具体实施方式

下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。

在本申请实施例的描述中，除非另有说明，术语“多个”是指两个或两个以上，其它量词与之类似应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。

鉴于相关技术中墨水屏手机在显示阅读App时，文字显示不清晰、有麻点等显示效果不佳的问题。本申请提出一种图像显示方法及装置、电子设备，能够提高显示图像的对比度，消除了抖点算法引起的麻点。

有鉴于此，本申请的发明构思为：在进行图像显示之前，处理器响应于图像显示指令，获取待显示的图像并转换为灰度图像；将所述灰度图像的第一图像特征输入分类模型，所述分类模型用于根据输入的第一图像特征预测所述灰度图像为文本图像或非文本图像的模型；根据分类模型的预测结果确定所述灰度图像为文本图像时，提升所述图像的对比度并显示；确定分类模型预测的分类结果为非文本图像时，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配；当存在匹配成功的文本图像特征模板时，提升所述图像的对比度并显示。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面结合附图对本申请实施例中的图像显示方法进行详细说明。

实施例1

参见图1，为根据本申请一个实施例的图像显示方法流程示意图，包括：

步骤101，响应于图像显示指令，获取待显示的图像并转换为灰度图像。

具体来讲，所述图像是移动终端的显示画面，包括各种用户可能用到的App、Android系统界面等，尤其是众多阅读App的界面，例如在阅读App下，显示的图像内容一般为文本图像或非文本图像，非文本图像即指图像中的显示内容包含图片，往往含有较丰富的多种灰度值像素。文本图像即指图像中的显示内容为文字，没有图片，往往所含灰度像素值只分布在0-255之间的几个灰阶上，且往往分布不连续。当用户使用该移动终端时，将彩色的文本图像或非文本图像转换为灰度图像。

步骤102，将所述灰度图像的第一图像特征输入分类模型，所述分类模型用于根据输入的第一图像特征预测所述灰度图像为文本图像或非文本图像的模型。

具体来讲，所述灰度图像的第一图像特征采用第一特征提取方法进行特征提取得到，所述第一特征提取方法为如下任一种：方向梯度直方图、局部二值模式特征、Haar like特征、直方图统计特征方差、离散余弦变换(DCT for Discrete Cosine Transform)系数特征。

本申请中的分类模型可以是支持向量机(Support Vector Machine,SVM)，adaBoost，决策树等机器学习分类器，训练过程遵循一般机器学习分类模型的训练方法。

作为一种可选的实施方式，参见图2所示，本申请中采用如下方式训练得到所述分类模型：

步骤201，获取包括多个样本的样本集，所述样本包括图像样本及对应样本标签，所述样本标签包括文本标签和非文本标签；

其中，样本标签具体指获取到图像样本后，进行标注，即对每一张图像标注为0或1，文本标签类为1，非文本标签为0。

步骤202，训练阶段，将样本中的图像样本输入到网络模型中，以输出所述样本中的样本标签为目标进行模型参数；

步骤203，在测试阶段，将样本中的图像样本输入到网络模型，根据网络模型输出的分类结果及样本标签，计算网络模型的分类精度及召回率；

具体来讲，将样本集划分为训练集和验证集，在训练阶段，利用训练集中的样本进行模型参数调整，训练阶段，根据网络模型的不同，调整对应的模型参数，实现网络模型的训练优化。例如以径向基函数(Radial Basis Function，RBF)SVM模型为例，调整惩罚项系数C和RBF核函数参数gamma，使得在测试阶段，分类模型的测试精度高而召回率可适当降低，避免训练集的过度拟合，具体在本专利中精度达到96％，而召回率为80％。

步骤204，确定分类精度和召回率满足要求时，结束训练得到分类模型。

具体来讲，分类精度和召回率确定满足高精度低召回率时，得到最终的分类模型。

步骤103，根据分类模型的预测结果确定所述灰度图像为文本图像时，提升所述图像的对比度并显示。

具体来讲，根据上述方法得到的分类模型，由于精度高，所以确定灰度图像为文本图像时，输出该文本图像对应的第一标识ID₀，所述第一标识ID₀用于标识图像为文本图像，且为采用分类模型识别得到的图像。

步骤104，确定分类模型预测的分类结果为非文本图像时，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配。

具体来讲，经过上述分类模型的识别，由于分类模型的召回率稍低，所以确定灰度图像为非文本图像时，还需要进一步图像的识别。

其中，所述灰度图像的第二图像特征采用第二特征提取方法机芯特征提取得到，第二特征提取方法为如下任一种：方向梯度直方图、局部二值模式特征、Haar like特征、直方图统计特征方差、DCT系数特征。该第二图像特征与上述第一图像特征可相同也可不同。

文本图像特征模板为预先计算并存储的文本图像的特征库Lf中所存储的N条特征。作为一种可选的实施方式，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配包括：

