一种图像增强方法、装置、设备及存储介质与流程

1.本技术涉及智能医疗技术领域，尤其涉及一种图像增强方法、装置、设备及存储介质。


背景技术：

2.ct(电子计算机断层扫描)图像是利用精确准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查，在医学影像诊断中起到重要作用。
3.现有ct图像增强的手段为滤波反投影法、自适应均衡化、深度学习模型等。其中滤波反投影法是根据滤波核的大小决定增强的频率范围，容易忽略细节区域，且容易产生伪影；自适应均衡化主要增强图像的区域对比度，提高图像空间分辨率，缺点是计算耗时，实际应用困难；基于深度学习模型的方法对于数据的要求较高，样本难以收集，且一般处理速度慢，比较依赖硬件；综上可知，目前大多数ct图像增强的效果不理想，存在图像边缘信息不够，伪影严重等缺点。


技术实现要素：

4.为了解决上述技术问题，本技术公开了图像增强方法，通过两种算法分别对图像进行处理，并将处理结果进行融合，能够较快的增强图像的组织结构边缘等细节信息，且增强后图像边缘、纹理较为清晰，提高了整体的图像质量，以便于医生阅片判断。
5.为了达到上述发明目的，本技术提供了一种图像增强方法，所述的方法包括获取原始图像和所述原始图像对应的目标三维数据，其中，所述原始图像包括多个切片图像；
6.从所述目标三维数据获取所述各切片图像对应的目标二维数据；
7.调用预设图像变换算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第一图像数据；
8.调用预设直方图均衡化算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第二图像数据；
9.将所述第一图像数据和所述第二图像数据进行加权处理，得到目标图像数据；
10.基于所述目标图像数据获取所述原始图像对应的目标增强图像。
11.在一些实施方式中，所述将所述第一图像数据和所述第二图像数据进行加权处理，得到目标图像数据，包括：
12.获取所述第一图像数据的第一权重系数和所述第二图像数据的第二权重系数；
13.调用预设加权算法，根据所述第一图像数据、所述第一权重系数、所述第二图像数据和所述第二权重系数进行加权计算，得到所述目标图像数据。
14.在一些实施方式中，所述调用预设图像变换算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第一图像数据，包括：
15.调用预设图像变换算法，将各目标二维数据进行分解，得到所述各目标二维数据
对应的分解数据；
16.基于预设重构函数和所述各目标二维数据对应的分解数据进行数据重构，得到所述各目标二维数据对应的重构数据；
17.将所述各目标二维数据对应的重构数据进行合并，得到所述原始图像对应的第一图像数据。
18.在一些实施方式中，所述调用预设直方图均衡化算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第二图像数据，包括：
19.调用预设直方图均衡化算法，将所述各目标二维数据进行分割处理，得到所述各目标二维数据对应的多个矩形方块；
20.获取所述各目标二维数据中各矩形方块对应的灰度直方图和变换函数；
21.基于预设的变换计算规则、所述各矩形方块对应的灰度直方图和变换函数进行变换计算，得到所述各目标二维数据的变换数据；
22.将所述各目标二维数据的变换数据进行合并，得到所述原始图像对应的第二图像数据。
23.在一些实施方式中，所述预设图像变换算法包括小波变换算法；
24.所述预设直方图均衡化包括对比度受限的自适应直方图均衡化算法。
25.在一些实施方式中，所述目标三维数据、所述目标二维数据、所述第一图像数据、所述第二图像数据和所述目标图像数据均为矩阵数据。
26.在一些实施方式中，所述从所述目标三维数据获取所述各切片图像对应的目标二维数据包括：
27.从所述目标三维数据的三个维度中确定所述各切片图像对应的目标维度；
28.将所述目标维度中所述各切片图像对应的目标数据作为所述各切片图像的目标二维数据。
29.本技术还提供了一种图像增强装置，所述的装置包括：
30.第一获取模块，用于获取原始图像和所述原始图像对应的目标三维数据，其中，所述原始图像包括多个切片图像；
31.第二获取模块，用于从所述目标三维数据获取所述各切片图像对应的目标二维数据；
32.第一处理模块，用于调用预设图像变换算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第一图像数据；
33.第二处理模块，用于调用预设直方图均衡化算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第二图像数据；
34.第三处理模块，用于将所述第一图像数据和所述第二图像数据进行加权处理，得到目标图像数据；
35.增强图像获取模块，用于基于所述目标图像数据获取所述原始图像对应的目标增强图像。
36.本技术还提供了一种图像增强设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述所述的图像增强方法。
