一种图像处理方法、装置、存储介质及终端设备与流程

1.本技术涉及图像处理技术领域，特别涉及一种图像处理方法、装置、存储介质及终端设备。


背景技术：

2.随着深度学习技术的不断发送，深度学习方法被广泛应用于图像增强技术领域。深度学习方法所达到的图像增强效果远超过于传统方法(例如，线性插值以及双线性插值等)达到的图像增强效果。但是，目前基于深度学习确定用于图像增强的图像处理模型，在处理过程所需计算量大进而需要占用很高内存，从而使其很难应用于移动终端上。


技术实现要素：

3.本技术要解决的技术问题在于，针对现有技术的不足，提供一种图像处理方法、装置、存储介质及终端设备。
4.为了解决上述技术问题，本技术实施例第一方面提供了一种图像处理方法，所述方法包括：
5.对于待处理图像中的每个像素点，获取该像素点对应的图像块；基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点；
6.根据所述待处理图像中的各个像素点各自分别对应的输出像素点，确定所述待处理图像对应的输出图像。
7.所述图像处理方法，其中，所述基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数为：
8.将所述图像块输入经过训练的图像处理模型，通过所述图像处理模型确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数。
9.所述图像处理方法，其中，所述基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点具体包括：
10.分别采用各滤波器对该图像块做卷积运算，以得到各滤波器各自对应的候选像素点；
11.基于各滤波器各自对应的滤波权重系数，将各滤波器各自对应的候选像素点进行加权以得到该像素点对应的输出像素点。
12.所述图像处理方法，其中，所述若干滤波器中至少存在第一滤波器和第二滤波器，第一滤波器的滤波器类型与第二滤波器的滤波器类型不同。
13.所述图像处理方法，其中，所述若干滤波器中的各滤波器各自对应的滤波核尺寸相同。
14.所述图像处理方法，其中，所述图像块的图像尺寸与若干滤波器中一滤波器的滤
波核尺寸相等。
15.所述图像处理方法，其中，所述获取该像素点对应的图像块具体包括：
16.对于待处理图像中的每个像素点，获取所述若干滤波器对应的滤波核尺寸；
17.基于所述若干滤波器对应的滤波核尺寸及所述待处理图像确定一图像区域，并将该图像区域作为该像素点对应的图像块，其中，该像素点为该图像区域的中心点。
18.所述图像处理方法，其中，所述待处理图像中的像素点为按照行方向或列方向逐一获取的。
19.本技术实施例第二方面提供了一种图像处理装置，所述图像处理装置具体包括：
20.获取模块，用于获取待处理图像中的每个像素点对应的图像块；基于该图像块确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点；
21.确定模块，用于根据所述待处理图像中的各个像素点各自分别对应的输出像素点，确定所述待处理图像对应的输出图像。
22.本技术实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的图像处理方法中的步骤。
23.本技术实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
24.所述通信总线实现处理器和存储器之间的连接通信；
25.所述处理器执行所述计算机可读程序时实现如上任一所述的图像处理方法中的步骤。
26.有益效果：与现有技术相比，本技术提供了一种图像处理方法、装置、存储介质及终端设备，所述方法包括对于待处理图像中的每个像素点，获取该像素点对应的图像块；基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点。本技术在对待处理图像进行处理时，通过将每个像素点对应的图像块作为一个处理项，并各滤波器以及各滤波器各自对应的滤波权重系数确定该图像块对应的目标滤波器，并通过目标滤波器确定该像素点对应的输出像素点，这样通过若干滤波器确定该像素点对应的目标滤波器，可以保证该像素点对应的滤波效果，同时通过将图像块作为处理项，可以减少滤波过程的计算量，从而减少了滤波过程中的内存需求。
附图说明
