[0001]技术领域
[0002]本申请涉及图像处理技术领域，尤其是涉及到一种图像边框的裁剪方法、装置及设备。
[0003]背景技术
[0004]随着网络技术的发展，互联网资源越来越丰富。由于互联网获取图片渠道的多样性，第一手的图片资源往往不能直接使用，很多图片会附带各种各样的图像边框，这样影响了图片的展示和二次使用。
[0005]目前，可通过人工裁剪图像边框的方式，将图片中的图像边框区域进行标定，然后按照标定结果进行图像边框裁剪。然而，当待裁剪图像边框的图片数量较多时，这种人工裁剪图像边框的方式，会造成图像边框裁剪的效率较低，并且人工裁剪容易造成一定的裁剪误差，也影响了图像边框裁剪的准确性。
[0006]发明内容
[0007]有鉴于此，本申请提供了一种图像边框的裁剪方法、装置及设备，主要目的在于改善目前通过人工裁剪图像边框的方式会影响图像边框裁剪的效率和准确性的技术问题。
[0008]依据本申请的一个方面，提供了一种图像边框的裁剪方法，该方法包括：
[0009]获取待裁剪边框的目标图像；
[0010]通过调整所述目标图像的色彩维度信息，将所述目标图像调整为黑白图像；
[0011]根据所述黑白图像中边框部分和有效图片部分的黑白分界线，获取图像边框的边界值；
[0012]依据所述边界值，对所述目标图像的图像边框进行裁剪。
[0013]依据本申请的另一方面，提供了一种图像边框的裁剪装置，该装置包括：
[0014]获取模块，用于获取待裁剪边框的目标图像；
[0015]调整模块，用于通过调整所述目标图像的色彩维度信息，将所述目标图像调整为黑白图像；
[0016]所述获取模块，还用于根据所述黑白图像中边框部分和有效图片部分的黑白分界线，获取图像边框的边界值；
[0017]裁剪模块，用于依据所述边界值，对所述目标图像的图像边框进行裁剪。
[0018]依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述图像边框的裁剪方法。
[0019]依据本申请再一个方面，提供了一种图像边框的裁剪设备，包括存储介质、处理器及存储在存储介质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图像边框的裁剪方法。
[0020]借由上述技术方案，本申请提供的一种图像边框的裁剪方法、装置及设备，与目前通过人工裁剪图像边框的方式相比，本申请可自动化实现图像边框的裁剪处理，具体可通过调整待裁剪边框的目标图像的色彩维度信息，不断降低色彩维度直到变为能够识别出边框部分和有效图片部分的黑白图像，以便根据黑白图像中边框部分和有效图片部分的黑白分界线，明确检测到图像边框的边界值，进而依据该边界值实现对目标图像裁剪边框的目的。整个裁剪过程，可无需人工参与标定，可提高图像边框裁剪的效率和准确性，当待裁剪边框的图像数量较多时，更可实现批量处理，效率提升尤为明显。
[0021]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
[0022]附图说明
[0023]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0024]图1示出了本申请实施例提供的一种图像边框的裁剪方法的流程示意图；
[0025]图2示出了本申请实施例提供的另一种图像边框的裁剪方法的流程示意图；
[0026]图3示出了本申请实施例提供的经过双边滤波器处理前后的图像色彩值变化曲线图；
[0027]图4示出了本申请实施例提供的边界多点采样确定边框边界的实例示意图；
[0028]图5示出了本申请实施例提供的图像边框裁剪实例的整体流程示意图；
[0029]图6示出了本申请实施例提供的示例图片经过每一步处理后的效果图；
[0030]图7示出了本申请实施例提供的一种图像边框的裁剪装置的结构示意图。
[0031]具体实施方式
