Способ и устройство для классификации изображений

Способ и устройство для классификации изображений

Иллюстрации

Показать все

Реферат

ПЕРЕКРЕСТНАЯ ССЫЛКА НА СООТВЕТСТВУЮЩИЕ ЗАЯВКИ

[0001] Настоящая заявка основана на и заявляет о приоритете по китайской заявке на патент №201410851146.7, поданной 31 декабря 2014 г., полное содержание которой включено сюда посредством ссылки.

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

[0002] Настоящее изобретение в целом относится к области обработки изображений и, более конкретно, к способу и устройству для классификации изображений.

УРОВЕНЬ ТЕХНИКИ

[0003] Когда человек ходит на занятия или принимает участие в какой-либо деятельности, ему обычно требуется записывать важную текстовую информацию, например, важное содержание учебного курса, правила деятельности и контакты. Пользователь может сфотографировать текстовую информацию с помощью терминала, оснащенного камерой, для облегчения последующего просмотра.

[0004] Поскольку терминал отображает изображения в зависимости от времени сохранения изображений, если фотографии текста, которые необходимо просмотреть пользователю, отделены друг от друга нетекстовыми изображениями, эффективность просмотра будет снижена.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0005] Для преодоления проблемы разделения фотографий текста нетекстовыми изображениями, когда терминал отображает изображения в соответствии со временем их сохранения, что снижает эффективность просмотра текстовых изображений, настоящее изобретение предлагает способ и устройство для классификации изображений.

[0006] В соответствии с вариантами осуществления первого объекта настоящего изобретения, предлагается способ классификации изображений, включающий:

получение изображений, подлежащих классификации;

определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

классификация изображений, в соответствии с классом каждого изображения.

[0007] Альтернативно, способ дополнительно включает в себя:

если изображение относится к классу текстовых изображений, получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении;

обнаружение того, превышает ли время истечения срока пригодности изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени; и

если да, удаление изображения.

[0008] Альтернативно, получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении включает в себя:

считывание информации о времени пригодности из текста, записанного в изображении, или прием информации о времени пригодности, введенной при сохранении изображения;

получение информации о текущем времени.

[0009] Альтернативно, удаление изображения включает в себя:

создание и отображение сообщения с подсказкой, получение команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаление изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

передачу изображения в буфер переработки, получение времени хранения изображения в буфере переработки, и удаление изображения, если время хранения превышает второй заданный период времени; или

передачу изображения в буфер переработки, получение команды опустошения для опустошения буфера переработки и удаление изображения, в соответствии с командой опустошения.

[0010] Альтернативно, способ дополнительно включает в себя:

добавление каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или

добавление каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений.

[0011] Альтернативно, отображение серии сворачиваемых изображений включает в себя:

извлечение презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечение презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

отображение презентационного изображения серии сворачиваемых изображений без отображения других изображений в серии сворачиваемых изображений или отображение презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

[0012] Альтернативно, определение класса каждого изображения, в соответствии с пояснением признаков изображения, включает в себя:

извлечение пояснения признаков каждого пикселя в изображении;

оценку пояснения признаков в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;

определение класса изображения, в соответствии с результатом оценки.

[0013] Альтернативно, способ дополнительно включает в себя:

нормализацию разрешения выборочных изображений до заданного разрешения;

извлечение пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

вычисление гистограммы изображения каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

получение модели опорных векторов (Support Vector Machine), согласно типов выборочных изображений и гистограмм.

[0014] Альтернативно, пояснением признаков является значение признака Габора или значение направления градиента.

[0015] В соответствии с вариантами осуществления второго объекта настоящего изобретения, предлагается устройство для классификации изображений, включающее:

модуль получения изображений, сконфигурированный для получения изображений, подлежащих классификации;

модуль определения класса, сконфигурированный для определения класса каждого изображения, в соответствии с пояснением признаков изображения, полученного модулем получения изображений, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

модуль классификации изображений, сконфигурированный для классификации изображений, в соответствии с классом каждого изображения, определенным модулем определения класса.

[0016] Альтернативно, устройство дополнительно включает в себя:

модуль получения информации, сконфигурированный для получения информации о времени пригодности и информации о текущем времени текстовой информации в изображении, если изображение относится к классу текстовых изображений;

модуль определения длительности, сконфигурированный для обнаружения того, превышает ли время истечения изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени, полученной модулем получения данных;

модуль удаления изображений, сконфигурированный для удаления изображения, если модуль определения длительности обнаруживает, что время истечения изображения превышает первый заданный период времени.