27.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用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而言，在不符创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1为本技术提供的图像处理方法的流程图。
29.图2为现有图像超分模型的原理流程图。
30.图3为本技术提供的图像处理方法中像素的选取方式的示意图。
31.图4为本技术提供的图像处理方法中的图像处理模型的原理流程图。
32.图5为本技术提供的图像处理装置的结构原理图。
33.图6为本技术提供的终端设备的结构原理图。
具体实施方式
34.本技术提供一种图像处理方法、装置、存储介质及终端设备，为使本技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
35.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
36.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
37.发明人经过研究发现，随着深度学习技术的不断发送，深度学习方法被广泛应用于图像增强技术领域。深度学习方法所达到的图像增强效果远超过于传统方法(例如，线性插值以及双线性插值等)达到的图像增强效果。但是，目前基于深度学习确定用于图像增强的图像处理模型，在处理过程所需计算量大进而需要占用很高内存，从而使其很难应用于移动终端上。例如，如图2所示，对图像超分任务的图像处理模型，图像处理模型的输入项普遍为h*w*3的输入图像，输入图像经过多层cnn处理后输出分辨率变成(h*c)*(w*c)*3；在超分任务对应的图像处理模型中，普遍需要20层网络层或者更多层网络层，神经网络网络的计算量是o(w*h*k*k*cin*cout*n)，其中，k*k为卷积核尺寸，cin为输入通道数，cout为输出通道数，n为网络层数量，那么对于4k分辨率的输入图像，图像处理模型所需算力远远大于15tops，并且随着发展显示变为8k/120hz，图像处理模型所需算力会增加大，这一方面使得图像处理模型无法应用终端设备来进行在线处理，另一方面在图像处理模型的处理过程中需要很高的内存。
38.为了解决上述问题，在本技术实施例中，对于待处理图像中的每个像素点，获取该像素点对应的图像块；基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点。本技术在对待处理图像进行处理时，通过将每个像素点对应的图像块作为一个处理项，并各滤波器以及各滤波器各自对应的滤波权重系数确定该图像块对应的目标滤波器，并通过目标滤波器确定该像素点对应的输出像素
点，这样通过若干滤波器确定该像素点对应的目标滤波器，可以保证该像素点对应的滤波效果，同时通过将图像块作为处理项，可以减少滤波过程的计算量，从而减少了滤波过程中的内存需求。
39.下面结合附图，通过对实施例的描述，对申请内容作进一步说明。
40.本实施例提供了一种图像处理方法，该方法可以由图像处理装置来执行，所述装置可以由软件实现，应用于诸如智能手机、平板电脑或个人数字助理等之类的终端设备上。参见图1，本实施例提供的图像处理方法具体包括：
41.s10、对于待处理图像中的每个像素点，获取该像素点对应的图像块；基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点。
42.具体地，所述待处理图像可以均是通过成像系统(如，照相机、摄像机、屏下摄像头等)拍摄的得到，也可以是其他外部设备(例如，数码相机等)拍摄并存储于终端设备的图像，还可以是通过云端发送至终端设备的图像。在本实施例中，所述待处理图像是通过成像系统拍摄得到的图像，其中，所述成像系统可以为终端设备自身配置的，也可以为其他设备配置的。例如，所述待处理图像为通过配置有成像系统的手机对一风景场景拍摄得到风景图像，再如，所述待处理图像为数码相机对同一小猫拍摄并发送至终端设备的携带有小猫的图像等。
43.所述图像块包括该像素点，图像块为在所述待处理图像中选取到。可以理解的是，图像块为待图像处理中的一个图像区域，并且该图像区域包含该像素点。在本实施例的一个实现方式中，待处理图像中的各像素点各自对应的图像块的图像尺寸相同，例如，均为3*3,5*5,7*7等。例如，待处理图像包括像素点a和像素点b，像素点a对应于待处理图像中的图像区域a，像素点b对应于待处理图像中的图像区域b，那么图像区域a包含像素点a，图像区域b包含像素点b，并且图像区域a的图像尺寸与图像区域b的图像尺寸相等。