[0032]下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0033]针对改善目前通过人工裁剪图像边框的方式会影响图像边框裁剪的效率和准确性的技术问题。本实施例提供了一种图像边框的裁剪方法，如图1所示，该方法包括：
[0034]101、获取待裁剪边框的目标图像。
[0035]其中，目标图像可为待裁剪边框图片对应的图像，或者待裁剪边框视频帧对应的图像等。
[0036]对于本实施例的执行主体可为图像边框裁剪处理的装置或设备，可配置在客户端侧或者服务端侧，可用于图像边框的自动化裁剪，以提高图像边框裁剪的效率和准确性。
[0037]102、通过调整目标图像的色彩维度信息，将目标图像调整为黑白图像。
[0038]由于待裁剪边框的图像实际可能会存在多种色彩，这样不利于区分图像中边框区域与非边框区域，因此本实施例中可通过调整图像的色彩维度信息，不断降低图像的色彩维度，直至得到能够识别出边框部分和有效图片部分(非边框部分)的黑白图像。需要说明的是，色彩降维的过程可包括至少一个降维处理步骤，每个降维处理步骤都是为了下一个降维处理步骤的实现效果更好，经过这一系列的降维处理过程，直至最终色彩降维处理得到能够区分边框的黑白图像，可更好的识别出边框和内部有效图片的界限值。
[0039]103、根据黑白图像中边框部分和有效图片部分的黑白分界线，获取图像边框的边界值。
[0040]黑白图像中边框部分和有效图片部分的黑白分界线可在一定程度上作为区分图像中边框区域与非边框区域的参考依据，本实施例可基于该黑白分界线选取边缘点，并依据边缘点，间接框选出非边框区域的最大范围，进而可根据该最大范围所使用的边缘点坐标值，确定得到图像边框的边界值。
[0041]104、依据图像边框的边界值，对目标图像的图像边框进行裁剪。
[0042]例如，依据图像边框的边界值，可确定图像中边框区域范围以及非边框区域范围，即图像中哪些是边框部分，哪些是有效图片部分，进而可根据该边框区域范围以及非边框区域范围，确定图像每一边相应的裁剪处进行目标图像边框裁剪，得到去除边框后的图像，后续可进行展示或二次使用等。
[0043]本实施例提供的图像边框的裁剪方法，与目前通过人工裁剪图像边框的方式相比，本实施例可自动化实现图像边框的裁剪处理，具体可通过调整待裁剪边框的目标图像的色彩维度信息，不断降低色彩维度直到变为能够识别出边框部分和有效图片部分的黑白图像，以便根据黑白图像中边框部分和有效图片部分的黑白分界线，明确检测到图像边框的边界值，进而依据该边界值实现对目标图像裁剪边框的目的。整个裁剪过程，可无需人工参与标定，可提高图像边框裁剪的效率和准确性，当待裁剪边框的图像数量较多时，更可实现批量处理，效率提升尤为明显。
[0044]进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的实施方式，本实施例还提供了另一种图像边框的裁剪方法，如图2所示，该方法包括：
[0045]201、获取待裁剪边框的目标图像。
[0046]在本实施例中，在得到待裁剪边框的目标图像后，需要对目标图像进行色彩降维处理，色彩降维的目的是为了得到能够区分边框和内部有效图片的黑白图像，具体的色彩降维过程可执行步骤202至204所示的过程。其中，每个步骤都是为了下一个步骤的实现效果更好。
[0047]202、去除待裁剪边框的目标图像中大于预设频率阈值的像素点。
[0048]其中，预设频率阈值可根据实际情况进行预先设置，该阈值用于确定目标图像中的高频像素点。
[0049]在本实施例中，将图像的每行像素的色彩值(RGB值)看做是信号波，色彩变化剧烈的部分就是高频部分，色彩变化平缓的部分就是低频部分。为了降低目标图像的色彩维度直至黑白图像，可首先去除目标图像中高频像素点，即目标图像中大于预设频率阈值的像素点，以平滑整个图像。为了准确快速地实现该过程，本实施例可利用低通滤波器(LowPass filter)去除掉目标图像中的高频像素点。该低通滤波器就是去除或减弱高频信号，保留低频信号。进一步的，为了达到更好的去除目标图像中高频像素点的效果，可选的，步骤202具体可包括：利用双边滤波器，去除目标图像中大于预设频率阈值的像素点。
