图像处理方法、处理装置和计算机可读存储介质与流程

本申请属于图像处理技术领域，尤其是图像处理方法、处理装置和计算机可读存储介质。

背景技术：

随着科技的日益进步和智能手机的普及,无论是在日常生活还是外出旅游，当看到美丽景色或独特建筑物时，许多用户下意识地拿出手机进行拍照。对于人物拍摄来说，除了拍照者的拍摄技巧之外，被拍照者在拍照过程中姿势和构图选择的好坏，也是决定照片拍摄成功与否的一个重要因素。对于专业人士来说(例如模特、明星等)，在拍照过程中通过变换不同姿势以获得良好的拍摄效果是非常轻松的事情。但在日常生活中，摆出各种各样姿势进行拍照对于很多非专业人士来说却不那么容易，因此在拍照中往往因为不擅长摆姿势给被拍照者以及拍照者带来很多烦恼。例如，由于被拍照者不擅长摆姿势，那么在整个拍照过程中，大部分时间会花费在摆姿势这一环节上，不但会造成拍摄效率以及成功率的低下，而且反复调整姿势也容易使拍照者以及被拍照者感到不耐烦。又例如，由于被拍照者不擅长摆姿势，因此拍摄出来的照片往往造型单一，无法达到良好的拍摄效果。