[0017] Альтернативно, модуль получения данных сконфигурирован для:

считывания информации о времени пригодности из текста, записанной в изображении, или приема информации о времени пригодности, введенной при сохранении изображения; и

получения текущих данных времени.

[0018] Альтернативно, модуль удаления изображений включает в себя:

первый подмодуль удаления, сконфигурированный для создания и отображения сообщения с подсказкой, получения команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаления изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

второй подмодуль удаления, сконфигурированный для передачи изображения в буфер переработки, для получения времени хранения изображения в буфере переработки, и для удаления изображения, если время хранения превышает второй заданный период времени, или сконфигурированный для передачи изображения в буфер переработки, для получения команды опустошения для опустошения буфера переработки и удаления изображения, в соответствии с командой опустошения.

[0019] Альтернативно, устройство дополнительно включает в себя:

первый модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папки; или

второй модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений.

[0020] Альтернативно, второй модуль отображения включает в себя:

подмодуль извлечения изображений, сконфигурированный для извлечения презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечения презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

подмодуль отображения изображений, сконфигурированный для отображения презентационного изображения серии сворачиваемых изображений, извлеченного подмодулем извлечения изображений, без отображения других изображений в серии сворачиваемых изображений или отображения презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

[0021] Альтернативно, модуль определения класса включает в себя:

подмодуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в изображении;

подмодуль оценки признаков, сконфигурированный для оценки пояснений признаков, извлеченных подмодулем извлечения признаков, в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;

подмодуль определения класса, сконфигурированный для определения класса изображения, в соответствии с результатом оценки, выполненной подмодулем оценки признаков.

[0022] Альтернативно, устройство дополнительно включает в себя:

модуль нормализации разрешения, сконфигурированный для нормализации разрешения выборочных изображений до заданного разрешения;

модуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

модуль вычисления гистограмм, сконфигурированный для вычисления гистограммы каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

модуль определения модели, сконфигурированный для получения модели опорных векторов (Support Vector Machine), в соответствии с типами выборочных изображений и гистограмм, вычисленных модулем вычисления гистограмм.

[0023] Альтернативно, пояснением признаков является значение признака Габора или значение направления градиента.

[0024] В соответствии с вариантами осуществления третьего объекта настоящего изобретения, предлагается устройство для классификации изображений, включающее в себя процессор и память, сконфигурированную для хранения команд, исполняемых процессором, причем процессор сконфигурирован для:

получения изображений, подлежащих классификации;

определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

классификации изображений, в соответствии с классом каждого изображения.

[0025] Техническое решение, предлагаемое в вариантах осуществления настоящего изобретения, может иметь следующие преимущества: путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, при этом решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, чем повышается эффективность просмотра текстовых изображений.

[0026] Следует понимать, что предшествующее общее описание и последующее подробное описание являются только иллюстративными и пояснительными, и не ограничивают изобретения, как заявлено.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0027] Прилагаемые чертежи, включенные в документ и составляющие часть данного описания, иллюстрируют варианты осуществления в соответствии с изобретением, и вместе с описанием служат для объяснения принципов изобретения.

[0028] Фиг. 1 представляет собой блок-схему способа классификации изображений, в соответствии с примерным вариантом осуществления.

[0029] Фиг. 2А представляет собой блок-схему способа классификации изображений, в соответствии с другим примерным вариантом осуществления.

[0030] Фиг. 2В представляет собой принципиальную схему текстового изображения, в соответствии с другим примерным вариантом осуществления.

[0031] Фиг. 2С представляет собой принципиальную схему первой гистограммы выборочного изображения, в соответствии с другим примерным вариантом осуществления.

[0032] Фиг. 2D представляет собой принципиальную схему второй гистограммы выборочного изображения, в соответствии с другим примерным вариантом осуществления.

[0033] Фиг. 2Е представляет собой принципиальную схему первой классификации изображения, в соответствии с другим примерным вариантом осуществления.

[0034] Фиг. 2F представляет собой принципиальную схему второй классификации изображения, в соответствии с другим примерным вариантом осуществления.

[0035] Фиг. 2G представляет собой принципиальную схему отображения серий сворачиваемых изображений, в соответствии с другим примерным вариантом осуществления.

