图像处理方法及其装置与流程

1.本技术属于电子技术领域，具体涉及一种图像处理方法及其装置。


背景技术：

2.在对一些图像处理场景中，需要将一张图像中的某个人物抠出来，然后与另一张图像进行组合，以合成新的图像。
3.在现有技术中，所采取的图像合成方法为：在软件中，手动勾勒图像中的目标区域的轮廓，设置该区域对应的透明度通道，然后根据设置的透明度通道，抠出来该区域的子图像，直至抠出完整的拍摄对象，再将抠出来的图像与新的背景图像进行合成。通常，对于一个拍摄对象，不同的区域需要设置不同的透明度通道，以使得抠出来的拍摄对象更加自然。例如，对于“人”这一类拍摄对象，发丝从发跟到发尾，需要设置不同的透明度通道，以达到从发跟到发尾变化为逐渐看不到发丝的效果。又如，对于视频的合成，需要针对每帧图像进行处理，因此需要多次勾勒区域轮廓，以及设置透明度通道。
4.可见，现有技术中的图像合成方法导致用户操作复杂。


技术实现要素：

5.本技术实施例的目的是提供一种图像处理方法，能够解决现有技术中的图像合成方法导致用户操作复杂的问题。
6.第一方面，本技术实施例提供了一种图像处理方法，该方法包括：基于目标场景，采集第一图像；基于所述目标场景，以及进入所述目标场景中的第一对象，采集第二图像；根据所述第一图像和所述第二图像之间的差异信息，在所述第二图像中确定所述第一对象的透明度通道信息，以及与所述第一对象对应的子图像；根据所述透明度通道信息和所述子图像，以及目标背景图像，输出第三图像。
7.第二方面，本技术实施例提供了一种图像处理装置，该装置包括：第一采集模块，用于基于目标场景，采集第一图像；第二采集模块，用于基于所述目标场景，以及进入所述目标场景中的第一对象，采集第二图像；确定模块，用于根据所述第一图像和所述第二图像之间的差异信息，在所述第二图像中确定所述第一对象的透明度通道信息，以及与所述与第一对象对应的子图像；输出模块，用于根据所述透明度通道信息和所述子图像，以及目标背景图像，输出第三图像。
8.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
9.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
10.第五方面，本技术实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方
法。
11.第六方面，本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
12.这样，在本技术的实施例中，在图像处理的场景中，首先，基于用户的操作，可采集一张第一图像和一张第二图像，第一图像和第二图像之间的差别在于，第二图像比第一图像增加了待抠的第一对象。然后，将两张图像作为一组图像输入事先训练好的模型中，经模型处理后，可基于两张图像之间的差异，分别输出第一对象的透明度通道信息，以及与第一对象对应的子图像。最后，基于透明度通道信息和子图像，结合待合成的目标背景图像，合成第三图像。可见，在本实施例中，一方面，无需用户手动设置透明度通道信息，简化用户操作；另一方面，输出的透明度通道信息的准确度高，有利于提高图像的合成效果。
附图说明
13.图1是本技术实施例的图像处理方法的流程图之一；
14.图2和图3是本技术实施例的图像处理方法的示意图；
15.图4是本技术实施例的图像处理方法的流程图之二；
16.图5是本技术实施例的图像处理装置的框图；
17.图6是本技术实施例的电子设备的硬件结构示意图之一；
18.图7是本技术实施例的电子设备的硬件结构示意图之二。
具体实施方式
19.下面将结合本技术实施例的附图，对本技术实施例的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
20.本技术的说明书和权利要求书的术语“第一”、“第二”等是用于区别类似的对象，而不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，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
21.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的图像处理方法进行详细地说明。
22.图1示出了本技术一个实施例的图像处理方法的流程图，该方法应用于电子设备，包括：
23.步骤110：基于目标场景，采集第一图像。
24.在本实施例中，首先提供了一种抠图方法，为了便于区分，将待抠的对象定义为前景，将除待抠的对象以外所有的对象组合在一起定义为背景。
25.在该步骤中，第一图像用于表示背景图像。
26.参见图2，例如，启动电子设备1的相机功能，采集一张图像(第一图像)，该图像包括某个空间环境(如图2中的房子)，该空间环境对应为目标场景2。
27.可参考地，目标场景越单一，本实施例所能达到的抠图效果越好。
28.步骤120：基于目标场景，以及进入目标场景中的第一对象，采集第二图像。
