用上述实施方式可以将色彩变化不大的彩色图像过滤掉，这种彩色图像一般包含的信息量较少，不合适作为封面图像。

另外，对于本身就是灰度图的图像，可以直接判断该图像的像素值变化范围是否低于预设范围门限，并根据判断结果决定是否将该图像从待选取图像集合中删除。

在一种可能的实施方式中，所述步骤s11中对待选取图像集合进行过滤包括：将包含文字的数量大于预设第一数量门限的图像从所述待选取图像集合中删除。

采用上述实施例，对待选取图像集合进行了过滤，可以将过滤后的待选取图像集合作为候选图像集合。本发明实施例还可以采用其他的过滤方式对不合适作为封面图像的图像进行过滤，在此不再赘述。

在一种可能的实施方式中，所述步骤s12中确定所述候选图像集合中的各个图像的优先级包括：将包含文字的数量大于预设第二数量门限的图像设置为低优先级。

在上述实施方式中，可以采用文字检测模型对图像进行文字检测。文字检测模型可以基于文字检测算法训练得到，文字检测算法是一种图像文字区域检测算法。在进行文字检测时，可以将图像输入文字检测模型，由文字检测模型输出该图像中包含的文字数量。

如果一幅图像中包含的文字量较多，则该图像的美观度较低，并且对用户的吸引力不强，因此该图像不合适作为封面图像。上述实施方式描述了针对包含文字的图像的两种不同处理方式，即：

第一种，对于包含文字过多的图像(即上述包含文字的数量大于预设第一数量门限的图像)，直接将该图像过滤掉。

第二种，对于包含文字较多的图像(即上述包含文字的数量大于预设第二数量门限、并且不大于第一数量门限的图像)，可以将该图像的优先级设置为低优先级。对于包含文字较多的多个图像，可以根据文字数量确定各个图像的优先级，即包含文字数量越多，则优先级越低。

对于包含文字的数量不大于第二数量门限的图像，可以确定该图像的优先级。即，在一种可能的实施方式中，所述步骤s12中确定所述候选图像集合中的各个图像的优先级还包括：采用预设的图像评分模型对所述候选图像集合中包含文字的数量不大于所述预设第二数量门限的图像进行评分，根据评分结果确定所述各个图像的优先级。

上述实施例中，第一数量门限和第二数量门限均为自然数，并且第二数量门限小于或等于第一数量门限。在极限情况下，第一数量门限和第二数量门限均等于0。这种情况下，将待选取图像集合中包含文字的图像直接过滤掉，得到候选图像集合。之后，采用预设的图像评分模型对候选图像集合中的所有图像进行评分，并根据评分结果确定所述各个图像的优先级。

上述图像评分模型是综合图像清晰度、色彩丰富度、对比度、主体强调程度等因素评价图像质量的一种模型。在采用图像评分模型对图像进行评分时，将图像输入图像评分模型，由图像评分模型输出该图像的分值。图像越美观，图像评分模型输出的分值越高。

图像评分模型的训练数据为人工评分数据。即人工根据对图像美观度的感受对样本图像进行评分，将样本图像及人工对该样本图像的实际标注分数作为训练数据。图像评分模型的训练方法可以采用图像之间对比的训练方法。

在一种可能的实施方式中，图像评分模型可以采用卷积神经网络。在训练图像评分模型时，可以选取至少两个样本图像，将样本图像分别输入图像评分模型，由图像评分模型输出针对各个样本图像的评估分数。之后，根据评估分数对输入的样本图像进行排序。如果根据评估分数的排序结果与根据实际标注分数的排序结果不一致，则生成第一损失函数，采用第一损失函数训练该图像评分模型。

如图2为图像评分模型的一种训练方法示意图。如图2所示，在训练图像评分模型时，选取两个样本图像ii和ij，将图像样本ii和样本图像ij分别输入图像评分模型，图像评分模型针对样本图像ii和图样本像ij分别给出的评估分数为ri和rj。如果样本图像ii和样本图像ij根据评估分数的排序顺序与根据实际标注分数的排序顺序不一致，则生成一个第一损失函数，采用该第一损失函数训练图像评分模型，其目的是使图像评分模型对样本图像ii和样本图像ij的评估分数的排序顺序与根据实际标注分数的排序顺序一致。该训练过程也可以简单地理解为：如果样本图像ii的质量比样本图像ij的质量高，则图像评分模型对样本图像ii的评估分数ri应大于对样本图像ij的评估分数rj。如果不是这样的结果，则生成一个第一损失函数，根据该第一损失函数对图像评分模型的相关参数进行调整。第一损失函数可以与两个样本图像的实际标注分数的差值正相关。例如，第一损失函数可以等于两个样本图像的实际标注分数的差值的指数倍。可见，实际标注分数的差值越大，第一损失函数的值就越大，也就是对图像评分模型的调整力度越大。这一训练策略使得图像评分模型对不同图像质量有很好的区分度。