[0036] Фиг. 2Н представляет собой принципиальную схему установления действительных данных времени, в соответствии с другим примерным вариантом осуществления.

[0037] Фиг. 3 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления.

[0038] Фиг. 4 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления.

[0039] Фиг. 5 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления.

ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

[0040] Ниже будет приведено подробное описание примерных вариантов осуществления, примеры которых проиллюстрированы на прилагаемых чертежах. Следующее описание ссылается на прилагаемые чертежи, на которых одинаковые номера на разных чертежах представляют собой одинаковые или аналогичные элементы, если не указано иное. Реализации, изложенные в последующем описании примерных вариантов осуществления, не являются всеми реализациями, соответствующими изобретению. Они являются просто примерами устройств и способов, которые соответствуют аспектам, связанным с изобретением, как изложено в прилагаемой формуле изобретения.

[0041] Фиг. 1 представляет собой блок-схему способа классификации изображений, в соответствии с примерным вариантом осуществления. Способ классификации изображений применяется в терминале и, как показано на фиг. 1, способ включает в себя следующие этапы.

[0042] На этапе 101 происходит получение изображений, подлежащих классификации.

[0043] На этапе 102 происходит определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает класс текстовых изображений и класс нетекстовых изображений.

[0044] На этапе 103 происходит классификация изображений, в соответствии с классом каждого изображения.

[0045] В заключение, благодаря способу классификации изображений, предлагаемому настоящим изобретением, путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, чем решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, и повышается эффективность просмотра текстовых изображений.

[0046] Фиг. 2А представляет собой блок-схему способа классификации изображений, в соответствии с другим примерным вариантом осуществления. Как показано на фиг. 2А, способ классификации изображений применяется в терминале и включает в себя следующие этапы.

[0047] На этапе 201 происходит получение изображений, подлежащих классификации.

[0048] Изображениями являются изображения в терминале, и они включают в себя текстовые изображения и нетекстовые изображения. Текстовыми изображениями являются изображения, содержащие текстовую информацию, а нетекстовыми изображениями являются все изображения, помимо текстовых изображений.

[0049] См. принципиальную схему текстового изображения, показанного на фиг. 2В, которое представляет собой текстовое изображение, полученное путем фотографирования уведомления. Текстовое изображение включает в себя название «Уведомление», содержание «владельцы в районе х, техническое обслуживание линии будет осуществляться 26 ноября 2014 года, пожалуйста, подготовьтесь к нему» и издателя уведомления «компания по работе с недвижимостью х».

[0050] На этапе 202 происходит определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает класс текстовых изображений и класс нетекстовых изображений.

[0051] Так как текстовое изображение включает в себя текстовую информацию, а нетекстовое изображение включает в себя графическую информацию, терминал может определить класс изображения, согласно пояснению признаков текстовой информации и графической информации, причем пояснением признаков может быть значение признака Габора или значение направления градиента.

[0052] Этап определения класса изображения в соответствии с пояснением признаков изображения, включает в себя следующие этапы:

1) извлечение пояснения признаков каждого пикселя в изображении;

2) оценку пояснения признаков в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения включают в себя текстовые изображения и нетекстовые изображения;

3) определение класса изображения, в соответствии с результатом оценки.

[0053] Во время извлечения пояснения признаков, поскольку китайский символ формируется штрихами, такими как горизонтальный штрих, вертикальный штрих, откидная влево и откидная вправо, когда пояснением признака является значение признака Габора, толщину китайского символа можно разделить на пять классов, и направление штриха может быть разделено на восемь классов, и, таким образом, для каждого пикселя в изображении может быть вычислено 40-мерное значение признака Габора; когда пояснением признака является значение направления градиента, значение направления градиента каждого пикселя может быть рассчитано в соответствии с координатами пикселя.

[0054] Терминал может также получить модель опорных векторов (Support Vector Machine) и ввести извлеченное пояснение признаков в модель опорных векторов (Support Vector Machine) для оценки класса изображения с помощью модели опорных векторов (Support Vector Machine), согласно пояснению признаков, а затем вывести результат оценки. Результат оценки сконфигурирован для указания того, что изображение представляет собой текстовое изображение, или результат оценки сконфигурирован для указания того, что изображение является нетекстовым.