技术实现要素：

为克服相关技术中存在的拍照效果差和耗时的问题，本申请公开一种图像处理方法、处理装置和计算机可读存储介质，以解决现有拍照过程中存在的问题。

根据本申请实施例的第一方面，提供一种图像处理方法，所述图像处理方法应用于客户端，包括：

获取关于当前拍摄场景的第一图像；

向服务器发送所述第一图像；

接收至少一个关于所述第一图像的参考图像，该参考图像是由所述服务器根据所述第一图像语义分析后获取到的与所述第一图像语义相似的图像；以及

显示所述至少一个参考图像，以便于用户参考所述至少一个所述参考图像拍摄所述当前拍摄场景。

可选地，所述显示所述至少一个参考图像，以便于用户参考所述至少一个所述参考图像拍摄所述当前拍摄场景，同时，还包括：

显示所述至少一个所述参考图像中提取到的拍摄参数和/或构图参数，以便于所述用户参考应用所述拍摄参数和/或构图参数拍摄所述当前拍摄场景。

可选地，所述拍摄参数包括：滤镜、白平衡、曝光补偿数和焦距，所述构图参数包括：背景、构图、人物姿势。

根据本申请实施例的第二方面，提供一种图像处理方法，所述图像处理方法应用于服务器端，包括：

接收客户端发送的关于当前拍摄场景的第一图像；

对所述第一图像进行语义分析；

根据所述语义分析结果，搜索与所述第一图像的语义相似的参考图像；以及

发送至少一个所述参考图像至所述客户端。

可选地，所述对所述第一图像进行语义分析，包括：获取所述第一图像的第一特征向量和第二特征向量。

可选地，所述根据所述语义分析结果，搜索与所述第一图像的语义相似的参考图像，包括：

获取每个预存储图像的第一特征向量；

获取每个预存储图像的第二特征向量；

建立并存储每个预存储图像、所述第一特征向量和所述第二特征向量的映射关系，所述第一特征向量的维度大于所述第二特征向量的维度；

将所述第一图像和多个预存储的图像进行特征比对；以及

根据比对结果获得至少一个所述第一图像的参考图像。

可选地，所述将所述第一图像和多个预存储的图像进行特征比对，包括：

将所述第一图像的第二特征向量和所述多个预存储图像的多个第二特征向量分别进行相似性比对；

根据比对结果得到至少一个目标图像；以及

将所述第一图像的第一特征向量和所述至少一个目标图像的第一特征向量进行相似度比对；

根据比对结果获得所述至少一个参考图像。

可选地，所述根据比对结果得到至少一个目标图像包括：

如果一个预存储图像的第二特征向量和所述第一图像的第二特征向量的距离小于设定阈值，将该预存储图像作为所述目标图像；

所述根据比对结果获得所述至少一个参考图像包括：

如果一个预存储图像的第一特征向量和所述第一图像的第一特征向量的距离小于设定阈值，将该预存储图像作为所述参考图像。

可选地，根据第一模型获取所述第一特征向量，根据第二模型获取所述第二特征向量。

可选地，所述第一模型为n层卷积神经网络模型，所述第二模型为n+1层卷积神经网络模型，所述第二模型在所述第一模型的n-1层和n层之间增加了一个隐层。

可选地，所述图像处理方法，还包括：

建立训练集和验证集；

根据所述训练集和验证集，基于所述卷积神经网络模型训练得到所述第一模型和所述第二模型。

可选地，所述图像处理方法，还包括：对所述训练集和所述验证集中的图像进行预处理。

可选地，所述图像处理方法，还包括：接收反馈信息，并根据反馈信息优化所述第一模型和所述第二模型。

根据本发明实施例的第三方面，提供一种图像处理装置，所述图像处理装置应用于客户端，包括：

第一拍摄模块，用于获取关于当前拍摄场景的第一图像；

第一发送模块，用于向服务器发送所述第一图像；

第一接收模块，用于接收至少一个关于所述第一图像的参考图像，该参考图像是由所述服务器根据所述第一图像语义分析后获取到的与所述第一图像语义相似的图像；

第二拍摄模块，用于显示所述至少一个参考图像，以便于用户参考所述至少一个所述参考图像拍摄所述当前拍摄场景。

可选地，所述第二拍摄模块，还用于显示所述至少一个所述参考图像中提取到的拍摄参数和/或构图参数，以便于所述用户参考应用所述拍摄参数和/或构图参数拍摄所述当前拍摄场景。

可选地，所述拍摄参数包括：滤镜、白平衡、曝光补偿数和焦距，所述构图参数包括：背景、构图、人物姿势。

根据本发明实施例的第四方面，提供一种图像处理装置，其特征在于，所述图像处理装置应用于服务器端，包括：

第二接收模块，用于接收客户端发送的关于当前拍摄场景的第一图像；

语义分析模块，用于对所述第一图像进行语义分析；

参考图像获取模块，用于根据所述语义分析结果，搜索与所述第一图像的语义相似的参考图像；

第二发送模块，用于发送至少一个所述参考图像至所述客户端。

可选地，所述对所述第一图像进行语义分析，包括：获取所述第一图像的第一特征向量和第二特征向量。

可选地，所述根据所述语义分析结果，搜索与所述第一图像的语义相似的参考图像，包括：获取每个预存储图像的第一特征向量；

获取每个预存储图像的第二特征向量；

建立并存储每个预存储图像、所述第一特征向量和所述第二特征向量的映射关系，所述第一特征向量的维度大于所述第二特征向量的维度；

将所述第一图像和多个预存储的图像进行特征比对；以及

根据比对结果获得至少一个所述第一图像的参考图像。

可选地，所述将所述第一图像和多个预存储的图像进行特征比对，包括：

将所述第一图像的第二特征向量和所述多个预存储图像的多个第二特征向量分别进行相似性比对；

根据比对结果得到至少一个目标图像；以及

将所述第一图像的第一特征向量和所述至少一个目标图像的第一特征向量进行相似度比对；

根据比对结果获得所述至少一个参考图像。

可选地，所述根据比对结果得到至少一个目标图像包括：

如果一个预存储图像的第二特征向量和所述第一图像的第二特征向量的距离小于设定阈值，将该预存储图像作为所述目标图像；

所述根据比对结果获得所述至少一个参考图像包括：

如果一个预存储图像的第一特征向量和所述第一图像的第一特征向量的距离小于设定阈值，将该预存储图像作为所述参考图像。

可选地，根据第一模型获取所述第一特征向量，根据第二模型获取所述第二特征向量。

可选地，所述第一模型为n层卷积神经网络模型，所述第二模型为n+1层卷积神经网络模型，所述第二模型在所述第一模型的n-1层和n层之间增加了一个隐层。

根据本发明实施例的第五方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现上述任一项所述的图像处理方法。