29.在该步骤中，第二图像用于表示背景和前景组合的图像。
30.参见图3，例如，在目标场景2保持不变的情况下，在目标场景2中出现某人、某物之后，再采集一张图像(第二图像)，该图像包括目标场景2和出现的人物，出现的某人或者某物对应为第一对象3。
31.可选地，采集第一图像和第二图像的顺序不做限定。
32.在本实施例中，第一对象的数量不作限定，可以是一个，也可以是多个。例如，可以基于目标场景，采集多张第二图像，每张第二图像中包括一个第一对象，且每张第二图像中的第一对象不同。又如，可以基于目标场景，采集多张第二图像，每张第二图像中包括一个第一对象，每张第二图像中的第一对象相同，但不同的第二图像中的第一对象的位置、姿态等不同。又如，可以基于目标场景，采集一张第二图像，第二图像中包括多个第一对象。
33.其中，在采集环节中，可采集多张第二图像，以用于后续的抠图环节，从而提高采集效率。
34.步骤130：根据第一图像和第二图像之间的差异信息，在第二图像中确定第一对象的透明度通道信息，以及与第一对象对应的子图像。
35.参见图4，在本实施例中，将一张第一图像4和对应的一张第二图像5作为一组图像，输入事先训练好的特定模型中，该模型将第一图像4和第二图像5拼接在一起输入到网络中，最终输出透明度通道图6，以及被额外处理后的前景图7。即完成抠图。
36.其中，该步骤中的透明度通道信息为透明度通道图，与第一对象对应的子图像为前景图。而在透明度通道图中，包括与第一对象对应的子图像的各个位置处的透明度通道子信息。
37.需要说明的是，透明度通道子信息是一个数值，用于指示图像中某个位置上的像素点，前景f和背景b的混合比例，透明度通道子信息的取值范围是：0至1。而第一对象的透明度通道信息包括多个透明度通道子信息。
38.在本实施例中，事先训练好的模型，会对两张图像的差异部分做计算，主要是卷积计算，具体模型结构不作阐述。由于充分利用了前景和背景的对比信息，模型可输出精细程度更高的透明度通道图，以及最大程度地还原第一对象的子图像。
39.参见图4，一方面，本实施例中的透明度通道图6，是由模型自动输出的，而模型是事先训练好的，这样不仅可以确保得到的透明度通道图6是准确的，而且避免用户手动设置；另一方面，基于两张图像之间的差异，可以得到与第一对象对应的子图像，这样得到的子图像是第一对象的原图像，在用于后续合成的过程中，可以确保较为真实、合理的图像合成效果。
40.步骤140：根据透明度通道信息和子图像，以及目标背景图像，输出第三图像。
41.在本实施例中，得到的透明度通道图可持续利用于图像合成中。
42.基于前述模型得到的透明度通道信息和子图像，结合新的背景图像(即目标背景图像)，可合成新的图像(第三图像)。
43.这样，在本技术的实施例中，在图像处理的场景中，首先，基于用户的操作，可采集一张第一图像和一张第二图像，第一图像和第二图像之间的差别在于，第二图像比第一图
像增加了待抠的第一对象。然后，将两张图像作为一组图像输入事先训练好的模型中，经模型处理后，可基于两张图像之间的差异，分别输出第一对象的透明度通道信息，以及与第一对象对应的子图像。最后，基于透明度通道信息和子图像，结合待合成的目标背景图像，合成第三图像。可见，在本实施例中，一方面，无需用户手动设置透明度通道信息，简化用户操作；另一方面，输出的透明度通道信息的准确度高，有利于提高图像的合成效果。
44.在本技术另一个实施例的图像处理方法的流程中，步骤140，包括：
45.子步骤a1：根据子图像中目标位置上的第一像素点及其对应的第一透明度通道子信息，以及目标背景图像中目标位置上的第二像素点及其对应的第二透明度通道子信息，确定第三图像中目标位置上的第三像素点。
46.其中，第一透明度通道子信息和第二透明度通道子信息之间具有关联关系。
47.在本实施例中，根据公式一：i＝alpha*f (1-alpha)*b，输出第三图像。
48.其中，在公式一中，i用于表示第三图像，alpha用于表示第一对象的透明度通道信息，f用于表示与第一对象对应的子图像，b用于表示目标背景图像。
49.更为具体地，在公式一中，i用于表示第三图像的某个位置上的像素点(如第三像素点)，alpha用于表示第一对象对应位置上的像素点(如第一像素点)的透明度通道子信息，f用于表示第一对象对应位置上的像素点(如第一像素点)，b用于表示目标背景图像对应位置上的像素点(如第二像素点)。
50.其中，对于同一位置上的像素点，其在第一对象的子图像中对应的第一透明度通道子信息，与其在目标背景图像中对应的第二透明度通道子信息，二者和为“1”。
51.在第三图像中，当alpha为0时，对应位置上的像素点，完全保留背景图像，而不保留前景图像；当alpha为1时，对应位置上的像素点，完全保留前景图像，而不保留背景图像。
52.最终，当完成第一对象的子图像的各个像素点与对应的目标背景图像中的像素点的合成，即完成第三图像的合成。
53.本实施例的应用场景如，利用输出的透明度通道图和子图像，进行视频的背景替换类的创作。
54.在本实施例中，提供了一种合成方法，基于本技术得到的透明度通道图和对应的子图像，可使得合成图像的效果更加真实、合理。