此外，还可以根据评估分数与实际标注函数的差值生成第二损失函数，并进一步采用第二损失函数训练图像评分模型。第二损失函数可以与实际标注分数和评估分数之间的差值正相关。例如，第二损失函数等于实际标注分数和评估分数之间的差值的平方。在图2所示的实施方式中，针对样本图像ii和样本图像ij可以生成两个对应的第二损失函数。采用上述过程，确定出了候选图像集合中各个图像的优先级。之后，可以选取优先级高的图像作为封面图像。即执行上述步骤s13。

在一种可能的实施方式中，上述步骤s13包括：选取优先级最高的一个图像作为封面图像；或者，选取优先级高的至少两个图像作为封面图像，所述至少两个图像中任意两个图像的相似度低于预设相似度门限。

例如，候选图像集合中包含10个图像，按照优先级由高到低的顺序排列，10个图像分别为：图像1、图像2、图像3、……、图像10。

如果需要选取一个图像作为封面图像，则选取优先级最高的图像，即选取图像1作为封面图像。

如果需要选取3个图像作为封面图像，则按照优先级顺序，首先选取图像1作为封面图像。之后，判断图像2与图像1的相似度是否等于或高于预设相似度门限，如果是，则说明图像2与图像1过于相似，因而不将图像2选为封面图像，继续针对图像3进行判断。按照前述顺序进行选择，直至选取出3个优先级高、并且互不相似的图像作为封面图像。

在一种可能的实施方式中，上述判断两个图像相似度的方式可以为：分别计算两个图像的灰度直方图，确定两个灰度直方图的相似度；根据灰度直方图的相似度，确定两个图像的相似度。

以上解决了封面图像的选取问题。

如图1所示，在一种可能的实施方式中，本发明实施例可以进一步包括，s14：按照预设的宽高比裁剪封面图像。

为了实现裁剪后图像宽高比固定并且损失的图像内容尽量少，步骤s14可以沿着封面图像单一方向进行裁剪，即沿着与封面图像的一条边平行的方向进行裁剪，只裁剪封面图像的上下侧或左右侧。

在裁剪时，本发明实施例从两个方面考虑。第一方面，将哪些部分去除；第二方面，将哪些部分保留。关于第二方面，针对包含人脸图像的封面图像及不包含人脸图像的封面图像，采用不同的裁剪方式。以下详细介绍本发明实施例的多种裁剪方式。

在一种可能的实施方式中，上述步骤s14可以包括：当所述封面图像中包含水印时，如果所述水印所在区域为所述封面图像的边缘位置，则去除所述封面图像中的水印所在区域。

常见的水印一般含有文字，并且位于图像的下方。鉴于此，本发明实施例可以通过文字检测方式实现对水印的检测。上述边缘位置指与封面图像边缘的距离小于预设边缘距离门限的位置。

此外，本发明实施例还可以采用分类器实现对水印的检测。该分类器可以采用支持向量机(svm，supportvectormachine)分类器。

在一种实施方式中，在训练分类器时，针对多个图像样本，首先采用水印对图像样本进行匹配，将图像样本中与水印匹配度最高的区域作为匹配结果。该匹配结果是图像样本中与水印最接近的部分。之后，采用匹配结果以及该匹配结果中是否包含水印的实际信息训练分类器，其中，匹配结果中是否水印的实际信息由人工得出。在训练时，将匹配结果输入分类器，由分类器输出该匹配结果中是否包含水印的预测信息，当该预测信息与实际信息不同时，调整分类器的相关参数。采用这种方式，直至分类器预测的正确率达到预设的要求时，对分类器的训练完成。上述方式中，图像样本包括包含水印的图像样本以及不包含水印的图像样本。

在一种实施方式中，采用上述分类器检测封面图像是否包含水印时，首先采用水印对封面图像进行匹配，将封面图像中与水印匹配度最高的区域作为匹配结果。该匹配结果是封面图像中与水印最接近的部分。之后，采用分类器对该匹配结果进行检测，输出该匹配结果是否包含水印的信息。