44.在本实施例的一个实现方式中，所述对于待处理图像中的每个像素点，获取该像素点对应的图像块具体包括：
45.按照行方向或列方向逐一获取所述待处理图像中的像素点；
46.对于获取到的像素点，获取该像素点对应的图像块，其中，该图像块包括该像素点。
47.具体地，所述待处理图像中的像素点是以阵列方式排列，其中，行方向指的是像素点形成的阵列的行方向，列方向指的是像素点形成的阵列的列方向。例如，像素点形成的阵列的行方向为待处理图像的宽度方向，像素点形成的阵列的行方向为待处理图像的宽度方向，那么所述行方向指的是待处理图像的图像尺寸的宽度方向，列方向指的是待处理图像的图像尺寸的高度方向。此外，如图3所示，在按照行方向逐一获取所述待处理图像中的像素点时，首先选取第一行中位于第一列的像素点，然后选取第一行中位于第二列的像素点，依次类推选直至选取到第一行中位于最后列的像素点；按照第一行的选取方式选取第二行中的像素点，依次类推直至最后行选取完成。当然，在按照列方向逐一获取所述待处理图像中的像素点时，其选过过程与按照行方向逐一获取所述待处理图像中的像素点的过程相同，其区别是从第一列中位于第一行的像素点开始选取。
48.举例说明：假设待处理图像中的像素点构成的阵列包括第一像素点a11，第二像素点a12，第三像素点a21以及第二像素点a22，其中，aij中的i表示行数，j表示列数，i，j的取值范围为{1,2}，那么当按照行方向逐一获取所述待处理图像中的像素点时，第一像素点a11，第二像素点a12，第三像素点a21以及第二像素点a22的获取顺序为第一像素点a11，第二像素点a12，第三像素点a21以及第二像素点a22；当按照列方向逐一获取所述待处理图像中的像素点时，第一像素点a11，第二像素点a12，第三像素点a21以及第二像素点a22的获取顺序为第一像素点a11，第三像素点a21，第二像素点a12以及第二像素点a22。
49.在本实施例的一个实现方式中，所述若干滤波器为预先配置，用于对图像块进行滤波。所述若干滤波器中的各滤波器各自对应的滤波核尺寸相同，例如，各滤波器的滤波核尺寸均为3*3,5*5或者7*7等。所述若干滤波器中至少存在第一滤波器和第二滤波器，第一滤波器的滤波器类型与第二滤波器的滤波器类型不同，其中，所述滤波器的滤波器类型用于反映滤波器的作用，例如，所述滤波器类型可以包括高斯滤波器、边缘滤波器以及低通滤波器等等。例如，所述若干滤波器包括50个滤波器，其中，20个滤波器为高斯滤波器，20个滤波器为边缘滤波器，10个为低通滤波器。本实施例通过预先设置包含若干滤波器类型的若干滤波器，通过该若干滤波器可以对图像块进行不同处理(例如，去噪图像、边缘提取等)，并且在对图像块进行不同处理时，若干滤波器中各滤波器的滤波权重系数不同。
50.在本实施例的一个实现方式中，为了使得若干滤波器均可以对像素点对应的图像块进行滤波处理，各像素点各自对应的图像块的图像尺寸相同，并且均等于滤波器的滤波核尺寸。基于此，所述获取该像素点对应的图像块具体包括：
51.对于待处理图像中的每个像素点，获取若干滤波器对应的滤波核尺寸；
52.基于所述滤波核尺寸及所述待处理图像确定一图像区域，并将该图像区域作为该像素点对应的图像块，其中，该像素点为该图像区域的中心点。
53.具体地，所述滤波核尺寸可以为若干滤波器中任一滤波器的滤波核尺寸，这是由于若干滤波器中的各滤波器的滤波核尺寸均相等。从而，在获取若干滤波器对应的滤波核尺寸时，可以在若干滤波器中选取一滤波器，将该滤波器的滤波核尺寸作为若干滤波器对应的滤波核尺寸。此外，所述图像区域的区域尺寸等于滤波核尺寸，并且该像素点为该图像区域的中心点。可以理解的是，对于每个像素点，以该像素点为中心，该滤波核尺寸为邻域尺寸，在待处理图像中选取该像素点对应的邻域区域，并将选取到邻域区域作为确定的图像区域。当然，值得说明的是，在对待处理图像中的每个像素点选取图像块之前，可以对待处理图像进行像素填充，以使得待处理图像中的每个像素点均可以选取到邻域区域，其中，像素填充指的是在待处理图像的外围填充若干像素值为0的像素点。
54.所述滤波权重系数用于反映滤波器的重要程度，滤波权重系数越大，说明滤波器的重要程度越高；反之滤波权重系数越小，说明滤波器的重要程度越低。在本实施例的一个实现方式中，滤波权重系数的权重范围为0-1，并且滤波权重系数由0到1的过程中，滤波器的重要程度越来越高。例如，滤波权重系数为0.7的滤波器的重要程度高于滤波权重系数为0.1的滤波器的重要程度。