根据本发明实施例的第六方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现上述任一项所述的图像处理方法。

根据本发明实施例的第七方面，提供一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任意一项所述的图像处理方法。

根据本发明的第八方面，提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任意一项所述的图像处理方法。

本申请的实施例提供的技术方案可以包括以下有益效果：

在该图像处理方法中，客户端接收服务器发送的至少一个关于该第一图像的参考图像。该参考图像是由服务器根据该第一图像语义分析后获取到的与该第一图像语义相似的图像。客户端显示从服务器接收的至少一个关于该第一图像的参考图像。以便于用户根据自身喜好，参考至少一个该参考图像拍摄该当前拍摄场景。从而提高了拍摄效果。

在该图像处理方法中，对该第一图像和该多个预存储图像进行第二特征向量的相似性比对和第一特征向量的相似度比对，由于该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量的维度小于该第一图像的第一特征向量和该至少一个目标图像的第一特征向量，所以该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量的相似性比对的计算量较小，同时第一特征向量的相似度比对是在获得的目标图像和该第一图像之间计算，避免在所有预存储图像和该第一图像之间计算该第一特征向量的相似度，从而进一步减小计算量。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

图1a是根据一示例性实施例示出的图像处理方法的流程图。

图1b是根据一示例性实施例示出的图像处理方法的流程图。

图2是根据一示例性实施例示出的图像处理方法的流程图。

图3a是根据一示例性实施例示出的图像处理装置的示意图。

图3b是根据一示例性实施例示出的图像处理装置的示意图。

图4是根据一示例性实施例示出的一种执行图像处理方法的装置的框图。

图5是根据一示例性实施例示出的一种执行图像处理方法的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1a是根据一示例性实施例示出的图像处理方法的流程图，该图像处理方法应用于客户端，具体包括以下步骤：

在步骤s111中，获取关于当前拍摄场景的第一图像。

在该步骤中，当相机中出现当前拍摄场景时，客户端每隔一定时间拍摄当前拍摄场景，得到关于当前拍摄场景的第一图像。

在步骤s112中，向服务器发送所述第一图像。

在该步骤中，客户端将步骤s111中拍摄的该第一图像发送给服务器。

在步骤s113中，接收至少一个关于所述第一图像的参考图像，该参考图像是由所述服务器根据所述第一图像语义分析后获取到的与所述第一图像语义相似的图像。

在该步骤中，客户端接收服务器发送的至少一个关于该第一图像的参考图像。该参考图像是由服务器根据该第一图像语义分析后获取到的与该第一图像语义相似的图像。

在步骤s114中，显示所述至少一个参考图像，以便于用户参考所述至少一个所述参考图像拍摄所述当前拍摄场景。

在该步骤中，客户端显示从服务器接收的至少一个关于该第一图像的参考图像。以便于用户根据自身喜好，参考至少一个该参考图像拍摄该当前拍摄场景。

根据本申请实施例，客户端接收服务器发送的至少一个关于该第一图像的参考图像。该参考图像是由服务器根据该第一图像语义分析后获取到的与该第一图像语义相似的图像。客户端显示从服务器接收的至少一个关于该第一图像的参考图像。以便于用户根据自身喜好，参考至少一个该参考图像拍摄该当前拍摄场景。从而提高了拍摄效果。