[0055] Терминал может получить модель опорных векторов (Support Vector Machine) заранее, а затем определить класс изображения в соответствии с моделью опорных векторов (Support Vector Machine) и пояснением признаков. Терминал может получить модель опорных векторов (Support Vector Machine) разными способами. Например, если терминал имеет высокую способность обработки, терминал может отработать выборочные изображения, чтобы получить модель опорных векторов (Support Vector Machine). В качестве другого примера, если терминал имеет низкую способность обработки, терминал может получить модель опорных векторов (Support Vector Machine) с сервера, причем модель опорных векторов (Support Vector Machine) получается после отработки выборочных изображений сервером. Альтернативно, терминал может не получать модель опорных векторов (Support Vector Machine), а отправить пояснение признаков на сервер для определения класса изображения на сервере, в соответствии с моделью опорных векторов (Support Vector Machine) и пояснением признаков, а затем терминал принимает класс, присылаемый обратно сервером, причем модель опорных векторов (Support Vector Machine) получается сервером после отработки выборочных изображений.

[0056] В этом варианте осуществления в качестве примера используется отработка выборочных изображений с помощью терминала, для получения модели опорных векторов (Support Vector Machine). Способ классификации изображений в данном варианте осуществления дополнительно включает в себя:

1) нормализацию разрешения выборочных изображений до заданного разрешения;

2) извлечение пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

3) вычисление гистограммы пояснения признаков каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

4) получение модели опорных векторов (Support Vector Machine), согласно типов выборочных изображений и гистограмм.

[0057] Во-первых, терминал должен получить первое число текстовых изображений и второе число нетекстовых изображений, и определить текстовые изображения и нетекстовые изображения в качестве выборочных изображений. Чем больше выборочных изображений, тем точнее будет модель опорных векторов (Support Vector Machine), полученная путем отработки, и тем больше ресурсов потребляется при отработке. Таким образом, количество выборочных изображений выбирается в соответствии с фактическими потребностями. Например, первым числом может быть пятьдесят тысяч, а вторым числом может быть сто тысяч.

[0058] Во-вторых, так как разрешение у выборочных изображений отличается, одни и те же блоки выборочных изображений включают в себя различное количество пикселей, и, таким образом, расчетная гистограмма не является точной. Таким образом, терминал должен нормализовать разрешение выборочных изображений до заданного разрешения. Заданное разрешение может быть установлено с помощью терминала, например, заданным разрешением может быть 300*300 DPI (точек на дюйм) или другое значение, которое не ограничивается в настоящем документе.

[0059] В-третьих, терминал извлекает пояснение признаков нормализованных выборочных изображений для получения значения признаков Габора каждого пикселя, или для получения значения направления градиента каждого пикселя.

[0060] В-четвертых, для каждого выборочного изображения терминал может вычислить пояснение признаков выборочного изображения, чтобы получить одну гистограмму, причем гистограмма сконфигурирована для представления распределения пояснения признаков в выборочном изображении.

[0061] Пояснением признаков в данном варианте осуществления является значение признака Габора или значение направления градиента. Так как наглядно представить значение признака Габора и значение направления градиента на чертежах не так просто, в данном варианте осуществления вычисление гистограммы иллюстрируется путем принятия уровней яркости пикселей в качестве пояснения признаков и предполагается, что разрешение выборочного изображения «а» является идентичным разрешению изображения «b». См. первую гистограмму выборочного изображения, показанную на фиг. 2С, в которой предполагается, что верхняя половина выборочного изображения «а» состоит из черных пикселей, нижняя половина выборочного изображения «а» состоит из белых пикселей, и каждый из двух черных пикселей в образце изображения «b» отделен друг от друга одним белым пикселем. Если предположить, что интервалами в гистограмме являются [0, 63], (63, 127], (127, 191] и (191, 255], то в гистограмме выборочного изображения «а» площадь интервала [0, 63] составляет 0,5 и площадь интервала (191, 255] составляет 0,5, а в гистограмме выборочного изображения «b» площадь интервал [0, 63] составляет 0,5 и площадь интервала (191, 255] составляет 0,5. То есть, гистограмма выборочного изображения «а» является такой же, как у выборочного изображения «b», но выборочное изображение «а» отличается от выборочного изображения «b». Таким образом, можно увидеть, что чем больше объем вычисленных пояснений признаков, тем более подобным являются распределения пояснений признаков.