55.在本实施例的一个实现方式中，所述滤波权重系数为通过经过训练的图像处理模型确定得到。相应的，所述基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数为：
56.将所述图像块输入经过训练的图像处理模型，通过所述图像处理模型确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数。
57.具体地，所述图像处理模型为经过训练的，用于确定各滤波器各自对应的滤波权重系数，其中，图像处理模型的输入项为图像块，输出项为各滤波器各自对应的滤波权重系数。可以理解的是，当将图像块输入图像处理模型后，图像处理模型会学习该图像块并输出该图像块对应的滤波权重系数集，滤波权重系数中包括若干滤波权重系数，并且若干滤波权重系数与若干滤波器一一对应，从而得到各滤波器各自对应的滤波权重系数。此外，对于待处理图像中的像素点a和像素点b，像素点对应的滤波权重系数集与像素点b对应的滤波权重系数可以不同，即像素点a对应的滤波权重系数集中存在一个滤波权重系数a，像素点b对应的滤波权重系数集中存在一个滤波权重系数b，滤波权重系数a与滤波权重系数b不相同，且滤波权重系数a对应的滤波器与滤波权重系数b对应的滤波器相同。
58.在本实施例的一个实现方式中，如图4所示，所述图像处理模型可以包括提取模块、融合模块以及卷积模块，所述提取模块用于获取图像块对应的滤波权重系数集，滤波权重系数集包括各滤波器各自对应的滤波权重系数；融合模块用于基于滤波权重系数集以及若干滤波器确定图像块对应的目标滤波器，卷积模块采用目标滤波器作为卷积核，并用于对图像块进行卷积运算以得到该像素点对应的输出像素点。在本实施例中，如图4所示，所述提取模块包括特征提取单元、池化单元、第一全连接单元、激活单元、第二全连接单元以及分类单元；所述特征提取单元、池化单元、第一全连接单元、激活单元、第二全连接单元以及分类单元依次级联，所述特征提取单元的输入项为图像块，所述分类模块的输出项为该图像块对应的滤波权重系数集，滤波权重系数集包括各滤波器各自对应的滤波权重系数。其中，所述激活单元可以配置为relu激活函数，所述分类单元可以配置softmax函数。
59.在本实施例的一个实现方式中，所述图像处理模型的训练过程可以包括：
60.将训练图像集中的训练图像输入预设网络模型，通过预设网络模型确定训练图像对应的训练滤波权重系数集；
61.基于训练滤波权重系数集以及预设的若干滤波器，确定训练图像对应的预测图像；
62.基于预测图像以及该训练图像对应的真实图像，对预设网络模型进行训练，以得到所述图像处理模型。
63.具体地，所述训练图像集包括若干训练图像组，每个训练图像组均包括训练图像以及训练图像对应的真实图像，其中，真实图像为该训练图像的训练标准图像，用于衡量预设网络模型输出的预测图像是否满足要求的依据。所述预设网络模型的模型结构与图像处理模型的模型结构相同，具体可以参照图像处理模型的模型结构的说明，这里就不在赘述。预设网络模型与图像处理模型的不同在于，预设网络模型的模型参数为初始模型参数，图像处理模型的模型参数为经过训练图像集训练后的模型参数。
64.所述训练图像权重系数集包括若干训练图像权重系数，若干训练图像权重系数与若干滤波器一一对应，每个训练滤波权重系数为预设网络模型基于训练图像确定，用于反映其对应的滤波器在对训练图像进行处理时的重要程度。所述目标滤波器为基于各滤波器各自对应的滤波权重系数进行加权得到，例如，假设若干滤波器记为wk1，wk2，...，wkn，n为滤波器数量；wk1对应的滤波权重系数记为a1，wk2对应的滤波权重系数记为a2，...，wkn对
应的滤波权重系数记为an，那么预测图像可以表示为：
[0065][0066]
其中，xj表示训练图像中的像素点，yj表示预测图像中的像素点，n为滤波器数量，wki表示第i个滤波器，ai表示第i个滤波器的滤波权重系数。
[0067]
进一步，在获取到预测图像后，基于预测图像和训练图像对应的真实图像确定训练图像对应的损失值，并基于损失值对预设网络模型进行训练，以得到所述图像处理模型。
[0068]
在本实施例的一个实现方式中，所述基于各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点具体包括：
[0069]
分别采用各滤波器对该图像块做卷积运算，以得到各滤波器各自对应的候选像素点；
