图像处理方法、装置、设备、存储介质和计算机程序产品

1.本发明属于图像处理领域，尤其涉及一种图像处理方法、装置、设备、计算机存储介质和计算机程序产品。


背景技术：

2.为了提高审图速度和目标对象(例如违禁品)的识别准确率，在使用射线源(例如x射线)的图像检测领域中，基于深度学习的图像识别方法已被广泛应用。而在基于深度学习技术进行图像识别时，需要使用到图像数据集，而图像数据集的数量和质量对于图像识别的准确率至关重要，但受射线源所在成像系统的设计参数影响，不同成像系统所产生的图像质量差异极大，因此数据集图片的制作需要耗费大量时间和经济成本。


技术实现要素：

3.本发明实施例提供了一种图像处理方法、装置、设备、计算机存储介质和计算机程序产品，能够解决现有技术中数据集图片的制作需要耗费大量时间和经济成本的问题。
4.第一方面，提供一种图像处理方法，该方法包括：
5.读取建模文件，得到目标对象的点面数据，所述建模文件为对所述目标对象建模所得到的文件；
6.根据所述目标对象的材料和所述点面数据，以及辐射所述目标对象的射线源的能谱曲线，构建所述目标对象的仿真体数据；
7.对所述目标对象的仿真体数据进行射线投影仿真，得到n张初始投影图像，n为正整数，n张所述初始投影图像对应不同的目标对象布置位置；
8.模拟实际成像过程中的散射和噪声，对n张所述初始投影图像进行模糊处理，得到n张中间投影图像；
9.根据朗伯比尔定律，将目标投影图像叠加在目标背景图像上，并对叠加后的图像进行衰减处理，以将衰减处理得到的最终图像输出为数据集图片，所述目标投影图像为n张所述中间投影图像中的至少一张。
10.可选地，所述根据所述目标对象的材料和所述点面数据，以及辐射所述目标对象的射线源的能谱曲线，构建所述目标对象的仿真体数据，包括：
11.对所述目标对象的点面数据进行空间采样和连通域填充处理，得到所述目标对象的二值体数据；
12.通过辐射所述目标对象的射线源的能谱曲线以及所述目标对象的材料，对所述二值体数据进行材料赋值，得到所述目标对象的仿真体数据。
13.可选地，所述点面数据包括m个三角面片，m为正整数；所述对所述目标对象的点面数据进行空间采样和连通域填充处理，得到所述目标对象的二值体数据，包括：
14.对所述目标对象的点面数据进行空间离散采样，得到若干采样点；
15.遍历若干所述采样点，将处于所述三角面片上的采样点的体数据赋值为第一数
值；
16.对未处于所述三角面片上的采样点进行三维连通域判断，以将符合三维连通域的采样点的体数据赋值为所述第一数值，将不符合三维连通域的采样点的体数据赋值为第二数值，所述第一数值不等于所述第二数值。
17.可选地，所述通过辐射所述目标对象的射线源的能谱曲线以及所述目标对象的材料，对所述二值体数据进行材料赋值，得到所述目标对象的仿真体数据，包括：
18.根据所述射线源的能谱曲线，确定所述射线源辐射所述目标对象时，所述目标对象中不同材料的线衰减系数；
19.按照不同材料的线衰减系数，对不同材料对应目标对象区域的二值体数据进行材料赋值，得到所述目标对象的仿真体数据。
20.可选地，所述模拟实际成像过程中的散射和噪声，对n张所述初始投影图像进行模糊处理，得到n张中间投影图像，包括：
21.对n张所述初始投影图像分别进行卷积模糊处理；
22.为经过卷积模糊处理后的每张初始投影图像添加噪声，得到n张中间投影图像。
23.可选地，所述将目标投影图像叠加在背景图像上之前，所述方法还包括：
24.获取m张典型背景图像；
25.对m张所述典型背景图像进行空载零点校正，得到m张背景图像；其中，所述m张所述背景图像包括所述目标背景图像。
26.第二方面，提供一种图像处理装置，该装置包括：
27.读取模块，用于读取建模文件，得到目标对象的点面数据，所述建模文件为通过对所述目标对象建模所得到的文件；