[0062] Чтобы избежать проблемы схожести распределения пояснений признаков при слишком большом объеме пояснений признаков, терминал может разделить площадь выборочного изображения для получения блоков выборочного изображения, а затем вычислить гистограмму пояснения признаков в блоке выборочного изображения. Если предположить, что выборочное изображение разделено на четыре блока выборочного изображения одного размера, то для выборочного изображения «а» площадь интервала [0, 63] в первом блоке выборочного изображения составляет 1, площадь интервала [0, 63] во втором блоке выборочного изображения составляет 1, площадь интервала (192, 255] в третьем блоке выборочного изображения составляет 1, площадь интервала (192, 255] в четвертом блоке выборочного изображения составляет 1; для выборочного изображения «b» площадь интервала [0, 63] в каждом блоке выборочного изображения составляет 0,5 и площадь интервала (192, 255] в каждом блоке выборочного изображения составляет 0,5, как показано на второй гистограмме выборочных изображений на фиг. 2D. То есть, гистограмма выборочного изображения «а» отличается от гистограммы выборочного изображения «b».

[0063] Следует отметить, что на иллюстрации выше приведено разделение выборочного изображения на блоки выборочного изображения 2*2 в качестве примера, тем не менее, в практической реализации, количество блоков выборочного изображения может быть определено в соответствии с фактическими потребностями, что не ограничивается в настоящем документе.

[0064] Перед вычислением гистограммы должны быть определены интервалы гистограммы. В этом варианте осуществления для примера в качестве пояснения признаков используется значение направления градиента. Если предположить, что необходимо разделить на 360° на девять интервалов, то интервалами гистограммы могут быть [0, 40], (40, 80], (80, 120], (120, 160], (160, 200], (200, 240], (240, 280], (280, 320] и (320, 360]. Если координатой определенного пикселя является (5, 5), то значением направление градиента является арктангенс (у/х)=45°, а пиксель принадлежит интервалу (40, 80].

[0065] В-пятых, терминал создает один вектор согласно каждой гистограмме, а затем соединяет векторы всех блоков выборочного изображения в каждом выборочном изображении в заданном порядке, чтобы получить вектор выборочного изображения. Поскольку терминал знает тип каждого выборочного изображения, терминал может получить модель опорных векторов (Support Vector Machine) в соответствии с типами выборочных изображений и векторов выборочных изображений.

[0066] Например, если векторами четырех блоков выборочного изображения «а» являются [1, 0], [1, 0], [0, 1], [0, 1], соответственно, то вектором выборочного изображения «а» является [1, 0, 1, 0, 0, 1, 0, 1]; если векторами четырех блоков выборочного изображения «b» являются [0,5; 0,5], [0,5; 0,5], [0,5; 0,5], [0,5; 0,5], соответственно, то вектором выборочного изображения «b» является [0,5; 0,5; 0,5; 0,5; 0,5; 0,5; 0,5; 0,5].

[0067] На этапе 203 происходит классификация изображений, в соответствии с классом каждого изображения.

[0068] Терминал может добавить метку класса к изображению, чтобы реализовать классификацию. Например, после определения того, что изображение является текстовым изображением, терминал устанавливает метку «текстовое изображение» на изображение «а»; и после определения того, что изображение «b» является нетекстовым изображением, терминал устанавливает метку «нетекстовое изображение» на изображение «b». Альтернативно, терминал может добавлять метки только текстовым изображениям. То есть, после определения того, что изображение «b» является нетекстовым изображением, терминал не устанавливает метку на изображение «b», чтобы отличить его от изображения «а», которому была добавлена метка.

[0069] Альтернативно, терминал может переводить изображение в соответствующий класс, чтобы реализовать классификацию. Например, терминал устанавливает класс текстовых изображений и класс нетекстовых изображений, и после определения того, что изображение «а» является текстовым изображением, терминал переводит изображение «а» в класс текстовых изображений; после определения того, что изображение «b» является нетекстовым изображением, терминал переводит изображение «b» в класс нетекстовых изображений.

[0070] В одном варианте реализации терминал должен отображать классифицированные изображения; в этот момент терминал выполняет этап 204. Независимо от того, какой способ классификации используется терминалом, терминал должен отображать изображения в соответствии с классами. То есть, терминал отображает текстовые изображения как один класс, и отображает нетекстовые изображения как другой класс; таким образом, обеспечивается то, что текстовые изображения не отделяются друг от друга нетекстовыми изображениями, чем повышается эффективность просмотра текстовых изображений.