[0050]双边滤波器是低通滤波器的一种，示例性的，双边滤波器的定义可如下所示：
[0051]上述公式一中， 为输出图片， 为输入图片，函数的值代表给定像素上的色彩信息。将输入图片和输出影像写成向量的原因是，操作的影像不限定是只有单一通道的灰阶影像，他们也可以是多通道的彩色影像。公式一中的 代表影像中的任意一点，而 代表在 邻近的点。而k为归一化函数：
[0052]定义公式一和公式二中还包含了两个核心策略公式 和 这两个式子分别代表了 和 在空间几何关系上的差异和光度/色彩差异上的差异。
[0053]在通过本实施例中的双边滤波器处理后，整个图像色彩变化会明显趋于缓和，能够很好的达到平滑整个图像的目的，便于后续进一步降低色彩维度直至黑白的处理。例如，如图3所示，为双边滤波器处理前后的图像色彩值变化曲线图，线1为图像的原色彩值，线2为双边滤波器处理后的色彩值，很明显经过双边滤波器处理后，可使得整个图像色彩变化会明显趋于缓和。
[0054]203、将去除预设频率阈值的像素点后的目标图像进行灰度处理。
[0055]对于本实施例，在目标图像经过色彩变化平缓的处理后，可进行灰度化(Gray)处理，将目标图像去掉色彩。灰度就是没有色彩，RGB色彩分量全部相等，即一个像素点的R＝G＝B。取值可有多种可选方式，例如有分量法、最大值法、平均法、加权平均法等。为了达到更好的灰度化处理效果，可选的，本实施例可选用加权平均法，相应的，步骤203具体可包括：按照像素点RGB值的加权平均规则，分别计算目标图像中每个像素点对应的灰度值；然后利用计算得到的每个像素点的灰度值进行图像灰度处理。
[0056]其中，加权平均规则可根据实际需求预先设定。即红(R)、绿(G)、蓝(B)分别对应的权重值可进行相应预设。例如，可利用如下公式三，计算得到目标图像中每个像素点对应的灰度值。
[0057]Gray(i,j)＝0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j) (公式三)
[0058]在公式三中，Gray(i,j)表示横向坐标i，纵向坐标j的像素点的灰度值；R(i,j)表示横向坐标i，纵向坐标j的像素点的R值；G(i,j)表示横向坐标i，纵向坐标j的像素点的G值；B(i,j)表示横向坐标i，纵向坐标j的像素点的B值。
[0059]204、根据每个像素点的灰度值，将灰度处理后的目标图像进行黑白化处理，得到包含边框部分和有效图片部分的黑白图像。
[0060]根据灰度处理后的目标图像中每个像素点的灰度值，可利用二值化(BinaryImage，BW)快速准确地将目标图像黑白化处理。这里二值化即图像只有白(RGB＝255)和黑(RGB＝0)两种颜色。
[0061]示例性的，步骤204具体可包括：获取灰度处理后的目标图像中每个像素点的灰度值；若目标像素点的灰度值大于或等于预设阈值，则将目标像素点的RGB值设置为第一颜色的RGB值；若目标像素点的灰度值小于预设阈值，则将目标像素点的RGB值设置为第二颜色的RGB值，其中，第一颜色和第二颜色为黑白对立的两种颜色。
[0062]例如，以目标图像中灰度处理后的像素点a为例，如果像素点a的灰度值大于一定阈值，可将像素点a的RGB值设置为白色的RGB值(即RGB＝255)；如果像素点a的灰度值小于一定阈值，可将像素点a的RGB值设置为黑色的RGB值(即RGB＝0)。通过这种可选方式可快速准确地将目标图像黑白化处理，进而可提高图像边框裁剪的效率。
[0063]205、利用最大值滤波器，去除黑白图像中的噪点。
[0064]在经过黑白化的二值化处理得到黑白图像后，该黑白图像中有可能会出现一些噪点，如边缘白色内出现黑点等。这些噪点会造成对确定图像边框边界值的一定干扰，因此为了提高图像边框边界值确定的准确度，保证后续准确进行图像边框裁剪，本实施例可利用最大值滤波器(Max Filter)，去除黑白图像中的噪点，以准确去除图像中的噪点，使得边框更整齐一些，不至于被一些噪点所影响。