28.构建模块，用于根据所述目标对象的材料和所述点面数据，以及辐射所述目标对象的射线源的能谱曲线，构建所述目标对象的仿真体数据；
29.仿真模块，用于对所述目标对象的仿真体数据进行射线投影仿真，得到n张初始投影图像，n为正整数，n张所述初始投影图像对应不同的目标对象布置位置；
30.模糊处理模块，用于模拟实际成像过程中的散射和噪声，对n张所述初始投影图像进行模糊处理，得到n张中间投影图像；
31.叠加衰减模块，用于根据朗伯比尔定律，将目标投影图像叠加在目标背景图像上，并对叠加后的图像进行衰减处理，以将衰减处理得到的最终图像输出为数据集图片，所述目标投影图像为n张所述中间投影图像中的至少一张。
32.第三方面，提供了一种图像处理设备，所述图像处理设备包括存储器、处理器以及存储在所述存储器中，并在所述处理器上运行的图像处理程序，所述图像处理程序实现如第一方面的图像处理方法的步骤。
33.第四方面，提供了一种计算机存储介质，所述计算机存储介质被处理器执行时实现如第一方面的图像处理方法的步骤。
34.第五方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如第一方面的图像处理方法的步骤。
35.与现有技术相比，本技术实施例提供的图像处理方法、装置、设备、计算机存储介质和计算机程序产品，通过读取对目标对象建模得到的文件，并对该建模文件进行处理得
到目标对象的仿真体数据，进而对该仿真体数据进行射线投影仿真，并在射线投影仿真前后，综合考虑了射线源的能谱曲线以及实际的散射和噪声的影响，使得最终基于朗伯比尔定律得到的数据集图片与射线源所在成像系统所产生的的实验图像相比，物理设计参数和原理一致，图像质量接近，能够形成图像数据集供广泛使用。另一方面，使用该方法仅需要得到背景图像以及建模文件即可获得大量数据集图片，无需通过大量实验获取，因此有效节省了时间和经济成本，从而解决了数据集图片的制作需要耗费大量时间和经济成本的技术问题。
附图说明
36.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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他的附图。
37.图1是本发明一实施例的图像处理方法。
38.图2是另一实施例的图像处理方法的s120的细化示意性流程图。
39.图3是本发明一实施例的图像处理方法中初始投影图像的示例图。
40.图4是本发明一实施例的图像处理方法中背景图像的示例图。
41.图5是本发明一实施例的图像处理方法中数据集图片的示例图。
42.图6是本发明实施例的图像处理装置的示意性框图。
43.图7是本发明实施例的图像处理设备的示意性框图。
具体实施方式
44.下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。
45.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
46.正如背景技术所述，在辐射图像检测领域，为提高审图速度和目标对象的识别准确率，深度学习技术已被广泛应用于辐射图像的检测识别中。但在实际运用时，包含目标对象的辐射图像的质量，与辐射源应用的成像系统的设计参数密切相关，不同的成像系统产出的图像质量往往差异极大，由此使得将深度学习技术应用在辐射图像检测时，实验数据集的制作受到较大的客观约束，制作耗时费力，很难获得大量的包含目标对象的理想辐射图像。
47.此外，数据集的数量和质量对于基于机器学习的算法又至关重要，因此，为了解决上述技术问题，同时保证机器学习算法对辐射图像检测的良好运用，有必要提出一种有效的图像处理方法，可以高效得到大量符合实际情况和需求的数据集图片，节省时间和经济成本。