37.本技术还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行如上述所述的图像增强方法。
38.实施本技术实施例，具有如下有益效果：
39.本技术公开的图像增强方法，通过两种算法分别对图像进行处理，并将处理结果进行融合，能够较快的增强图像的组织结构边缘等细节信息，且增强后图像边缘、纹理较为清晰，提高了整体的图像质量，以便于医生阅片判断。
附图说明
40.为了更清楚地说明本技术所述的图像增强方法、装置、设备及存储介质，下面将对实施例所需要的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
41.图1为本技术实施例提供的一种图像增强方法的流程示意图；
42.图2为本技术实施例提供的一种第一图像数据的获取方法的流程示意图；
43.图3为本技术实施例提供的一种第二图像数据的获取方法的流程示意图；
44.图4为本技术实施例提供的一种采用小波变换算法对目标二维数据进行处理的示意图；
45.图5为本技术实施例提供的本技术实施例提供的一种采用对比度受限的自适应直方图均衡化算法对目标二维数据进行分割的示意图；
46.图6为本技术实施例提供的一种采用对比度受限的自适应直方图均衡化算法对目标二维数据进行变换的示意图；
47.图7为本技术实施例提供的一种优选的图像增强方法的流程示意图；
48.图8为本技术实施例提供的一种图像增强装置的结构示意图；
49.图9为本技术实施例提供的一种图像增强设备的结构示意图。
具体实施方式
50.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
51.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
52.对本技术实施例进行进一步详细说明之前，对本技术实施例中涉及的名词和术语
进行说明，本技术实施例中涉及的名词和术语适用于如下的解释。
53.小波变换(wavelet transform，wt)是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了fourier变换的困难问题，成为继fourier变换以来在科学方法上的重大突破。
54.直方图均衡化(he)是图像处理领域中利用图像直方图对对比度进行调整的方法；是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换，以达到提高图像对比度的目的；该映射曲线其实就是图像的累计分布直方图(cdf)。
55.对比度受限的自适应直方图均衡化(clahe)与直方图均衡化(he)的区别在于限制对比度，实质是限制cdf的斜率。
56.以下结合图1介绍本技术基于上述系统的图像增强方法，可以应用于智能医疗领域的医学图像中，具体的，可以应用于在ct图像中。
57.请参考图1，其所示为本技术实施例提供的一种图像增强方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规；或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序，图像增强方法，可以按照实施例或附图所示的方法顺序执行。具体的如图1所示，所述方法包括：
58.s101,获取原始图像和所述原始图像对应的目标三维数据，其中，所述原始图像包括多个切片图像；
59.需要说明的是，在本技术实施例中，原始图像可以采用医学成像设备进行图像的采集；
60.具体的，在本技术实施例中，原始图像可以是ct图像；其中，一例ct图像可以包括多张切片图像，每张切片图像为单通道的灰度图；
61.在本技术实施例中，原始图像可以为ct格式的三维数据；
62.将原始图像的数据格式转换成目标三维数据，其中，目标三维数据可以为三维矩阵数据。
63.s103,从所述目标三维数据获取所述各切片图像对应的目标二维数据；
64.在本技术实施例中，目标三维数据包括三个维度的数据，其中一个维度的数据表征切片图像的数量。
65.具体的，目标二维数据的获取方法包括以下步骤：
66.从所述目标三维数据的三个维度中确定所述各切片图像对应的目标维度；
67.具体的，目标维度中包括多个切片图像；
68.将所述目标维度中所述各切片图像对应的目标数据作为所述各切片图像的目标二维数据；
69.每个切片图像对应的二维数据即为该切片图像的目标二维数据；
70.在本技术实施例中，目标二维数据可以为二维矩阵数据，可以表示一个二维图像。
71.s105,调用预设图像变换算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第一图像数据；
72.在本技术实施例中，预设图像变换算法可以包括但不限于haar小波变换算法；
73.具体的，第一图像数据可以为矩阵数据，也即是第一图像矩阵数据；
74.在本技术实施例中，如图2，其所示为本技术实施例提供的一种第一图像数据的获取方法的流程示意图，具体的如下：
75.s201，调用预设图像变换算法，将各目标二维数据进行分解，得到所述各目标二维数据对应的分解数据；
76.在本技术实施例中，调用haar小波变换算法中的分解函数，将每一个目标二维数据进行分解；