[0065]为了说明具体的实现过程，示例性可选的，步骤205具体可包括：首先在黑白图像中设置至少一卷积区域，该卷积区域的大小可根据实际情况进行预设；然后在每一卷积区域内比较中心点的亮度值与周边点的亮度值；若中心点的亮度值大于周边点亮度值的最大值，则将中心点的亮度值修改为周边点亮度值的最大值；若中心点的亮度值小于周边点亮度值的最小值，则将中心点的亮度值修改为周边点亮度值的最小值。以此来去除图像里的暗点，使得亮点更大。
[0066]例如，在黑白图像内设置至少一3*3的卷积区域，在此卷积区域内中心点亮度跟周边像素亮点进行对比，如果中心点的亮度值大于附近亮度值的最大值，则将中心点的亮度值修改为该附近亮度值的最大值，如果中心点的亮度值小于附近亮度值的最小值，则将中心点的亮度值修改为附近亮度值的最小值，如表1所示，为3*3区域内各个像素点对应的亮度值，中心点初始亮度为150，经过比对确定周围点亮度最大值为144，所以中心点亮度要修改为144。
[0067]表1
[0068]123 123 128 122 150 90 144 112 135
[0069]黑白图像经过上述处理后，边界会是较为明显的黑白分界，但是由于原图片拍摄角度或者其他原因，边界线不一定是绝对垂直或者水平；另外也有可能多少还存在有一定的噪点，因此，为了裁剪时候尽量不对有效原图造成破坏，本实施例可采取多点采样来确定边框边界，即执行步骤206所示的过程。
[0070]206、基于去除噪点后的黑白图像的黑白分界线，采用边界多点采样确定图像边框的边界值。
[0071]通过采用多值过滤采样，考虑到黑白分界线的实际情况，可准确确定边框边界，进而可准确确定图像边框位置，以实现对原图像的精准边框剪裁。
[0072]为了说明具体的实现过程，可选的，步骤206具体可包括：参照黑白图像每一边上的多个位置，在去除噪点后的黑白图像的黑白分界线上分别取边缘点；然后根据这些边缘点的像素坐标，确定图像边框的边界值。例如，对于普通的长方形图片，其图像边框通常也是长方形的，而经过上述处理后得到的黑白分界线可能并不符合与该长方形的形状需求，因此可这些边缘点的像素坐标，间接框选出长方形的非边框区域的最大范围，进而可根据该最大范围所使用的边缘点坐标值，确定得到图像边框的边界值。通过这种可选方式，可精确确定有规则边框的边界值，进而实现精确地图像边框裁剪。
[0073]示例性的，根据这些边缘点的像素坐标，确定图像边框的边界值，具体可包括：比较黑白图像中目标边(以黑白图像中其中一边为例)对应选取的多个边缘点的像素坐标；然后获取目标轴对应坐标值最大的边缘点位置，作为目标边对应边框的裁剪处位置，其中，目标边所在直线与目标轴垂直。
[0074]例如，如图4所示，在黑白图像每个边的1/2、1/4、3/4处分别取点找到边缘点，取边框像素最大值做为该边的裁剪处。如图4示例，根据黑白分界线确定右边框对应的分界线已经与X轴不垂直，且该分界线本身也非直线。采用边界多点采样，在右边框三个高度处(1/2、1/4、3/4处)取得边缘点像素X轴(默认图像的横轴为X轴，纵轴为Y轴，X轴与右边框所在直线相垂直)坐标分别为98(对应1/4处)、101(对应1/2处)、102(对应3/4处)，那么可取102对应的边缘点位置作为右边框的裁剪处位置。同理，可找到上、下、左边框的裁剪处，这样就可确定有效图像(即非边框区域的图像)在原图的边界值x1(对应左边框的裁剪处)、x2(对应右边框的裁剪处)、y1(对应上边框的裁剪处)、y2(对应下边框的裁剪处)。然后可调用Python的PIL库的Image.crop((x1，x2，y1，y2))就得到了需要的去边框的图像。
[0075]207、依据图像边框的边界值，对目标图像的图像边框进行裁剪。