将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板的特征逐一计算相似度。

步骤105，当存在匹配成功的文本图像特征模板时，提升所述图像的对比度并显示。

具体来讲，确定最高相似度超过设定相似度阈值时，确定存在匹配成功的文本图像特征模板，输出该文本图像对应的第二标识ID_n，标识ID_n用于标识图像为文本图像，且该图像与预置的至少一个文本图像特征模板中标号为n的文本图像特征模板匹配成功，n的取值范围为1～N，N为预置的至少一个文本图像特征模板的数量。例如，预置10个文本图像特征模板，分别标号为1～10，第二图像特征与10个文本图像特征模板逐一计算相似度以后，确定标号9的文本图像特征模板与第二图像特征相似度值最高，则输出第二标识ID₉。

本申请中通过图像特征提取、图像分类自动识别当前显示内容是否为文本图像，并提升图像对比度，消除了抖点算法引起的麻点等。

参见图3所示，提升所述图像的对比度，包括：

步骤301，对所述灰度图像的全部像素，逐一经像素灰度值转换公式进行灰度转换，得到输出像素灰度值，所述像素灰度转换公式用于加深不同大小灰度之间的对比度；

步骤302，将所述输出像素灰度值进行二值化处理，获取提升对比度后的图像。

作为一种可选的实施方式，所述像素灰度值转换公式，包括：

I’(x)＝1/(1+e^(-K ₁ ^*I(x)+K ₂ ⁾)，其中I(x)为所述灰度图像的像素灰度值，I’(x)为所述灰度图像的输出像素灰度值，K₁>0，K₁、K₂均为预设实数，其中，为了能够达到提升图像对比度的效果，K₂的取值范围包含K₁的取值范围，经试验测得，0.039>K₁>0.0039，5>K₂>0。

具体来讲，K₁为针对ID₀的预设实数，K₂为根据预先建立的不同ID_n与预设实数K₂的对应关系，所确定的与当前输出的ID_n对应的预设实数。将所述灰度图像的全部像素输入转换公式中，每个像素值经计算后得到输出像素灰度值，将所述输出像素灰度值进行二值化处理，将二值化处理结果应用于所述文本图像上，实现了文本图像的背景与前景的分离，拉大了前景中文字与背景的对比度。作为一种可选的实施例，将所述图像的第一图像特征输入分类模型，包括：

将待显示的图像划分为多个图像块，将各图像块的第一图像特征分别输入分类模型；

根据分类模型的预测结果确定所述图像为文本图像，包括：

统计分类模型预测的各图像块中分类结果为文本图像的个数，确定统计的个数超过设定阈值时，确定所述图像为文本图像。

本发明实施例中上述第二图像特征可以是对待显示的图像，进行整幅图像特征提取得到，作为另一种可选的实施方式，也可以是对图像划分得到的图像块提取的特征合并得到的特征。

具体来讲，将待显示的图像划分为m行n列的图像块，依次对各图像块进行上述图像特征提取得到m×n个图像特征，将m×n个图像特征中的每个图像块的图像特征作为第一图像特征，将第一图像特征输入上述分类模型中进行分类，统计m*n个图像块识别为文本图像的个数，若统计的个数超过设定阈值时，判定全部图像块组成的图像为文本图像，输出上述第一号码ID₀；若统计的个数未超过设定阈值时，确定所述分类结果为非文本图像，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配。

作为一种可选的实施方式，所述方法，还包括：

启动阅读应用程序，判断所述阅读应用程序的标识是否在预设列表中；

当所述应用程序不在预设列表中时，获取到待显示的图像时，将所述待显示的图像输出显示；

其中，当所述应用程序在预设列表中时，获取到待显示的图像时，将所述灰度图像的第一图像特征输入分类模型。

阅读应用程序的标识可以但不限于是当前运行应用的应用包名称。此外本申请中预先设置一个预设列表，所述预设列表中包含存在阅读应用程序的应用包名称，若检测到当前运行应用的应用包名称在预设列表中，则获取待显示的图像并转换为灰度图像，继续执行后续的步骤，否则不执行后续步骤，结束。通过对当前运行的阅读应用程序的应用包名称的检测和过滤，可以排除有些本身没有阅读功能的，减少不必要的识别算法计算，减少终端的功耗。

作为一种可选的实施方式，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配，包括：

将所述图像的第二图像特征与预置的至少一个文本图像特征模板的特征，采用相关性、卡方比较、巴氏距离、欧几里德距离、曼哈顿距离、切比雪夫距离中任一种方式计算相似度。

具体来讲，第二图像特征记为V_t，上述特征库Lf中存储与N每个文本图像特征模板一一对应的N个特征向量记为V_n，将V_t与V_n逐一计算相似度，n取值为1、2、3…n。

1、当相似度的计算采用相关性进行计算时：

其中，Cov(V_t，V_n)为V_t与V_n的协方差，Var[V_t]为V_t的方差，Var[V_n]为V_n的方差。r(V_t，V_n)取值[0，1]，V_t与V_n完全相同相似度值记为1，完全不同相似度值记为0。

