图片截取和缩略图生成方法、系统、设备及储存介质

技术领域

本发明涉及图像处理技术领域，特别涉及一种图片截取和缩略图生成方法、系统、设备及储存介质。

背景技术

出于信息发布、文化宣传等需求，企业需要构建内部的用于信息发布、文化宣传的平台，常规的平台形式包括论坛、博客、内容管理系统(Content Management System，简称CMS)等。此类平台通常由多个板块组成，各个板块一般均会有相应的目录列表，目录列表用于展示该板块的大致内容。为吸引用户，目录列表通常采用图文并茂的展示形式。目录列表的页面是由页面UI(User Interface，用户界面)设计而成，列表页展示的图片的比例、大小、内容摘要的长度等均提前固定下来，无法根据内容的实际情况动态调整页面的布局。如果直接将用户上传的图片在列表页展示，会导致图片压缩变形或者显示的内容并非图片重点，进而导致列表页图片模糊，无法引起用户的阅读兴趣。对于图片内容较多且更新速度较快的列表页，人工进行图片的放缩调整会耗费大量的人力资源。

发明内容

本发明要解决的技术问题是为了克服现有技术中直接将用户图片在列表页展示，会导致图片压缩变形或者显示的内容并非图片重点，进而导致列表页图片模糊，人工进行图片的放缩调整会耗费大量的人力资源的缺陷，提供一种图片截取和缩略图生成方法、系统、设备及储存介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种图片截取方法，所述图片截取方法包括：

获取待处理图片和目标截取尺寸；

从所述待处理图片中确定出检测目标的中心点位置；

基于所述中心点位置和所述目标截取尺寸确定出所述待处理图片的目标截取区域，以从所述待处理图片中截取出所述目标截取区域。

较佳地，所述从所述待处理图片中确定出检测目标的中心点位置的步骤包括：

当从所述待处理图片中检测出检测目标时，根据所述检测目标的像素点获取所述检测目标的中心像素点位置；

所述图片截取方法还包括：

当从所述待处理图片中未检测出检测目标时，根据所述待处理图片的像素点数，获取所述待处理图片的中心像素点位置。

较佳地，所述基于所述中心点位置和所述目标截取尺寸确定出所述待处理图片的目标截取区域，以从所述待处理图片中截取出所述目标截取区域的步骤包括：

判断所述目标截取尺寸的目标高宽比是否大于所述待处理图片的实际高宽比，若是，则根据所述待处理图片的高度确定所述目标截取区域的高度并根据所述目标截取区域的高度和所述目标截取尺寸确定所述目标截取区域的宽度，若否，则根据所述待处理图片的宽度确定所述目标截取区域的宽度并根据所述目标截取区域的宽度和所述目标截取尺寸确定所述目标截取区域的高度。

较佳地，所述基于所述中心点位置和所述目标截取尺寸确定出所述待处理图片的目标截取区域，以从所述待处理图片中截取出所述目标截取区域的步骤还包括：

基于所述目标截取尺寸确定出所述目标截取区域的尺寸之后，基于所述中心点位置和所述目标截取区域的尺寸确定出所述目标截取区域的起始位置，以使基于所述起始位置从所述待处理图片中截取出所述目标截取区域，所述起始位置用于表征所述目标截取区域的起始截取位置。

较佳地，所述基于所述中心点位置和所述目标截取尺寸确定出所述待处理图片的目标截取区域，以从所述待处理图片中截取出所述目标截取区域的步骤还包括：

判断所述中心点位置是否为所述目标截取区域的中心点，若是，则根据所述中心点位置和所述目标截取区域的高度和宽度确定所述起始位置，若否，则在所述待处理图片与所述中心点位置距离最近的一边上确定所述起始位置。