[0071] На этапе 204 каждое классифицированное изображение добавляется в папку, соответствующую классу изображения, и отображаются папки; или, каждое классифицированное изображение добавляется в серию сворачиваемых изображений, соответствующую классу изображений, и отображаются серии сворачиваемых изображений.

[0072] В соответствии с первым режимом отображения, терминал может создать папку, соответствующую классу текстовых изображений, и папку, соответствующую классу нетекстовых изображений, добавить текстовые изображения в папку, соответствующую классу текстовых изображений, добавить нетекстовые изображения в папку, соответствующую классу нетекстовых изображений, и отобразить эти две папки. Когда терминал принимает команду открытия, запущенную пользователем нажатием на определенную папку, терминал отображает изображения в папке, как показано на принципиальной схеме первого способа отображения классификации изображений на фиг. 2Е.

[0073] В соответствии со вторым режимом отображения, терминал может добавить текстовые изображения в серию сворачиваемых изображений, соответствующую классу текстовых изображений, добавить нетекстовые изображения в серию сворачиваемых изображений, соответствующую классу нетекстовых изображений, и отобразить эти две серии сворачиваемых изображений. Когда терминал принимает команду открытия, запущенную пользователем нажатием на определенную серию сворачиваемых изображений, терминал отображает изображения в серии сворачиваемых изображений, как показано на принципиальной схеме второго способа отображения классификации изображений на фиг. 2F.

[0074] Этап отображения серии сворачиваемых изображений включает в себя следующие этапы:

1) извлечение презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечение презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

2) отображение презентационного изображения серии сворачиваемых изображений без отображения других изображений в серии сворачиваемых изображений или отображение презентационного изображения серии сворачиваемых изображений и краевых участков других изображений в серии сворачиваемых изображений.

[0075] При отображении серии сворачиваемых изображений терминал может выбрать изображение по умолчанию из изображений вне серии сворачиваемых изображений, и использовать изображение по умолчанию в качестве презентационного изображения серии сворачиваемых изображений. Альтернативно, терминал может выбрать изображение из серии сворачиваемых изображений и использовать это изображение в качестве презентационного изображения серии сворачиваемых изображений; таким образом, пользователь может наглядно определить тип изображений, включенных в серию сворачиваемых изображений.

[0076] При выборе презентационного изображения из серии сворачиваемых изображений терминал может дополнительно выбрать любое изображение из серии сворачиваемых изображений, заданное в качестве презентационного изображения. Альтернативно, терминал может выбрать из серии сворачиваемых изображений изображение с самым лучшим качеством, заданное в качестве презентационного изображения, чтобы повысить степень отличия изображений. Альтернативно, терминал может выбрать из серии сворачиваемых изображений изображение с последним временем сохранения, заданное в качестве презентационного изображения, для повышения производительности серии сворачиваемых изображений в режиме реального времени.

[0077] Как показано на принципиальной схеме отображения серии сворачиваемых изображений на фиг. 2G, после выбора презентационного изображения терминал может отобразить только презентационное изображение, без отображения других изображений в серии сворачиваемых изображений. Альтернативно, терминал может отображать презентационное изображение и краевые участки других изображений, как показано на фиг. 2F.

[0078] Следует отметить, что перед отображением классификации изображения, терминал может также отображать информацию о выборе «Просмотр изображений в виде папок» и «Просмотр изображений в виде серии сворачиваемых изображений», и определять способ отображения классификации изображений согласно выбору пользователя.

[0079] После отображения классификации изображения терминал может также управлять изображениями в классе текстовых изображений, в соответствии с действиями пользователя. Например, терминал может принять команду удаления от пользователя для удаления изображения с истекшим сроком, и удалить изображение в соответствии с командой удаления. Изображение с истекшим сроком относится к изображению, в котором текстовая информация является недействительной. Как показано на фиг. 2В в качестве примера, временем пригодности текстовой информации в изображении является 26 ноября 2014, чтобы предложить пользователю подготовиться к обслуживанию линии в тот день. Когда текущее время превысит время пригодности, обслуживание линии будет завершено, и, таким образом, изображение теряет рекомендательное значение для пользователя и становится изображением с истекшим сроком.

[0080] Поскольку пользователю требуется много времени для удаления изображений с истекшим сроком действия по одному, терминал может также обнаруживать изображения с истекшим сроком и удалять их; в этот момент терминал выполняет этапы 205-207.

[0081] На этапе 205, если изображение относится к классу текстовых изображений, происходит получение информации о времени пригодности и информации о текущем времени текстовой