图1b是根据一示例性实施例示出的图像处理方法的流程图，该图像处理方法应用于服务器端，具体包括以下步骤：

在步骤s121中，接收客户端发送的关于当前拍摄场景的第一图像。

在该步骤中，服务器接收客户端拍摄的关于当前拍摄场景的第一图像。

在步骤s122中，对所述第一图像进行语义分析。

在该步骤中，服务器接收到该第一图像后，对该第一图像进行语义分析。

在步骤s123中，根据所述语义分析结果，搜索与所述第一图像的语义相似的参考图像。

在该步骤中，根据步骤s122中对该第一图像进行语义分析的结果，在服务器中搜索与该第一图像的语义相似的参考图像。

在步骤s124中，发送至少一个所述参考图像至所述客户端。

在该步骤中，将步骤s123中的至少一个该第一图像的参考图像发送给客户端。该参考图像为客户端后续拍摄照片提供参考。

根据本申请实施例，服务器接收到该第一图像后，对该第一图像进行语义分析。根据对该第一图像进行语义分析的结果，在服务器中搜索与该第一图像的语义相似的参考图像。服务器将至少一个该第一图像的参考图像发送给客户端。该参考图像为客户端后续拍摄照片提供参考。从而提高了拍摄效果。

图2是根据一示例性实施例示出的图像处理方法的流程图，包括客户端和服务器端。具体包括以下步骤：

在步骤s201中，客户端获取关于当前拍摄场景的第一图像。

在步骤s202中，客户端向服务器发送所述第一图像。

在步骤s203中，服务器接收客户端发送的关于当前拍摄场景的第一图像。

在步骤s204中，服务器获取所述第一图像的第一特征向量和第二特征向量。

在步骤s205中，服务器获取每个预存储图像的第一特征向量和第二特征向量。

在步骤s206中，服务器建立并存储每个预存储图像、所述第一特征向量和所述第二特征向量的映射关系，所述第一特征向量的维度大于所述第二特征向量的维度。

在步骤s207中，服务器将所述第一图像和多个预存储的图像进行特征比对。

在步骤s208中，服务器根据比对结果获得至少一个所述第一图像的参考图像。

在步骤s209中，服务器发送至少一个所述参考图像至所述客户端。

在步骤s210中，客户端接收至少一个关于所述第一图像的参考图像，该参考图像是由所述服务器根据所述第一图像语义分析后获取到的与所述第一图像语义相似的图像。

在步骤s211中，客户端显示所述至少一个参考图像，以便于用户参考所述至少一个所述参考图像拍摄所述当前拍摄场景。

本实施例描述客户端和服务器端进行交互的流程图。步骤s201-步骤s202以及步骤s210-步骤s211在客户端执行，步骤s203-步骤s209在服务器端执行。步骤s201-步骤s202与步骤s111-步骤s112一致，步骤203与步骤s121一致，步骤s209和步骤s124一致，这里就不再赘述。

在步骤s204中，服务器对该第一图像进行语义分析，获取该第一图像的第一特征向量和第二特征向量。

在步骤s205-s206中，在服务器端，预存储着多个预存储图像。服务器对该多个预存储图像进行语义分析，获取每个预存储图像的第一特征向量和第二特征向量。服务器建立了每个预存储图像、它的第一特征向量和它的第二特征向量的映射关系，第一特征向量的维度大于该第二特征向量的维度。第一特征向量相对于第二特征向量，其表示更细粒度的特征信息。例如可以基于第一特征向量获得第二特征向量。

在步骤s207中，服务器将该第一图像和多个预存储图像进行特征比对。具体是，服务器将该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量分别进行相似性比对，例如通过计算该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量之间的汉明距离来得到该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量的相似性。以及将该第一图像的第一特征向量和该至少一个目标图像的第一特征向量进行相似度比对，例如通过计算该第一图像的第一特征向量和该至少一个目标图像的第一特征向量之间的汉明距离来得到该第一图像的第一特征向量和该至少一个目标图像的第一特征向量的相似度。