本发明还提供了一种缩略图生成方法，所述缩略图生成方法包括：

获取待处理图片和目标缩略尺寸；

利用如上所述的图片截取方法对所述待处理图片进行处理，以获得目标截取图片；

将所述目标截取图片压缩到所述目标缩略尺寸以获得目标缩略图。

较佳地，所述缩略图生成方法还包括待处理图片的储存步骤和与所述待处理图片的储存步骤并列执行的目标缩略图的生成步骤；

所述待处理图片的储存步骤，包括：

储存所述待处理图片；

所述目标缩略图的生成步骤，包括：

获取所述目标截取尺寸；

利用如上所述的图片截取方法对所述待处理图片进行处理，以获得目标截取图片；

将所述目标截取图片压缩到所述目标缩略尺寸以获得目标缩略图。

本发明还提供了一种图片截取系统，所述图片截取系统包括：

输入模块，所述输入模块用于获取待处理图片和目标截取尺寸；

检测模块，所述检测模块用于从所述待处理图片中确定出检测目标的中心点位置；

截取模块，所述截取模块用于基于所述中心点位置和所述目标截取尺寸确定出所述待处理图片的目标截取区域，以从所述待处理图片中截取出所述目标截取区域。

较佳地，所述检测模块还用于当从所述待处理图片中检测出检测目标时，根据所述检测目标的像素点获取所述检测目标的中心像素点位置；

所述检测模块还用于当从所述待处理图片中未检测出检测目标时，根据所述待处理图片的像素点数，获取所述待处理图片的中心像素点位置。

较佳地，所述截取模块还用于判断所述目标截取尺寸的目标高宽比是否大于所述待处理图片的实际高宽比，若是，则根据所述待处理图片的高度确定所述目标截取区域的高度并根据所述目标截取区域的高度和所述目标截取尺寸确定所述目标截取区域的宽度，若否，则根据所述待处理图片的宽度确定所述目标截取区域的宽度并根据所述目标截取区域的宽度和所述目标截取尺寸确定所述目标截取区域的高度。

较佳地，所述截取模块还用于基于所述目标截取尺寸确定出所述目标截取区域的尺寸之后，基于所述中心点位置和所述目标截取区域的尺寸确定出所述目标截取区域的起始位置，以使基于所述起始位置从所述待处理图片中截取出所述目标截取区域，所述起始位置用于表征所述目标截取区域的起始截取位置。

较佳地，所述截取模块还用于判断所述中心点位置是否为所述目标截取区域的中心点，若是，则根据所述中心点位置和所述目标截取区域的高度和宽度确定所述起始位置，若否，则在所述待处理图片与所述中心点位置距离最近的一边上确定所述起始位置。

本发明还提供了一种缩略图生成系统，所述缩略图生成系统包括：

图片获取模块，所述图片获取模块用于获取待处理图片和目标缩略尺寸；

图片截取模块，所述图片截取模块利用如上所述的图片截取系统对所述待处理图片进行处理，以获得目标截取图片；

图片生成模块，所述图片生成模块用于将所述目标截取图片压缩到所述目标缩略尺寸以获得目标缩略图。

较佳地，所述缩略图生成系统还包括待处理图片的储存模块和与所述待处理图片的储存模块并列执行的目标缩略图的生成模块；

所述待处理图片的储存模块用于储存所述待处理图片；

所述目标缩略图的生成模块，包括：

图片获取模块，所述图片获取模块用于获取所述目标截取尺寸；

图片截取模块，所述图片截取模块利用如上所述的图片截取系统对所述待处理图片进行处理，以获得目标截取图片；

图片生成模块，所述图片生成模块用于将所述目标截取图片压缩到所述目标缩略尺寸以获得目标缩略图。

本发明还提供了一种电子设备，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计算机程序时实现如上所述的图片截取方法或如上所述的缩略图生成方法。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图片截取方法或如上所述的缩略图生成方法。

本发明的积极进步效果在于：

本发明通过确定出检测目标的中心点位置，并基于中心点位置和目标截取尺寸确定出目标截取区域，实现了自动在用户图片上截取出以检测目标为中心、符合图片应用场景尺寸的区域，避免了直接将用户图片压缩或截取从而导致图片压缩变形、模糊或者显示的内容并非图片重点的缺陷，提高了图片处理的效率，使用户获得更好的使用感受。