[0076]基于步骤206中的可选方式，相应的，步骤207具体可包括：参照黑白图像每一边对应边框的裁剪处位置，对目标图像的图像边框进行裁剪。通过此方式可实现精确裁剪图片的图像边框。例如，如图4所示，可取x2＝102(对应3/4处)对应的边缘点位置作为右边框的裁剪处位置，在具体裁剪右边框时，按照x2作为X轴的坐标，沿着Y轴方向进行裁剪，进而可去除图像的右边框；取y1对应的边缘点位置作为上边框的裁剪处位置，在具体裁剪上边框时，按照y1作为Y轴的坐标，沿着X轴方向进行裁剪，进而可去除图像的上边框。同理，可利用x1去除图像的左边框，以及利用y2去除图像的下边框，最终实现边框去除完成。
[0077]进一步的，在步骤207之后，本实施例方法还可包括：输出边框裁剪后的目标图像；和/或，输出目标图像边框裁剪完成的提示信息(如以文字、音频、视频、灯光、振动等的提示裁剪成功信息)；和/或，保存边框裁剪后的目标图像等。
[0078]基于上述各实施例内容，本实施例方法的整体流程可如图5所示，在获取得到带边框的原始图片(Original)后，首先经过低通滤波器(Low Pass)处理；再经过灰度化(Gray)处理；接着再进行黑白二值化(BW)处理，通过这一系列方式可降低图像色彩维度直至黑白；此时黑白图像中会存在一些对于确定图像边框的边界值具有影响的噪点，可使用最大值滤波器(Max Filter)去除噪点；最后采用边界多点采样确定边框边界进行裁剪，得到去除边框的图片(No frame)。如图6所示，为图片经过每一步处理后的效果图。
[0079]本实施例提供的图像边框的裁剪方法，涉及图像处理的多种算法，主要对于图像像素的RGB色彩处理，基于图像色彩运用图像处理的一系列算法结合使用，不断降低色彩维度，直到黑白，这样能明确检测到边框的边界值，从而达到去边框目的，可以去除大部分图像的有规则边框。与目前通过人工裁剪图像边框的方式相比，本实施例可自动化实现图像边框的裁剪处理，具体可通过调整待裁剪边框的目标图像的色彩维度信息，不断降低色彩维度直到变为能够识别出边框部分和有效图片部分的黑白图像，以便根据黑白图像中边框部分和有效图片部分的黑白分界线，明确检测到图像边框的边界值，进而依据该边界值实现对目标图像裁剪边框的目的。整个裁剪过程，可无需人工参与标定，可提高图像边框裁剪的效率和准确性，当待裁剪边框的图像数量较多时，更可实现批量处理，效率提升尤为明显。
[0080]进一步的，作为图1和图2所示方法的具体实现，本实施例提供了一种图像边框的裁剪装置，如图7所示，该装置包括：获取模块31、调整模块32、裁剪模块33。
[0081]获取模块31，可用于获取待裁剪边框的目标图像；
[0082]调整模块32，可用于通过调整所述目标图像的色彩维度信息，将所述目标图像调整为黑白图像；
[0083]所述获取模块31，还可用于根据所述黑白图像中边框部分和有效图片部分的黑白分界线，获取图像边框的边界值；
[0084]裁剪模块33，可用于依据所述边界值，对所述目标图像的图像边框进行裁剪。
[0085]在具体的应用场景中，所述获取模块31，具体可用于利用最大值滤波器，去除所述黑白图像中的噪点；基于去除噪点后的黑白图像的黑白分界线，采用边界多点采样确定图像边框的边界值。
[0086]在具体的应用场景中，所述获取模块31，具体还可用于参照黑白图像每一边上的多个位置，在所述去除噪点后的黑白图像的黑白分界线上分别取边缘点；根据所述边缘点的像素坐标，确定图像边框的边界值。
[0087]在具体的应用场景中，所述获取模块31，具体还可用于比较黑白图像中目标边对应选取的多个边缘点的像素坐标；获取目标轴上坐标值最大的边缘点位置，作为所述目标边对应边框的裁剪处位置，其中，所述目标边的延展方向与所述目标轴垂直。
[0088]在具体的应用场景中，所述裁剪模块33，具体可用于参照黑白图像每一边对应边框的裁剪处位置，对所述目标图像的图像边框进行裁剪。
[0089]在具体的应用场景中，所述获取模块31，具体还可用于在黑白图像中设置至少一卷积区域；在所述卷积区域内比较中心点的亮度值与周边点的亮度值；若所述中心点的亮度值大于周边点亮度值的最大值，则将所述中心点的亮度值修改为所述周边点亮度值的最大值；若所述中心点的亮度值小于周边点亮度值的最小值，则将所述中心点的亮度值修改为所述周边点亮度值的最小值。