77.具体的，可以将目标二维数据从水平和竖直两个方向上进行分解；
78.具体的，对目标二维数据进行分解计算的数学模型可以为：
79.模型一：(a,h,v,d)＝dwt2
haar
(src)
80.其中，a表示图像低频部分数据、h表示水平方向高频部分数据、v表示垂直方向高频部分数据和d表示对角线方向高频部分数据，src表示目标二维数据；dwt2
haar
表示二维小波分解函数。
81.具体的，分解数据可以包括a,h,v,d四个数据；
82.具体的，每一个目标二维数据至少进行一次分解，得到一级分解结果；优选的，在本技术实施例中，每个目标二维数据进行两次分解，得到二级分解结果；
83.在一个优选的实施例中，如图4，其所示为本技术实施例提供的一种采用小波变换算法对目标二维数据的进行处理的示意图，当需要对一个二维图像进行一次分解时，分别对该二维图像(图4中的图a)进行“行分解”和“列分解”；得到一级分解结果，
84.具体的如图4中的图b所示，上述二维图像经过一级小波变换处理后得到的一级分解结果中包括h1、v1、c1和b四个区域，其中，h1表示水平反向的细节，v1表示竖直方向的细节，c1表示对角线方向的细节，b表示下采样图像；
85.当需要对一个二维图像进行两次分解时，可以在对二维图像进行一级小波变换处理后得到的一级分解结果中的下采样图像，进行二级分解；具体的，可以对上述的一级分解结果中的下采样图像进行“行分解”和“列分解”，以得到二级分解结果，具体的，二级分解结果如图4中的图c所示。
86.在本技术实施例中，调用预设图像变换算法的分解函数，将各目标二维数据进行两次小波变换处理，得到所述各目标二维数据对应的二级分解数据；
87.s203，基于预设重构函数和所述各目标二维数据对应的分解数据进行数据重构，得到所述各目标二维数据对应的重构数据；
88.在本技术实施例中，预设重构函数可以为小波重构函数；
89.具体的，将上述分解计算得到的a,h,v,d四个分解数据结合小波重构函数进行数据的重构，具体的，各目标二维数据对应的重构数据的计算数学模型可以为：
90.模型二：src1＝idwt2
haar
(1.2*a,0.6*h,0.6*v0.6*d)
91.其中，src1表示小波变换重构数据，idwt2
haar
表示二维小波重构函数；
92.在本技术实施例中，当对目标二维数据进行一级小波分解时，将一级小波分解得到的分解数据代入上述模型二中，即可得到一级重构数据；
93.若对目标二维数据进行二级小波分解时，将二级小波分解得到的分解数据代入上述模型二中，即可得到二级重构数据。
94.s205，将所述各目标二维数据对应的重构数据进行合并，得到所述原始图像对应的第一图像数据。
95.在本技术实施例中，将每个目标二维数据进行haar小波变换算法进行分解重构后得到的重构数据上下叠加在一起，即可得到原始图像对应的第一图像数据；所述第一图像数据为三维数据。
96.本技术中采用haar小波变换算法对原始图像中的各切片图像对应的目标二维数据进行处理，可以使得到的第一图像数据的对应的边缘纹理信息更加清晰。
97.s107,调用预设直方图均衡化算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第二图像数据；
98.在本技术实施例中，预设直方图均衡化算法包括但不限于对比度受限的自适应直方图均衡化算法；
99.具体的，第二图像数据可以为矩阵数据，也即是第二图像矩阵数据；
100.在本技术实施例中，如图3，其所示为本技术实施例提供的一种第二图像数据的获取方法的流程示意图，具体的如下：
101.s301，调用预设直方图均衡化算法，将所述各目标二维数据进行分割处理，得到所述各目标二维数据对应的多个矩形方块；
102.在本技术实施例中，每个目标二维数据分别单独进行处理；目标二维数据可以用于表示二维图像；
103.具体的，调用对比度受限的自适应直方图均衡化算法，对每个目标二维数据分别进行分割处理，将目标二维数据平均分割成多个矩形方块；
104.s303，获取所述各目标二维数据中各矩形方块对应的灰度直方图和变换函数；
105.在本技术实施例中，分别计算每个矩形方块的灰度直方图和各矩形方块对应的变换函数；
106.s305，基于预设的变换计算规则、所述各矩形方块对应的灰度直方图和变换函数进行变换计算，得到所述各目标二维数据的变换数据；
107.在本技术实施例中，可以是将目标二维数据的像素按照边界区域像素和中间区域像素进行划分；
108.具体的，可以是将平均分割形成的多个矩形方块的像素划分为边界区域像素和中间区域像素；具体的，如图5，其所示本技术实施例提供的一种采用对比度受限的自适应直方图均衡化算法对目标二维数据进行分割的示意图，将目标二维数据划分成8*8矩形方块；其中，目标二维数据边界像素即为灰色区域的像素点；
109.在本技术实施例中，基于预设的变换计算规则、所述各矩形方块对应的灰度直方图和变换函数将各矩形方块的像素进行变换计算，得到所述各目标二维数据的变换数据；
110.具体的，可以将各矩形方块的像素进行灰度映射和线性插值的计算，即可得到所述各目标二维数据的变换数据；