附图说明

图1为本发明实施例1的图片截取方法的流程图。

图2为本发明实施例2的图片截取方法的流程图。

图3为本发明实施例3的缩略图生成方法的流程图。

图4为本发明实施例5的图片截取系统的结构框图。

图5为本发明实施例7的缩略图生成系统的结构框图。

图6为本发明实施例8的缩略图生成系统的结构框图。

图7为本发明实施例9的电子设备的硬件结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

如图1所示，本实施例提供一种图片截取方法，包括：

S101、获取待处理图片和目标截取尺寸；

S102、从待处理图片中确定出检测目标的中心点位置；

S103、基于中心点位置和目标截取尺寸确定出待处理图片的目标截取区域，以从待处理图片中截取出目标截取区域。

本实施例的图片截取方法通过确定出检测目标的中心点位置，并基于中心点位置和目标截取尺寸确定出目标截取区域，实现了自动在用户图片上截取出以检测目标为中心、符合图片应用场景尺寸的区域，避免了直接将用户图片压缩或截取从而导致图片压缩变形、模糊或者显示的内容并非图片重点的缺陷，提高了图片处理的效率，使用户获得更好的使用感受。

实施例2

如图2所示，本实施例的图片截取方法是对实施例1的进一步改进，具体地：

步骤S102包括：

S10201、当从待处理图片中检测出检测目标时，根据检测目标的像素点获取检测目标的中心像素点位置；

具体地，对于社交、文化交流类的网站，图片中包含人脸的区域一般是对用户吸引力较大的区域，故在本实施例中的检测目标为人脸区域，图片截取的目标截取区域尽量包含原图中的人脸部分，且目标截取区域尽量大地覆盖待处理图片的内容。图像分类、检测、分割是计算机视觉领域的三个基本方向，其中涉及的算法有R-CNN(Region-ConvolutionalNeural Networks，一种基于卷积神经网络的目标检测算法)、SVM(Support VectorMachine，支持向量机)、YOLO(You Only Look Once，一种目标检测算法)、SSD(Single ShotMultiBox Detector，一种目标检测算法)等。本实施例采用现有的开源计算机视觉库OpenCV，利用其自带的Haar特征的级联分类器实现图片人脸区域的检测。OpenCV中已经预置了各种各样的检测分类器：包含身体、正脸、眼睛、笑脸等各种各样的分类器，经测试OpenCV自带的分类器效果已经满足图片截取的要求，不再重新训练自己的分类器。

根据检测结果，计算图片中所有人脸区域及其覆盖的像素点数，找出覆盖像素点数最多的人脸区域，并以待处理图片左下角为原点建立坐标系(显示设备一般竖立设置)，计算得到该区域的中心像素点位置(C_x，C_y)。

图片截取方法还包括：

S10202、当从待处理图片中未检测出检测目标时，根据待处理图片的像素点数，获取待处理图片的中心像素点位置。

步骤S103包括：

S10301、判断目标截取尺寸的目标高宽比是否大于待处理图片的实际高宽比，若是，则执行步骤S10302，若否，则执行步骤S10303。

S10302、根据待处理图片的高度确定目标截取区域的高度并根据目标截取区域的高度和目标截取尺寸确定目标截取区域的宽度。

S10303、根据待处理图片的宽度确定目标截取区域的宽度并根据目标截取区域的宽度和目标截取尺寸确定目标截取区域的高度。

具体地，图片应用场景的尺寸为(H_thumb,W_thumb)，则目标截取尺寸的目标高宽比R_thumb＝H_thumb/W_thumb。待处理图片的高度为H_input、宽度为W_input，则待处理图片的实际高宽比R_input＝H_input/W_input。

若R_thumb>R_input，表示原图宽度较大，则根据待处理图片的高度确定目标截取区域的高度并根据目标截取区域的高度和目标截取尺寸确定目标截取区域的宽度，即目标截取区域的高度H_cut＝H_input，宽度W_cut＝H_input/R_thumb。

反之，若R_thumb<＝R_input，则表示原图高度较大，则根据待处理图片的宽度确定目标截取区域的宽度并根据目标截取区域的宽度和目标截取尺寸确定目标截取区域的高度，即即目标截取区域的宽度W_cut＝W_input，高度H_cut＝W_input*R_thumb。

步骤S103还包括：

S10304、基于目标截取尺寸确定出目标截取区域的尺寸之后，基于中心点位置和目标截取区域的尺寸确定出目标截取区域的起始位置，以使基于起始位置从待处理图片中截取出目标截取区域，起始位置用于表征目标截取区域的起始截取位置。