55.在本技术更多的实施例中，应用场景如，将输出的透明度通道图，以及前述步骤中得到的第二图像，用于高精度抠图网络的训练样本，避免了人力和时间的消耗。
56.在本技术另一个实施例的图像处理方法的流程中，步骤130，包括：
57.子步骤b1：根据第一图像和第二图像之间的差异信息，在第二图像中确定未经目标场景渲染的第一对象的子图像。
58.在本实施例中，基于两张图像之间的差异，模型还能预估输出混合前原本的前景。
59.通常，当第一对象进入目标场景时，在成像中，第一对象必然会受到目标场景的影响，例如目标场景是绿幕，第一对象的边缘会呈现出绿色。
60.因此，在第二图像中，肉眼所见的第一对象并不是原本的第一对象，而是经目标场景渲染后的第一对象，而本实施例中的模型可以最大程度地还原原本的第一对象，即得到额外处理后的前景。
61.而在公式一中，一张图像的合成，尤其是边缘部分，是由前景和背景共同混合决
定，而基于本实施例得到的前景是经还原得到的，从而可以提高图像合成的效果。
62.在现有技术中，因抠图得到的第一对象，本身就不是原本的第一对象，而是经背景渲染后的第一对象，因此，在得到的第一对象本身就不准确的情况下，合成图像后，图像的真实性和合理性均较差。
63.在本技术另一个实施例的图像处理方法中，第一图像对应的采集数据，与第二图像对应的采集数据相同。
64.其中，采集数据包括采集角度、采集位置、焦点区域和曝光参数。
65.在本技术中，为了确保准确计算第一图像和第二图像之间的差异信息，需要确保第一图像和第二图像除第一对象以外，其它部分都是一致的。
66.因此，在本技术中，需要确保采集第一图像和第二图像时的相关数据是完全相同的。
67.本实施例中，提出了采集角度、采集位置、焦点区域和曝光参数这几项参数，从而在采集图像的过程中，基于对这几项参数的锁定，可确保第一图像和第二图像的相似度极高，从而便于后续的计算。
68.在本技术另一个实施例的图像处理方法中，在采集第一图像和第二图像的情况下，为了锁定采集数据，可使用三脚架等辅助器械来固定电子设备。
69.在本技术另一个实施例的图像处理方法的流程中，在步骤130之前，该方法还包括：
70.步骤c1：根据第一图像和第二图像中匹配的目标特征点，沿第一方向对齐第一图像和第二图像。
71.在本实施例中，考虑到拍摄过程中出现的手抖等因素，使得两张图像之间产生偏差，在将一组图像输入模型之间，需要将两张图像进行对齐处理。
72.示例性地，一种对齐方式为：利用特殊的算子，计算两张图像中的特征点，在水平和竖直两个方向进行匹配，匹配成功后，将特征点重合的最大区域进行裁剪，并进行一定程度的矫正，最后得到两张大致对齐的图像。
73.其中，第一方向包括竖直方向和水平方式，重合的特征点即匹配的特征点。
74.示例性地，又一种对齐方式为：利用卷积神经网络，构建一个多卷积堆积的模型，利用模型的复杂参数计算量，来实现两张图像的特征点匹配和对齐，随后通过一定程度的矫正，得到两张大致对齐的图像。
75.其中，由于模型的泛化能力，两张图像只需大致对齐，即可输出预期的结果。
76.在本实施例中，在采集图像的过程中没有使用辅助器械(如三脚架)来固定电子设备的情况下，在同组图像上，背景可能并不是对齐的，因此，需要使用额外的图像对齐方法来完成图像的匹配对齐；另外，基于本实施例的对齐方法，还可以降低采集图像的难度，进一步简化用户操作。其中，本实施例中的图像对齐方法可由对齐模块来实现，对齐模块可以是预先训练好的模型。
77.综上，本技术的目的在于：提供一种基于固定背景的抠图、以及图像合成方法，不仅解决了现有技术中因抠图操作繁琐、不准确的问题，同时确保了图像合成的真实性和有效性。其中，第一方面，本技术对图像采集没有过多要求，只需要在指定背景下固定采集一组图像；第二方面，本技术只需要在前期预先训练模型时需要人工介入，后续可直接利用模
型自动输出透明度通道图和额外处理后的前景；第三方面，本技术利用了两张图像的对比信息，使得输出的结构精度极高，在特定场景下可直接用于图像合成等应用。
78.在更多的场景中，本技术的思路可应用于其它类型的图像标注，尤其是有背景对比的图像标注上，从而可以充分利用图像对齐和图像差异这两项技术，来提高某些图像标注的精度和效率。
79.在更多的场景中，本技术还可应用于模型训练中，以提高模型输出结果的精确度。
80.例如，在现有技术中，针对于抠图模型的训练，需要现有学术界或网络公开的数据集，而数据都比较稀少，且大多数数据场景都需要在单一颜色的幕布(如绿幕)前进行采集，以方便后续的人工标注；此外，标注人员的差异也会导致图像标注质量的差异，这就间接决定了深度模型的泛化能力不够好，会导致边缘区域溢色(如抠图出来的人像发丝边缘可见绿幕颜色)、误抠图、漏抠图等问题，从而使得抠图模型的输出精度较低。而将本技术得到的第二图像和对应的透明度通道图，作为训练样本，来训练抠图模型，这样避免人工标注，从而有效解决因人工标注带来的如费时费力、标注差异等问题，进而避免出现边缘区域溢色、误抠图、漏抠图等现象，以实现精确抠图。