2、当相似度的计算采用卡方比较进行计算时：

当两特征完全相同，d(V_t，V_n)取值为0。

3、当相似度的计算采用巴氏距离进行计算时：

其中Vt^-，Vn^-是特征向量V_t，V_n的均值，N为特征向量的元素个数。巴氏距离的计算结果为，V_t与V_n完全匹配记为1，完全不匹配则记为0。

图4示出了本申请一个实施例提供的图像显示方法的流程示意图，包括：

步骤401，启动阅读应用程序；

步骤402，判断阅读应用程序的标识是否在预设列表中，若是执行步骤403若否执行步骤412；

步骤403，确定所述应用程序在预设列表中时，获取到待显示的图像；

步骤404，将所述图像转换为灰度图像；

步骤405，将所述灰度图像的第一图像特征输入分类模型；

步骤406，判断所述灰度图像为文本图像或非文本图像的模型，若是执行步骤407，若否执行步骤408；

步骤407，确定所述灰度图像为文本图像时，提升所述图像的对比度，继续执行步骤412；

步骤408，确定分类模型预测的分类结果为非文本图像时，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配；

步骤409；判断匹配结果是否成功，若是执行步骤410，若否执行步骤411；

步骤410，确定存在匹配成功的文本图像特征模板，执行步骤407；

步骤411，确定不存在匹配成功的文本图像特征模板，执行步骤412；

步骤412，显示图像。

实施例2

基于相同的发明构思，本申请还提供一种图像显示装置，如图5所示，该装置包括：

获取图像模块501，用于响应于图像显示指令，获取待显示的图像并转换为灰度图像；

图像模型第一预测模块502，用于将所述灰度图像的第一图像特征输入分类模型，所述分类模型用于根据输入的第一图像特征预测所述灰度图像为文本图像或非文本图像的模型；

第一提升对比度模块503，用于根据分类模型的预测结果确定所述灰度图像为文本图像时，提升所述图像的对比度并显示；

图像模型第二预测模块504，用于确定分类模型预测的分类结果为非文本图像时，将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配；

第二提升对比度模块505，用于当存在匹配成功的文本图像特征模板时，提升所述图像的对比度并显示。

可选地，所述图像模型第一预测模块502，用于执行如下步骤：

将待显示的图像划分为多个图像块，将各图像块的第一图像特征分别输入分类模型；

可选地，第一提升对比度模块503，用于执行：

统计分类模型预测的各图像块中分类结果为文本图像的个数，确定统计的个数超过设定阈值时，确定所述图像为文本图像。

可选地，采用如下方式训练得到所述分类模型：

获取包括多个样本的样本集，所述样本包括图像样本及对应样本标签，所述样本标签包括文本标签和非文本标签；

在训练阶段，将样本中的图像样本输入到网络模型中，以输出所述样本中的样本标签为目标进行模型参数；

在测试阶段，将样本中的图像样本输入到网络模型，根据网络模型输出的分类结果及样本标签，计算网络模型的分类精度及召回率；

确定分类精度和召回率满足要求时，结束训练得到分类模型。

可选地，第一提升对比度模块503与第二提升对比度模块505，用于执行如下步骤：

对所述灰度图像的全部像素，逐一经像素灰度值转换公式进行灰度转换，得到输出像素灰度值，所述像素灰度转换公式用于加深不同大小灰度之间的对比度；

将所述输出像素灰度值进行二值化处理，获取提升对比度后的图像。

可选地，所述像素灰度值转换公式，包括：

I’(x)＝1/(1+e(-K₁*I(x)+K₂))，其中I(x)为所述灰度图像的像素灰度值，I’(x)为所述灰度图像的输出像素灰度值，K₁>0，K₁、K₂均为预设实数，其中0.039>K₁>0.0039，5>K₂>0。

可选地，所述装置还包括判断阅读应用程序标识模块506，所述判断阅读应用程序标识模块506用于执行如下步骤：

启动阅读应用程序，判断所述阅读应用程序的标识是否在预设列表中；

当所述应用程序不在预设列表中时，获取到待显示的图像时，将所述待显示的图像输出显示；

其中，当所述应用程序在预设列表中时，获取到待显示的图像时，将所述灰度图像的第一图像特征输入分类模型。

可选地，所述灰度图像的第一图像特征采用第一特征提取方法进行特征提取得到，所述灰度图像的第二图像特征采用第二特征提取方法进行特征提取得到，所述第一特征提取方法/第二特征提取方法为如下任一种：

方向梯度直方图、局部二值模式特征、Haar like特征、直方图统计特征方差、DCT系数特征；或者

将所述灰度图像的第二图像特征与预置的至少一个文本图像特征模板逐一匹配，包括：

将所述图像的第二图像特征与预置的至少一个文本图像特征模板的特征，采用相关性、卡方比较、巴氏距离、欧几里德距离、曼哈顿距离、切比雪夫距离中任一种方式计算相似度。

在介绍了本申请示例性实施方式的图像显示方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请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，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的图像显示方法中的步骤。

下面参照图6来描述根据本申请的这种实施方式的电子设备130，即上述温度预测和决策设备。图6显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。

总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储器132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)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。

存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324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。

电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136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136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130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系统、磁带驱动器以及数据备份存储系统等。

在一些可能的实施方式中，本申请提供的一种图像显示方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种图像显示方法的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读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。

本申请的实施方式的用于监控的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，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。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

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申请操作的程序代码，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电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，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。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和/或方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。