具体地，起始截取位置记为(O_x，O_y)。

步骤S103还包括：

S10305、判断中心点位置是否为目标截取区域的中心点，若是，则执行步骤S10306，若否，则执行步骤S10307。

S10306、根据中心点位置和目标截取区域的高度和宽度确定起始位置

S10307、在待处理图片与中心点位置距离最近的一边上确定起始位置。

具体地，若R_thumb<＝R_input，O_x＝0，当H_cut/2<＝C_y<＝H_input-H_cut/2时，O_y＝C_y-H_cut/2；当C_y-H_cut/2<0时，O_y＝0；当C_y+H_cut/2>H_input时，O_y＝H_input-H_cut。

若R_thumb>R_input，则O_y＝0；当W_cut/2<＝C_x<＝W_input-W_cut/2时，C_x＝C_x-W_cut/2；当C_x-W_cut/2<0时，O_x＝0；当C_x+W_cut/2>W_input时，O_x＝W_input-W_cut。

在待处理图片上，根据起始截取位置记为(O_x，O_y)和目标截取区域的高度H_cut、宽度W_cut截取目标截取区域。

本实施例的图片截取方法通过确定出人脸区域的中心像素点位置，并基于中心像素点位置和目标截取尺寸确定出目标截取区域的起始截取位置和高度宽度，进而确定目标截取区域，实现了自动在用户图片上截取出以人脸区域为中心、符合图片应用场景尺寸的区域，避免了直接将用户图片压缩或截取从而导致图片压缩变形、模糊或者显示的内容并非图片重点的缺陷，提高了图片处理的效率，使用户获得更好的使用感受。

实施例3

如图3所示，本实施例提供一种缩略图生成方法，包括：

S301、获取待处理图片和目标缩略尺寸；

S302、利用实施例1或实施例2的图片截取方法对待处理图片进行处理，以获得目标截取图片；

S303、将目标截取图片压缩到目标缩略尺寸以获得目标缩略图。

具体地，利用OpenCV的Resize函数，修改图片(W_cut，H_cut)大小到(H_thumb,W_thumb)，同时可以使用最近-邻居插补的策略。

本实施例的缩略图生成方法将在待处理图片上截取的目标截取图片进行压缩，以得到匹配图片应用场景尺寸的缩略图。

实施例4

本实施例的缩略图生成方法是对实施例3的进一步改进，具体地：

缩略图生成方法还包括待处理图片的储存步骤和与待处理图片的储存步骤并列执行的目标缩略图的生成步骤；

待处理图片的储存步骤，包括：

储存待处理图片；

目标缩略图的生成步骤，包括：

S301、获取待处理图片和目标截取尺寸；

S302、利用实施例1或实施例2的图片截取方法对待处理图片进行处理，以获得目标截取图片；

S303、将目标截取图片压缩到目标缩略尺寸以获得目标缩略图。

获取待处理图片(即用户上传的图片)之后，待处理图片和缩略图都需要进行储存。这是因为平台的列表页面会显示多张图片，所以在图片渲染时，会一次请求多张缩略图，如果此时实时生成缩略图会导致页面响应速度慢、用户体验差。所以在系统存储图片时，待处理图片及其对应的缩略图需同时存储。

部分待处理图片的图片分辨率非常大，如果在上传过程中，直接进行目标检测并生成所路途，时间较长(可达5s-10s)，进而引起前台应用响应时间较长，导致用户体验下降。因此，用户上传图片完成后，直接返回储存结果，标明储存完成，在内容编辑页面返回原图链接，用于用户编辑过程中的图片显示；同时将待生成缩略图的原图路径存入一个先入先出的队列，缩略图处理线程实时从该队列中获取原图信息，利用缩略图生成方法生成对应的缩略图，并存入对应的缩略图目录。

本实施例的缩略图生成方法将待处理图片的储存步骤和缩略图生成的步骤异步执行，加快了储存待处理图片的反馈效率，同时后台生成缩略图并进行储存，提高了图片渲染的效率，极大地提高了用户的体验。