[0090]在具体的应用场景中，所述调整模块32，具体可用于去除所述目标图像中大于预设频率阈值的像素点；将去除所述预设频率阈值的像素点后的所述目标图像进行灰度处理；根据每个像素点的灰度值，将灰度处理后的所述目标图像进行黑白化处理，得到包含边框部分和有效图片部分的黑白图像。
[0091]在具体的应用场景中，所述调整模块32，具体还可用于利用双边滤波器，去除所述目标图像中大于预设频率阈值的像素点。
[0092]在具体的应用场景中，所述调整模块32，具体还可用于按照像素点RGB值的加权平均规则，分别计算目标图像中每个像素点对应的灰度值；利用所述灰度值进行图像灰度处理。
[0093]在具体的应用场景中，所述调整模块32，具体还可用于比较灰度处理后的所述目标图像中每个像素点的灰度值；若目标像素点的灰度值大于或等于预设阈值，则将所述目标像素点的RGB值设置为第一颜色的RGB值；若目标像素点的灰度值小于预设阈值，则将所述目标像素点的RGB值设置为第二颜色的RGB值，所述第一颜色和所述第二颜色为黑白对立的两种颜色。
[0094]在具体的应用场景中，本装置还包括：输出模块；
[0095]输出模块，可用于在依据所述边界值，对所述目标图像的图像边框进行裁剪之后，输出边框裁剪后的所述目标图像；和/或，输出所述目标图像边框裁剪完成的提示信息；和/或，保存边框裁剪后的所述目标图像。
[0096]需要说明的是，本实施例提供的一种图像边框的裁剪装置所涉及各功能单元的其它相应描述，可以参考图1和图2中的对应描述，在此不再赘述。
[0097]基于上述如图1和图2所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1和图2所示的图像边框的裁剪方法。
[0098]基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景的方法。
[0099]基于上述如图1和图2所示的方法，以及图7所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种图像边框的裁剪设备，具体可以为个人计算机、智能电视、笔记本电脑、智能手机、或其他网络设备等，该设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的图像边框的裁剪方法。
[0100]可选的，上述实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
[0101]本领域技术人员可以理解，本实施例提供的上述实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0102]存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
[0103]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本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本实施例的方案，与目前通过人工裁剪图像边框的方式相比，本实施例可自动化实现图像边框的裁剪处理，具体可通过调整待裁剪边框的目标图像的色彩维度信息，不断降低色彩维度直到变为黑白图像，以便根据黑白图像中边框部分和有效图片部分的黑白分界线，明确检测到图像边框的边界值，进而依据该边界值实现对目标图像裁剪边框的目的。整个裁剪过程，可无需人工参与标定，可提高图像边框裁剪的效率和准确性，当待裁剪边框的图像数量较多时，更可实现批量处理，效率提升尤为明显。
[0104]本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
[0105]上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