48.示例性的，上述目标对象可以为国家法律法规严令禁止的违禁品，还可以是其它
物品、人类以及动植物等等。辐射源应用的成像系统可以是安检系统，该安检系统可以是公共交通安全运行中所使用的安检系统，也可以是大型车辆安检系统等等。该辐射源可以是x射线，或者其它。
49.以下首先对本技术的图像处理方法进行介绍。
50.参看图1，在本技术的图像处理方法的一实施例中，该方法包括：
51.s110，读取建模文件，得到目标对象的点面数据，建模文件为对目标对象建模所得到的文件。
52.s120，根据目标对象的材料和点面数据，以及辐射目标对象的射线源的能谱曲线，构建目标对象的仿真体数据。
53.s130，对目标对象的仿真体数据进行射线投影仿真，得到n张初始投影图像，n为正整数，n张初始投影图像对应不同的目标对象布置位置。
54.s140，模拟实际成像过程中的散射和噪声，对n张初始投影图像进行模糊处理，得到n张中间投影图像。
55.s150，根据朗伯比尔定律，将目标投影图像叠加在目标背景图像上，并对叠加后的图像进行衰减处理，以将衰减处理得到的最终图像输出为数据集图片，目标投影图像为n张中间投影图像中的至少一张。
56.本技术实施例通过读取对目标对象建模得到的文件，并对该建模文件进行处理得到目标对象的仿真体数据，进而对该仿真体数据进行射线投影仿真，并在射线投影仿真前后，综合考虑了射线源的能谱曲线以及实际的散射和噪声的影响，使得最终基于朗伯比尔定律得到的数据集图片与射线源所在成像系统所产生的的实验图像相比，物理设计参数和原理一致，图像质量接近，能够形成图像数据集供广泛使用。另一方面，使用该方法仅需要得到背景图像以及建模文件即可获得大量数据集图片，无需通过大量实验获取，因此有效节省了时间和经济成本，从而解决了数据集图片的制作需要耗费大量时间和经济成本的技术问题。
57.在一可选实施例中，在s110中，上述建模文件可以是通过计算机辅助设计软件对目标对象进行三维建模所得到的文件，该建模文件可以是stl(stereolithography，立体光刻)格式。需要说明的是，在进行建模时，需要保证模型通过封闭性和有效性测试。
58.可以通过软件读取建模文件，得到目标对象的点面数据，仍以stl格式的建模文件为例进行说明，该stl建模文件是一种标准的存储三角面片的格式文件，其中的点面数据可以包含n
tr
个三角面片。
59.在一可选示例中，在s120中，可以考虑能谱效应，利用辐射目标对象的射线源的能谱曲线以及目标对象不同位置的材料，对点面数据进行处理，构建得到目标对象的仿真体数据。
60.参看图2，在一可选示例中，上述s120可以包括以下步骤：
61.s210，对目标对象的点面数据进行空间采样和连通域填充处理，得到目标对象的二值体数据。
62.s220，通过辐射目标对象的射线源的能谱曲线以及目标对象的材料，对二值体数据进行材料赋值，得到目标对象的仿真体数据。
63.在该示例中，给出了基于能谱曲线构建仿真体数据的可选实现过程，其基本思想
是通过构建目标对象的二值体数据，再依据能谱效应，根据辐射源对不同材料的衰减程度，对目标对象中不同材料对应区域的二值体数据进行材料赋值，在目标对象的所有区域的二值体数据均完成材料赋值时，得到的即是目标对象的仿真体数据。
64.可选地，上述构建目标对象的二值体数据的完整过程可以包括：对目标对象的点面数据进行空间离散采样，得到若干采样点；遍历若干采样点，将处于三角面片上的采样点的体数据赋值为第一数值；对未处于三角面片上的采样点进行三维连通域判断，以将符合三维连通域的采样点的体数据赋值为第一数值，将不符合三维连通域的采样点的体数据赋值为第二数值，第一数值不等于第二数值。
65.需要说明的是，在对上述目标对象的点面数据进行空间离散采样，得到若干采样点时，这些采样点可以用于构建目标对象在模型中的边界数据。上述采样点的数量可以依据实际仿真精度的要求进行具体设置，采样点的数量越多，最终目标对象所涉及的仿真模型和仿真图像的精细度越高。