实施例5

如图4所示，本实施例提供一种图片截取系统，包括：

输入模块1，输入模块1用于获取待处理图片和目标截取尺寸；

检测模块2，检测模块2用于从待处理图片中确定出检测目标的中心点位置；

截取模块3，截取模块3用于基于中心点位置和目标截取尺寸确定出待处理图片的目标截取区域，以从待处理图片中截取出目标截取区域。

本实施例的图片截取系统通过确定出检测目标的中心点位置，并基于中心点位置和目标截取尺寸确定出目标截取区域，实现了自动在用户图片上截取出以检测目标为中心、符合图片应用场景尺寸的区域，避免了直接将用户图片压缩或截取从而导致图片压缩变形、模糊或者显示的内容并非图片重点的缺陷，提高了图片处理的效率，使用户获得更好的使用感受。

实施例6

本实施例提供的图片截取系统是对实施例1的进一步改进，具体地：

检测模块2还用于当从待处理图片中检测出检测目标时，根据检测目标的像素点获取检测目标的中心像素点位置；

具体地，对于社交、文化交流类的网站，图片中包含人脸的区域一般是对用户吸引力较大的区域，故在本实施例中的检测目标为人脸区域，图片截取的目标截取区域尽量包含原图中的人脸部分，且目标截取区域尽量大地覆盖待处理图片的内容。图像分类、检测、分割是计算机视觉领域的三个基本方向，其中涉及的算法有R-CNN、SVM、YOLO、SSD等。本实施例采用现有的开源计算机视觉库OpenCV，利用其自带的Haar特征的级联分类器实现图片人脸区域的检测。OpenCV中已经预置了各种各样的检测分类器：包含身体、正脸、眼睛、笑脸等各种各样的分类器，经测试OpenCV自带的分类器效果已经满足图片截取的要求，不再重新训练自己的分类器。

根据检测结果，计算图片中所有人脸区域及其覆盖的像素点数，找出覆盖像素点数最多的人脸区域，并以待处理图片左下角为原点建立坐标系(显示设备一般竖立设置)，计算得到该区域的中心像素点位置(C_x，C_y)。

检测模块2还用于当从待处理图片中未检测出检测目标时，根据待处理图片的像素点数，获取待处理图片的中心像素点位置。

截取模块3还用于判断目标截取尺寸的目标高宽比是否大于待处理图片的实际高宽比，若是，则根据待处理图片的高度确定目标截取区域的高度并根据目标截取区域的高度和目标截取尺寸确定目标截取区域的宽度，若否，则根据待处理图片的宽度确定目标截取区域的宽度并根据目标截取区域的宽度和目标截取尺寸确定目标截取区域的高度。

具体地，图片应用场景的尺寸为(H_thumb,W_thumb)，则目标截取尺寸的目标高宽比R_thumb＝H_thumb/W_thumb。待处理图片的高度为H_input、宽度为W_input，则待处理图片的实际高宽比R_input＝H_input/W_input。

若R_thumb>R_input，表示原图宽度较大，则根据待处理图片的高度确定目标截取区域的高度并根据目标截取区域的高度和目标截取尺寸确定目标截取区域的宽度，即目标截取区域的高度H_cut＝H_input，宽度W_cut＝H_input/R_thumb。

反之，若R_thumb<＝R_input，则表示原图高度较大，则根据待处理图片的宽度确定目标截取区域的宽度并根据目标截取区域的宽度和目标截取尺寸确定目标截取区域的高度，即即目标截取区域的宽度W_cut＝W_input，高度H_cut＝W_input*R_thumb。

截取模块3还用于基于目标截取尺寸确定出目标截取区域的尺寸之后，基于中心点位置和目标截取区域的尺寸确定出目标截取区域的起始位置，以使基于起始位置从待处理图片中截取出目标截取区域，起始位置用于表征目标截取区域的起始截取位置。

具体地，起始截取位置记为(O_x，O_y)。

截取模块3还用于判断中心点位置是否为目标截取区域的中心点，若是，则根据中心点位置和目标截取区域的高度和宽度确定起始位置，若否，则在待处理图片与中心点位置距离最近的一边上确定起始位置。

具体地，若R_thumb<＝R_input，O_x＝0，当H_cut/2<＝C_y<＝H_input-H_cut/2时，O_y＝C_y-H_cut/2；当C_y-H_cut/2<0时，O_y＝0；当C_y+H_cut/2>H_input时，O_y＝H_input-H_cut。