111.在本技术实施例中，如图6，其所示本技术实施例提供的一种采用对比度受限的自适应直方图均衡化算法对目标二维数据进行变换的示意图，对于边界区域处像素中的四个顶角，即左上角，左下角、右上角，右下角的四个矩形方块，直接以像素所在矩形方块的变换函数进行灰度映射；
112.则边界处像素中除四个顶角处的其他边界矩形方块，则像素按照所在的两个相邻矩形方块的变换函数进行线性插值的计算；
113.中间区域像素以像素所在的四个相邻矩形方块的变换函数进行双线性插值的计算；
114.在本技术实施例中，目标二维数据的变换数据的数学计算模型可以为：
115.模型三：src2＝f
clahe
(src)
116.其中，src2表示目标二维数据的变换数据，f
clahe
表示变换函数，src表示目标二维数据。
117.s307，将所述各目标二维数据的变换数据进行合并，得到所述原始图像对应的第二图像数据。
118.在本技术实施例中，将各目标二维数据的变换数据叠加在一起，即可得到原始图像对应的第二图像数据；第二图像数据为三维数据。
119.本技术中采用对比度受限的自适应直方图均衡化(clahe)算法对原始图像中的各切片图像对应的目标二维数据进行处理，可以使得到的第二图像数据的对应的图像的对比度更加合理。
120.s109,将所述第一图像数据和所述第二图像数据进行加权处理，得到目标图像数据；
121.在本技术实施例中，可以获取所述第一图像数据的第一权重系数和所述第二图像数据的第二权重系数；
122.其中，第一权重系数和第二权重系数可以是预设的数值，具体的，可以是经过多次实验验证得出的；
123.第一权重系数和第二权重系数的和为1。
124.调用预设加权算法，根据所述第一图像数据、所述第一权重系数、所述第二图像数据和所述第二权重系数进行加权计算，得到所述目标图像数据。
125.在本技术实施例中，目标图像数据的数学计算模型可以为：
126.模型四：src
enhance
＝srca*α srcb*β
127.其中，src
enhance
表示目标图像数据，srca表示第一图像数据，srcb表示第二图像数据；α和β为自然数，且α β＝1。
128.优选的，α和β均为0.5。
129.s111,基于所述目标图像数据获取所述原始图像对应的目标增强图像；
130.在本技术实施例中，目标增强图像的数据格式与原始图像的数据格式相同；
131.具体的，将目标图像数据的数据格式转化成与原图图像的数据格式相同的数据格式，即可得到目标增强图像。
132.在本技术中一个优选的实施例中，如图7，其所示为本技术实施例提供的一种优选的图像增强方法的流程示意图；具体的，如下：
133.s701，获取原始图像和所述原始图像对应的三维矩阵数据，其中，所述原始图像包括多个切片图像；
134.s703，从所述三维矩阵数据获取所述各切片图像对应的二维矩阵数据；
135.s705，调用预设图像变换算法，对各二维矩阵数据进行变换处理，得到所述原始图像对应的第一图像矩阵数据；
136.s707，调用预设直方图均衡化算法，对各二维矩阵数据进行变换处理，得到所述原始图像对应的第二图像矩阵数据；
137.s709，将所述第一图像矩阵数据和所述第二图像矩阵数据进行加权处理，得到目标图像矩阵数据；
138.s711，基于所述目标图像矩阵数据获取所述原始图像对应的目标增强图像。
139.由上述本技术提供的图像增强方法、装置、设备及存储介质的实施例可见，本技术实施例获取原始图像和所述原始图像对应的目标三维数据，其中，所述原始图像包括多个切片图像；从所述目标三维数据获取所述各切片图像对应的目标二维数据；调用预设图像变换算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第一图像数据；调用预设直方图均衡化算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第二图像数据；将所述第一图像数据和所述第二图像数据进行加权处理，得到目标图像数据；基于所述目标图像数据获取所述原始图像对应的目标增强图像；利用本说明书实施例提供的技术方案，通过两种算法分别对图像进行处理，并将处理结果进行融合，能够较快的增强图像的组织结构边缘等细节信息，且增强后图像边缘、纹理较为清晰，提高了整体的图像质量，以便于医生阅片判断。
140.本技术实施例还提供了一种图像增强装置，如图8所示，其所示为本技术实施例提供的一种图像增强装置的结构示意图；具体的，的装置包括：
141.第一获取模块810，用于获取原始图像和所述原始图像对应的目标三维数据，其中，所述原始图像包括多个切片图像；
142.第二获取模块820，用于从所述目标三维数据获取所述各切片图像对应的目标二维数据；
143.第一处理模块830，用于调用预设图像变换算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第一图像数据；
144.第二处理模块840，用于调用预设直方图均衡化算法，对各目标二维数据进行变换处理，得到所述原始图像对应的第二图像数据；
145.第三处理模块850，用于将所述第一图像数据和所述第二图像数据进行加权处理，得到目标图像数据；
146.增强图像获取模块860，用于基于所述目标图像数据获取所述原始图像对应的目标增强图像。