[0070]
基于各滤波器各自对应的滤波权重系数，将各滤波器各自对应的候选像素点进行加权以得到该像素点对应的输出像素点。
[0071]
具体地，采用各滤波器对该图像块做卷积运算指的的对于每个滤波器，基于该滤波器对该图像块做卷积运算，其中，卷积运算指的是将滤波器与图像块进行卷积乘法以得到该像素点对应的输出像素点。其中，所述卷积运算可以表示为：
[0072]
yi＝x*wki
[0073]
其中，yi表示第i个滤波器输出的候选像素点，x表示图像块，wki表示第i个滤波器。
[0074]
进一步，在获取到各滤波器各自对应的候选像素点后，将各候选像素点按照各滤波器各自对应的滤波权重系数进行加权，以得到输出像素点，其中，所述输出像素点的计算公式可以为：
[0075][0076]
其中，x表示图像块，y表示输出像素点，n为滤波器数量，wki表示第i个滤波器，ai表示第i个滤波器的滤波权重系数。
[0077]
s30、根据所述待处理图像中的各个像素点各自分别对应的输出像素点，确定所述待处理图像对应的输出图像。
[0078]
具体地，所述输出图像为待处理图像经过本实施例提供的图像处理方法处理后的图像，其中，所述输出图像包括待处理图像的各像素点各自对应的输出像素点。该像素点对应的输出像素点为基于各滤波器以及各滤波器各自对应的滤波权重系数对图像块进行处理得到。
[0079]
综上所述，本实施例提供了一种图像处理方法，所述方法包括获取待处理图像中的各像素点对应的图像块；基于图像块确定预设的若干滤波器中的各滤波器的滤波权重系数；基于各滤波器、各滤波器的滤波权重系数及图像块，确定该像素点对应的输出像素点，以得到待处理图像对应的输出图像。本技术在对待处理图像进行处理时，通过将每个像素点的图像块作为一个处理项，并各滤波器及各滤波权重系数确定该图像块的目标滤波器，并通过目标滤波器确定该像素点对应的输出像素点，这样通过若干滤波器确定该像素点的目标滤波器，可以保证该像素点对应的滤波效果，同时通过将图像块作为处理项，可以减少
滤波过程的计算量，减少了滤波过程中的内存需求。
[0080]
基于上述图像处理方法，本实施例提供了一种图像处理装置，如图5所示，所述图像处理装置具体包括：
[0081]
获取模块100，用于获取待处理图像中的每个像素点对应的图像块；基于该图像块确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点；
[0082]
确定模块200，用于根据所述待处理图像中的各个像素点各自分别对应的输出像素点，确定所述待处理图像对应的输出图像。
[0083]
此外值得说明的是，本实施例提供的图像处理装置的工作过程与上述图像处理方法的工作过程相同，这里就不在赘述，具体可以参照上述图像处理方法的工作过程。
[0084]
基于上述图像处理方法，本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例所述的图像处理方法中的步骤。
[0085]
基于上述图像处理方法，本技术还提供了一种终端设备，如图6所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(communications interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
[0086]
此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0087]
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
[0088]
存储器22可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、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22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，u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
[0089]
此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
[0090]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。