采用上述方式，本发明实施例可以识别出封面图像中是否包含水印，并将位于封面图像边缘且面积较小的水印裁剪去除。

在一种可能的实施方式中，本发明实施例可以采用预设的人脸检测模型检测封面图像中所有人脸图像的区域。其中，人脸检测模型可以基于深度学习的目标检测算法训练得到。

在裁剪时，本发明实施例尽量避免裁剪人脸图像所在区域。针对包含一个人脸图像及至少两个人脸图像的封面图像，本发明实施例采用不同的处理方式。具体包括：

在一种可能的实施方式中，上述步骤s14包括：当所述封面图像中包含一个人脸图像时，保留所述人脸图像所在区域。

或者，上述步骤s14包括：当所述封面图像中包含至少两个人脸图像时，保留关键人脸图像所在区域；当所述封面图像中包含至少两个人脸图像时，根据各个人脸图像的面积及与封面图像的中心位置的距离确定关键人脸图像，保留所述关键人脸图像所在区域。

在一种可能的实施方式中，在确定关键人脸图像时，可以分别根据人脸图像的面积及与封面图像的中心位置的距离为人脸图像打分，将两个打分结果加权求和，得到针对该人脸图像的总体得分。将封面图像中总体得分最高的人脸图像作为关键人脸图像。例如，针对人脸图像i，根据人脸图像i的面积，确定其面积得分s1；面积越大，s1越大。根据人脸图像i与封面图像的中心位置的距离，确定其距离得分s2；距离越大，s2越小。之后，确定人脸图像i的总体得分s＝s1*k1+s2*k2。其中，k1和k2分别为对应s1和s2的权值，k1和k2的具体取值可以根据实际需求设置及修改。

以上介绍了对包含人脸图像的封面图像的裁剪方式。对于不包含人脸图像的封面图像，可以保留信息量最大的区域。即，在一种可能的实施方式中，上述步骤s14包括：当所述封面图像中不包含人脸图像时，保留所述封面图像中信息量最大的区域。

其中，封面图像中一个区域的信息量的确定方式可以包括：计算所述封面图像的显著性映射图；根据所述显著性映射图确定所述区域的信息量。

如图3a为本发明一实施方式的裁剪封面图像的方式示意图。为便于区分，以下将裁剪之前的封面图像称为“原始封面图像”，将裁剪之后的封面图像称为“裁剪后的封面图像”。在图3中，原始封面图像的宽为w，高为h，可以计算出原始封面图像的宽高比为m＝w/h。对原始封面图像进行裁剪，得到裁剪后的封面图像。对原始封面图像进行裁剪时，预设的裁剪后的封面图像的宽高比为n。假定n>m，因此需要沿着高度方向裁剪原始封面图像，即裁剪原始封面图像的上侧和/或下侧。例如，l1和l2是两条与原始封面图像的上边和下边平行的直线，沿着l1和l2，可以对原始封面图像进行裁剪，裁剪后的封面图像高度的高为g＝w/n，满足预设的宽高比n。本发明实施方式在裁剪时，需要保留信息量最大的区域。

在计算信息量时，首先根据显著性检测算法计算得到原始封面图像的显著性映射图，显著性映射图的尺寸与原始封面图像的尺寸一致。之后，计算显著性映射图的积分图，由积分图可以得出原始封面图像中高度为g的部分的信息量。如图3b为本发明一实施方式的原始封面图像的显著性映射图的积分图示意图。其中，a1为积分图中直线l1以上部分的显著性总和，a2为积分图中直线l2以上部分的显著性总和。那么，对于直线l1和l2所限定的原始封面图像的部分，该部分的信息量可以为a＝a2-a1。

将l1和l2逐渐向下移动，在移动时，保持直线l1和l2之间的间隔为g。则采用上述计算方式，可以得出高度为g的原始封面图像的不同部分的信息量。在裁剪时，保留信息量最大的区域，将其余的区域去除掉。

在一种可能的实施方式中，上述预设的宽高比可以根据实际需要设置及调整。

采用本发明实施例提出的封面图像选取方法，可以从文章包含的图像中选取合适的图像作为封面图像，并对选取的封面图像进行裁剪。选取及裁剪后的封面图像能够反映文章内容，并能够兼具整体美观性，从而提高对用户的吸引力。

示例性介质

在介绍了本发明示例性实施方式的方法之后，接下来，参考图4对本发明示例性实施方式的介质进行说明。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种计算机可读介质，其上存储有程序，当该程序被处理器执行时用于实现本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的封面图像选取方法的步骤。

具体地，上述处理器执行上述程序时用于实现如下步骤：对待选取图像集合进行过滤，将过滤后的所述待选取图像集合作为候选图像集合；所述待选取图像集合包括至少两个图像；确定所述候选图像集合中的各个图像的优先级；选取所述优先级高的至少一个图像作为封面图像。

需要说明的是：上述的介质可以是可读信号介质或者可读存储介质。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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。

如图4所示，描述了根据本发明的实施方式的介质40，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序，并可以在设备上运行。然而，本发明不限于此，在本文件中，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。