147.在本技术实施例中，所述第三处理模块850包括：
148.第一获取单元，用于获取所述第一图像数据的第一权重系数和所述第二图像数据的第二权重系数；
149.第一处理单元，用于调用预设加权算法，根据所述第一图像数据、所述第一权重系数、所述第二图像数据和所述第二权重系数进行加权计算，得到所述目标图像数据。
150.在本技术实施例中，所述第一处理模块830包括：
151.分解单元，用于调用预设图像变换算法，将各目标二维数据进行分解，得到所述各目标二维数据对应的分解数据；
152.重构单元，用于基于预设重构函数和所述各目标二维数据对应的分解数据进行数据重构，得到所述各目标二维数据对应的重构数据；
153.第一合并单元，用于将所述各目标二维数据对应的重构数据进行合并，得到所述原始图像对应的第一图像数据。
154.在本技术实施例中，所述第二处理模块840包括：
155.分割单元，调用预设直方图均衡化算法，将所述各目标二维数据进行分割处理，得到所述各目标二维数据对应的多个矩形方块；
156.第二获取单元，用于获取所述各目标二维数据中各矩形方块对应的灰度直方图和变换函数；
157.第二处理单元，用于基于预设的变换计算规则、所述各矩形方块对应的灰度直方图和变换函数进行变换计算，得到所述各目标二维数据的变换数据；
158.第二合并单元，用于将所述各目标二维数据的变换数据进行合并，得到所述原始图像对应的第二图像数据。
159.在本技术实施例中，还包括：
160.所述预设图像变换算法包括小波变换算法；
161.所述预设直方图均衡化包括对比度受限的自适应直方图均衡化算法。
162.在本技术实施例中，还包括：所述目标三维数据、所述目标二维数据、所述第一图像数据、所述第二图像数据和所述目标图像数据均为矩阵数据。
163.在本技术实施例中，所述第二获取模块820包括：
164.确定单元，用于从所述目标三维数据的三个维度中确定所述各切片图像对应的目标维度；
165.第三处理单元，用于将所述目标维度中所述各切片图像对应的目标数据作为所述各切片图像的目标二维数据。
166.本技术实施例提供了一种图像增强设备，设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述方法实施例所述的图像增强方法。
167.存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
168.图9为本技术实施例提供的一种图像增强设备的结构示意图，该图像增强设备的内部构造可包括但不限于：处理器、网络接口及存储器，其中图像增强设备内的处理器、网络接口及存储器可以通过总线或其他方式连接，在本说明书实施例所示图9中以通过总线连接为例。
169.其中，处理器(或称cpu(central processing unit，中央处理器))是图像增强设备的计算核心以及控制核心。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、移动通信接口等)。存储器(memory)是图像增强设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器可以是高速ram存储设备，也可以是非不稳定的存储设备(non-volatile memory)，例如至少一个磁盘存储设备；可选的还可以是至少一个位于远离前述处理器的存储装置。存储器提供存储空间，该存储空间存储了图像增强设备的操作系统，可包括但不限于：windows系统(一种操作系统)，linux(一种操作系统)等等，本技术对此并不作限定；并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。在本技术实施例中，处理器加载并执行存储器中存放的一条或一条以上指令，以实现上述方法实施例提供的图像增强方法。
170.本技术的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于图像增强设备之中以保存用于实现方法实施例中的一种图像增强方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集可由电子设备的处理器加载并执行以实现上述方法实施例提供的图像增强方法。
171.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
172.需要说明的是：上述本技术实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
173.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
174.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
175.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
176.以上所揭露的仅为本技术一种较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。