在步骤s208中，根据该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量的比对结果，如果一个预存储图像的第二特征向量和该第一图像的第二特征向量的汉明距离小于设定阈值，将该预存储图像作为目标图像。根据该第一图像的第一特征向量和该至少一个目标图像的第一特征向量的比对结果，如果一个预存储图像的第一特征向量和该第一图像的第一特征向量的汉明距离小于设定阈值，将该预存储图像作为该第一图像的参考图像。

在步骤s210-s211，客户端接收至少一个关于该第一图像的参考图像。该参考图像是由服务器根据该第一图像语义分析后获取到的与该第一图像语义相似的图像。客户端显示至少一个参考图像，以便于用户参考至少一个该参考图像拍摄当前拍摄场景。客户端还显示至少一个该参考图像中提取到的拍摄参数和/或构图参数，以便于用户参考应用该拍摄参数和/或构图参数拍摄当前拍摄场景。该拍摄参数包括：滤镜、白平衡、曝光补偿数和焦距，该构图参数包括：背景、构图、人物姿势。

根据本申请实施例，对该第一图像和该多个预存储图像进行第二特征向量和第一特征向量的相似性比对，由于第二特征向量的维度小于第一特征向量的维度，所以该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量的相似度比对的计算量较小，同时第一特征向量的相似度比对是在获得的目标图像之后进行，只需要对目标图像和第一图像的第一特征向量进行相似度比对，从而避免在所有预存储图像和第一图像之间计算该第一特征向量的相似度，该种处理方式减小计算量，从而能够将参考图像及时反馈给客户端，以便于用户参考至少一个该参考图像拍摄当前拍摄场景。

在本申请的一个可选的实施例中，该图像处理方法，还包括：建立第一模型和第二模型。具体地，建立图像的训练集和验证集。对该训练集和该验证集中的图像进行图像尺寸和维度的归一化预处理。根据该训练集，基于卷积神经网络模型训练得到第一模型和第二模型。根据该训练集，接收对该第一模型和该第二模型进行验证时得到的反馈信息，并根据该反馈信息优化该第一模型和该第二模型。该第一模型为n层卷积神经网络模型，该第二模型为n+1层卷积神经网络模型，该第二模型在该第一模型的n-1层和n层之间增加了一个隐层。根据该第一模型获取该第一图像和该多个预存储图像的第一特征向量。根据该第二模型获取该第一图像和该多个预存储图像的第二特征向量。在一个实施例中，该隐层的神经元激励函数为sigmoid激活函数。sigmoid激活函数将该第一图像和该多个预存储图像的特征向量归一化到(0,1)区间。

图3a是根据一示例性实施例示出的图像处理装置的示意图，该图像处理装置应用于客户端，具体包括：第一拍摄模块311、第一发送模块312、第一接收模块313和第二拍摄模块314。

第一拍摄模块311，用于获取关于当前拍摄场景的第一图像。

第一发送模块312，用于向服务器发送所述第一图像。

第一接收模块313，用于接收至少一个关于所述第一图像的参考图像，该参考图像是由所述服务器根据所述第一图像语义分析后获取到的与所述第一图像语义相似的图像。

第二拍摄模块314，用于显示所述至少一个参考图像，以便于用户参考所述至少一个所述参考图像拍摄所述当前拍摄场景。

在本申请的实施例中，第一拍摄模块311，用于当相机中出现当前拍摄场景时，客户端每隔一定时间拍摄当前拍摄场景，得到关于当前拍摄场景的第一图像。第一发送模块312，用于向服务器发送该第一图像。第一接收模块313，用于接收服务器发送的至少一个关于该第一图像的参考图像。该参考图像是由服务器根据该第一图像语义分析后获取到的与该第一图像语义相似的图像。第二拍摄模块314，用于显示从服务器接收的至少一个关于该第一图像的参考图像。以便于用户根据自身喜好，参考至少一个该参考图像拍摄该当前拍摄场景。