81.本技术实施例提供的图像处理方法，执行主体可以为图像处理装置。本技术实施例中以图像处理装置执行图像处理方法为例，说明本技术实施例提供的图像处理装置。
82.图5示出了本技术另一个实施例的图像处理装置的框图，该装置包括：
83.第一采集模块10，用于基于目标场景，采集第一图像；
84.第二采集模块20，用于基于目标场景，以及进入目标场景中的第一对象，采集第二图像；
85.确定模块30，用于根据第一图像和第二图像之间的差异信息，在第二图像中确定第一对象的透明度通道信息，以及与第一对象对应的子图像；
86.输出模块40，用于根据透明度通道信息和子图像，以及目标背景图像，输出第三图像。
87.这样，在本技术的实施例中，在图像处理的场景中，首先，基于用户的操作，可采集一张第一图像和一张第二图像，第一图像和第二图像之间的差别在于，第二图像比第一图像增加了待抠的第一对象。然后，将两张图像作为一组图像输入事先训练好的模型中，经模型处理后，可基于两张图像之间的差异，分别输出第一对象的透明度通道信息，以及与第一对象对应的子图像。最后，基于透明度通道信息和子图像，结合待合成的目标背景图像，合成第三图像。可见，在本实施例中，一方面，无需用户手动设置透明度通道信息，简化用户操作；另一方面，输出的透明度通道信息的准确度高，有利于提高图像的合成效果。
88.可选地，输出模块40，包括：
89.第一确定单元，用于根据子图像中目标位置上的第一像素点及其对应的第一透明度通道子信息，以及目标背景图像中目标位置上的第二像素点及其对应的第二透明度通道子信息，确定第三图像中目标位置上的第三像素点；
90.其中，第一透明度通道子信息和第二透明度通道子信息之间具有关联关系。
91.可选地，确定模块30，包括：
92.第二确定单元，用于根据第一图像和第二图像之间的差异信息，在第二图像中确定未经目标场景渲染的第一对象的子图像。
93.可选地，第一图像对应的采集数据，与第二图像对应的采集数据相同；
94.其中，采集数据包括采集角度、采集位置、焦点区域和曝光参数。
95.可选地，该装置还包括：
96.对齐模块，用于根据第一图像和第二图像中匹配的目标特征点，沿第一方向对齐第一图像和第二图像。
97.本技术实施例中的图像处理装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(mobile internet device，mid)、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，还可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。
98.本技术实施例的图像处理装置可以为具有动作系统的装置。该动作系统可以为安卓(android)动作系统，可以为ios动作系统，还可以为其他可能的动作系统，本技术实施例不作具体限定。
99.本技术实施例提供的图像处理装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
100.可选地，如图6所示，本技术实施例还提供一种电子设备100，包括处理器101，存储器102，存储在存储器102上并可在所述处理器101上运行的程序或指令，该程序或指令被处理器101执行时实现上述任一图像处理方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
101.需要说明的是，本技术实施例的电子设备包括上述所述的移动电子设备和非移动电子设备。
102.图7为实现本技术实施例的一种电子设备的硬件结构示意图。
103.该电子设备1000包括但不限于：射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、以及处理器1010等部件。
104.本领域技术人员可以理解，电子设备1000还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图7中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
105.其中，处理器1010，用于基于目标场景，采集第一图像；基于所述目标场景，以及进入所述目标场景中的第一对象，采集第二图像；根据所述第一图像和所述第二图像之间的差异信息，在所述第二图像中确定所述第一对象的透明度通道信息，以及与所述与第一对象对应的子图像；根据所述透明度通道信息和所述子图像，以及目标背景图像，输出第三图像。
106.这样，在本技术的实施例中，在图像处理的场景中，首先，基于用户的操作，可采集一张第一图像和一张第二图像，第一图像和第二图像之间的差别在于，第二图像比第一图像增加了待抠的第一对象。然后，将两张图像作为一组图像输入事先训练好的模型中，经模型处理后，可基于两张图像之间的差异，分别输出第一对象的透明度通道信息，以及与第一对象对应的子图像。最后，基于透明度通道信息和子图像，结合待合成的目标背景图像，合成第三图像。可见，在本实施例中，一方面，无需用户手动设置透明度通道信息，简化用户操作；另一方面，输出的透明度通道信息的准确度高，有利于提高图像的合成效果。