若R_thumb>R_input，则O_y＝0；当W_cut/2<＝C_x<＝W_input-W_cut/2时，C_x＝C_x-W_cut/2；当C_x-W_cut/2<0时，O_x＝0；当C_x+W_cut/2>W_input时，O_x＝W_input-W_cut。

在待处理图片上，根据起始截取位置记为(O_x，O_y)和目标截取区域的高度H_cut、宽度W_cut截取目标截取区域。

本实施例的图片截取系统通过确定出人脸区域的中心像素点位置，并基于中心像素点位置和目标截取尺寸确定出目标截取区域的起始截取位置和高度宽度，进而确定目标截取区域，实现了自动在用户图片上截取出以人脸区域为中心、符合图片应用场景尺寸的区域，避免了直接将用户图片压缩或截取从而导致图片压缩变形、模糊或者显示的内容并非图片重点的缺陷，提高了图片处理的效率，使用户获得更好的使用感受。

实施例7

如图5所示，本实施例提供一种缩略图生成系统，包括：

图片获取模块4，图片获取模块4用于获取待处理图片和目标缩略尺寸；

图片截取模块5，图片截取模块5利用实施例5或实施例6的图片截取系统对待处理图片进行处理，以获得目标截取图片；

图片生成模块6，图片生成模块6用于将目标截取图片压缩到目标缩略尺寸以获得目标缩略图。

具体地，利用OpenCV的Resize函数，修改图片(W_cut，H_cut)大小到(H_thumb,W_thumb)，同时可以使用最近-邻居插补的策略。

本实施例的缩略图生成系统将在待处理图片上截取的目标截取图片进行压缩，以得到匹配图片应用场景尺寸的缩略图。

实施例8

如图6所示，本实施例的缩略图生成方法是对实施例7的进一步改进，具体地：

缩略图生成系统还包括待处理图片的储存模块7和与待处理图片的储存模块7并列执行的目标缩略图的生成模块8；

待处理图片的储存模块7用于储存待处理图片；

目标缩略图的生成模块8，包括：

图片获取模块4，图片获取模块4用于获取目标截取尺寸；

图片截取模块5，图片截取模块5利用实施例5或实施例6的图片截取系统对待处理图片进行处理，以获得目标截取图片；

图片生成模块6，图片生成模块6用于将目标截取图片压缩到目标缩略尺寸以获得目标缩略图。

获取待处理图片(即用户上传的图片)之后，待处理图片和缩略图都需要进行储存。这是因为平台的列表页面会显示多张图片，所以在图片渲染时，会一次请求多张缩略图，如果此时实时生成缩略图会导致页面响应速度慢、用户体验差。所以在系统存储图片时，待处理图片及其对应的缩略图需同时存储。

部分待处理图片的图片分辨率非常大，如果在上传过程中，直接进行目标检测并生成所路途，时间较长(可达5s-10s)，进而引起前台应用响应时间较长，导致用户体验下降。因此，用户上传图片完成后，直接返回储存结果，标明储存完成，在内容编辑页面返回原图链接，用于用户编辑过程中的图片显示；同时将待生成缩略图的原图路径存入一个先入先出的队列，缩略图处理线程实时从该队列中获取原图信息，利用缩略图生成方法生成对应的缩略图，并存入对应的缩略图目录。

本实施例的缩略图生成系统将待处理图片的储存步骤和缩略图生成的步骤异步执行，加快了储存待处理图片的反馈效率，同时后台生成缩略图并进行储存，提高了图片渲染的效率，极大地提高了用户的体验。

实施例9

图7为本发明实施例9提供的一种电子设备的结构示意图。所述电子设备包括存储器、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实施例1或实施例2的图片截取方法或实施例3或实施例4的缩略图生成方法。图7显示的电子设备30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7所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324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。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1的模型训练方法或实施例2的垃圾邮件识别方法。

电子设备30也可以与一个或多个外部设备34(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35进行。并且，模型生成的设备30还可以通过网络适配器36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。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30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、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)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电子设备的若干单元/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。

实施例10

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1的模型训练方法或实施例2的垃圾邮件识别方法的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1或实施例2的图片截取方法或实施例3或实施例4的缩略图生成方法的步骤。

其中，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的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。