可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算设备。

示例性装置

在介绍了本发明示例性实施方式的介质之后，接下来，参考图5对本发明示例性实施方式的装置进行说明。

如图5所示，本发明实施例的封面图像选取装置可以包括：

过滤模块510，用于对待选取图像集合进行过滤，将过滤后的所述待选取图像集合作为候选图像集合；所述待选取图像集合包括至少两个图像；

优先级确定模块520，用于确定所述候选图像集合中的各个图像的优先级；

图像选取模块530，用于选取所述优先级高的至少一个图像作为封面图像。

在一种可能的实施方式中，过滤模块510包括：

第一过滤子模块511，用于将包含条形码的图像从所述待选取图像集合中删除。

在一种可能的实施方式中，过滤模块510包括：

第二过滤子模块512，用于针对所述待选取图像集合中的各个图像，确定所述图像中空白部分面积与图像面积的比例；将所述比例大于预设比例门限的图像从所述待选取图像集合中删除。

在一种可能的实施方式中，过滤模块510包括：

第三过滤子模块513，用于针对所述待选取图像集合中的各个图像，将所述图像转换为灰度图；将所述灰度图的像素值变化范围低于预设范围门限的图像从所述待选取图像集合中删除。

在一种可能的实施方式中，过滤模块510包括：

第四过滤子模块514，用于将包含文字的数量大于预设第一数量门限的图像从所述待选取图像集合中删除。

在一种可能的实施方式中，优先级确定模块520包括：

第一确定子模块521，用于将包含文字的数量大于预设第二数量门限的图像设置为低优先级。

在一种可能的实施方式中，优先级确定模块520还包括：

第二确定子模块522，用于采用预设的图像评分模型对所述候选图像集合中包含文字的数量不大于所述预设第二数量门限的图像进行评分，根据评分结果确定所述各个图像的优先级。

在一种可能的实施方式中，图像选取模块530，用于选取优先级最高的一个图像作为封面图像；或者，选取优先级高的至少两个图像作为封面图像，所述至少两个图像中任意两图像的相似度低于预设相似度门限。

在一种可能的实施方式中，上述装置还包括：

裁剪模块540，用于按照预设的宽高比裁剪所述封面图像。

在一种可能的实施方式中，裁剪模块540包括：

第一裁剪子模块541，用于当所述封面图像中包含水印时，如果所述水印所在区域为所述封面图像的边缘位置，则去除所述封面图像中的水印所在区域。

在一种可能的实施方式中，裁剪模块540包括：

第二裁剪子模块542，用于当所述封面图像中包含一个人脸图像时，保留所述人脸图像所在区域。

在一种可能的实施方式中，裁剪模块540包括：

第三裁剪子模块543，用于当所述封面图像中包含至少两个人脸图像时，根据各个人脸图像的面积及与所述封面图像的中心位置的距离确定关键人脸图像，保留所述关键人脸图像所在区域。

在一种可能的实施方式中，裁剪模块540包括：

第四裁剪子模块544，用于当所述封面图像中不包含人脸图像时，保留所述封面图像中信息量最大的区域。

在一种可能的实施方式中，第四裁剪子模块544还用于，计算所述封面图像的显著性映射图；根据所述显著性映射图确定所述区域的信息量。

示例性计算设备

在介绍了本发明示例性实施方式的方法、介质和装置之后，接下来，参考图6对本发明示例性实施方式的计算设备进行说明。

本发明实施例提供了一种计算设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现上述封面图像选取方法中的任一方法。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本发明实施方式的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中，上述存储单元存储有程序代码，当上述程序代码被上述处理单元执行时，使得上述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明的各种示例性实施方式的封面图像选取方法中的步骤。

下面参照图6来描述根据本发明的实施方式的计算设备60。图6显示的计算设备60仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算设备60以通用计算设备的形式表现。计算设备60的组件可以包括但不限于：上述至少一个处理单元601、上述至少一个存储单元602以及连接不同系统组件(包括处理单元601和存储单元602)的总线603。

总线603包括数据总线、控制总线和地址总线。

存储单元602可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)6021和/或高速缓存存储器6022，可以进一步包括非易失性存储器形式的可读介质，例如只读存储器(rom)6023。

存储单元602还可以包括具有一组(至少一个)程序模块6024的程序/实用工具6025，这样的程序模块6024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

计算设备60也可以与一个或多个外部设备604(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口605进行。并且，计算设备60还可以通过网络适配器606与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图6所示，网络适配器606通过总线603与计算设备60的其它模块通信。应当理解，尽管图中未示出，可以结合计算设备60使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了封面图像选取装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。