107.可选地，处理器1010，还用于根据所述子图像中目标位置上的第一像素点及其对应的第一透明度通道子信息，以及所述目标背景图像中所述目标位置上的第二像素点及其对应的第二透明度通道子信息，确定所述第三图像中所述目标位置上的第三像素点；其中，所述第一透明度通道子信息和所述第二透明度通道子信息之间具有关联关系。
108.可选地，处理器1010，还用于根据所述第一图像和所述第二图像之间的差异信息，在所述第二图像中确定未经所述目标场景渲染的所述第一对象的子图像。
109.可选地，所述第一图像对应的采集数据，与所述第二图像对应的采集数据相同；其中，所述采集数据包括采集角度、采集位置、焦点区域和曝光参数。
110.可选地，处理器1010，还用于根据所述第一图像和所述第二图像中匹配的目标特征点，沿第一方向对齐所述第一图像和所述第二图像。
111.综上，本技术的目的在于：提供一种基于固定背景的抠图、以及图像合成方法，不仅解决了现有技术中因抠图操作繁琐、不准确的问题，同时确保了图像合成的真实性和有效性。其中，第一方面，本技术对图像采集没有过多要求，只需要在指定背景下固定采集一组图像；第二方面，本技术只需要在前期预先训练模型时需要人工介入，后续可直接利用模型自动输出透明度通道图和额外处理后的前景；第三方面，本技术利用了两张图像的对比信息，使得输出的结构精度极高，在特定场景下可直接用于图像合成等应用。
112.应理解的是，本技术实施例中，输入单元1004可以包括图形处理器(graphics processing unit，gpu)10041和麦克风10042，图形处理器10041对在视频图像捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频图像的图像数据进行处理。显示单元1006可包括显示面板10061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10071以及其他输入设备10072中的至少一种。触控面板10071，也称为触摸屏。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其他输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、动作杆，在此不再赘述。存储器1009可用于存储软件程序以及各种数据，包括但不限于应用程序和动作系统。处理器1010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理动作系统、用户页面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1010中。
113.存储器1009可用于存储软件程序以及各种数据。存储器1009可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器1009可以包括易失性存储器或非易失性存储器，或者，存储器x09可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读
存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本技术实施例中的存储器1009包括但不限于这些和任意其它适合类型的存储器。
114.处理器1010可包括一个或多个处理单元；可选的，处理器1010集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器1010中。
115.本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
116.其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等。
117.本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
118.应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
119.本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
120.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
121.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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储
介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
122.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。