在本申请的一个可选的实施例中，第二拍摄模块314，还用于显示至少一个该参考图像中提取到的滤镜、白平衡、曝光补偿数和焦距等拍摄参数和/或背景、构图、人物姿势等构图参数，以便于用户参考应用该拍摄参数和/或构图参数拍摄当前拍摄场景。

图3b是根据一示例性实施例示出的图像处理装置的示意图，该图像处理装置应用于服务器端，具体包括：第二接收模块321、语义分析模块322、参考图像获取模块323和第二发送模块324。

第二接收模块321，用于接收客户端发送的关于当前拍摄场景的第一图像。

语义分析模块322，用于对所述第一图像进行语义分析。

参考图像获取模块323，用于根据所述语义分析结果，搜索与所述第一图像的语义相似的参考图像。

第二发送模块324，用于发送至少一个所述参考图像至所述客户端。

在本申请的实施例中，第二接收模块321，用于接收客户端拍摄的关于当前拍摄场景的第一图像。语义分析模块322，用于对该第一图像进行语义分析。参考图像获取模块323，用于根据该语义分析结果，搜索与该第一图像的语义相似的参考图像。第二发送模块324，用于发送至少一个该参考图像至客户端。

在本发明的一个可选的实施例中，语义分析模块322，用于获取该第一图像的第一特征向量和第二特征向量。参考图像获取模块323，用于获取每个预存储图像的第一特征向量。获取每个预存储图像的第二特征向量。建立并存储每个预存储图像、所述第一特征向量和所述第二特征向量的映射关系，所述第一特征向量的维度大于所述第二特征向量的维度。将所述第一图像和多个预存储的图像进行特征比对。以及根据比对结果获得至少一个所述第一图像的参考图像。

在本发明的一个可选的实施例中，参考图像获取模块323，用于将该第一图像的第二特征向量和该多个预存储图像的多个第二特征向量分别进行相似性比对。根据比对结果得到至少一个目标图像，例如如果一个预存储图像的第二特征向量和该第一图像的第二特征向量的汉明距离小于设定阈值，将该预存储图像作为目标图像。以及将该第一图像的第一特征向量和至少一个目标图像的第一特征向量进行相似度比对。根据比对结果获得至少一个参考图像，例如如果一个预存储图像的第一特征向量和该第一图像的第一特征向量的汉明距离小于设定阈值，将该预存储图像作为参考图像。

在本发明的一个可选的实施例中，参考图像获取模块323，根据第一模型获取第一特征向量。参考图像获取模块323，根据第二模型获取第二特征向量。该第一模型为n层卷积神经网络模型，该第二模型为n+1层卷积神经网络模型，该第二模型在该第一模型的n-1层和n层之间增加了一个隐层，n大于等于8。在一个实施例中，该隐层的神经元激励函数为sigmoid激活函数。sigmoid激活函数将该第一图像和该多个预存储图像的特征向量归一化到(0,1)区间。

图4是根据一示例性实施例示出的一种执行图像处理方法的装置1200的框图。例如，交互装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(i/o)的接口1212，传感器组件1214，以及通信组件1216。

处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。

存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1206为装置1200的各种组件提供电力。电源组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。

多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(mic)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。

i/o接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如wifi，运营商网络(如2g、3g、4g或5g)，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1216还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

图5是根据一示例性实施例示出的一种执行图像处理方法的装置1300的框图。例如，装置1300可以被提供为一服务器。参照图5，装置1300包括处理组件1322，其进一步包括一个或多个处理器，以及由存储器1332所代表的存储器资源，用于存储可由处理组件1322的执行的指令，例如应用程序。存储器1332中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1322被配置为执行指令，以执行上述信息列表显示方法。

装置1300还可以包括一个电源组件1326被配置为执行装置1300的电源管理，一个有线或无线网络接口1350被配置为将装置1300连接到网络，和一个输入输出(i/o)接口1358。装置1300可以操作基于存储在存储器1332的操作系统，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。