66.上述边界数据代表目标对象的体数据边界轮廓，在边界数据上的采样点即是边界轮廓上的像素点。在确定了目标对象的边界数据，可以继续对该目标对象的体数据进行填充，得到符合模型实体的三维区域空间数据，即二值体数据。
67.仍以上述建模文件为stl格式的建模文件为例进行举例说明，其中的n
tr
个三角面片构成的集合可以用下述公式(1)进行表示。
[0068][0069]
其中，集合内的ω表示目标对象的点面数据中的一个三角面片，集合外的ω表示目标对象的点面数据中三角面片的集合。
[0070]
需要说明的是，在构建边界数据时，针对任意采样点当其满足即任意采样点在某一三角面片上，则对该采样点所在的边界数据赋值为第一数值，例如第一数值为1，即若该采样点不属于所有三角面片，则可以暂时将该采样点所在的边界数据赋值为第二数值，该第一数值和第二数值不一致，例如第二数值为0。在遍历所有采样点后，即可得到目标对象的边界数据，该边界数据能够描述目标对象的体数据边界轮廓。
[0071]
在得到目标对象的边界数据后，可以对边界数据进行三维连通域判断，若未处于边界轮廓上的任一采样点满足三维连通域的定义，可以将其标记为反之，则将其标记为换句话说，最终可以通过下述公式(2)对目标对象的体数据进行赋值填充，得到目标对象的二值体数据vb，该二值体数据vb表征包括目标对象实体的三维区域空间。
[0072][0073]
在一可选示例中，上述依据能谱效应，对二值体数据进行材料赋值的过程可以包括：根据射线源的能谱曲线，确定射线源辐射目标对象时，目标对象中不同材料的线衰减系数；按照不同材料的线衰减系数，对不同材料对应目标对象区域的二值体数据进行材料赋值，得到目标对象的仿真体数据。
[0074]
需要说明的是，在上述示例中，是对二值体数据分区域赋值线衰减系数，得到仿真体数据。其中上述线衰减系数可以根据射线源的能谱曲线和目标对象不同区域的材料确定。
[0075]
上述线衰减系数可以是所选用的射线源的能谱曲线以及目标对象的材料固定的情况下，计算得到的平均衰减系数。可以理解的是，针对单个目标对象，可以按照材料的不同，将其二值体数据划分为n块空间区域，即v1、v2、v3、...、vn，各区域分别对应不同的材料m1、m2、m3、...、mn，每种材料对应的线衰减系数与能量的关系为可以依据下述公式(3)计算得到能谱曲线和材料固定的情况下的平均衰减系数。
[0076][0077]
其中，为平均衰减系数，k为能谱曲线的能段数，f(ej)为第j段的射线源的能谱，d为体数据像素的物理尺寸，其中s为目标对象在各个方向上的实际物理尺寸，n为目标对象在各个方向上的采样点数目。
[0078]
以下以目标对象为违禁品0.380ap手枪为例进行示例说明。该违禁品可以认为为单一铝合金材质，在对违禁品进行辐射时，选用的射线源为同位素co
60
源，其能谱曲线参考下述公式(4)：
[0079][0080]
在计算线衰减系数时，可以取两种能段下的铝合金的衰减系数，计算平均衰减系数，即可参考下述公式(5)得到平均衰减系数
[0081][0082]
上述公式(5)中体数据像素的物理尺寸d取值为1毫米。
[0083]
在得到线衰减系数后，可以分区域向二值体数据对应区域进行材料赋值，即将赋值为第一数值的二值体数据的材料赋值为依据该区域的材料和能谱曲线计算得到的线衰减系数，在完成所有区域的材料赋值后，得到的即是目标对象的仿真体数据。
[0084]
在一些示例中，在s130中，可以依据成像系统的几何布局，找到合理的摆放目标对象的位置空间，进而选择nl种目标对象的摆放方式，这些不同的摆放方式可以基于仿真体数据的中心位置矢径以及旋转角度进行调整和区分。
[0085]
可以按照n种不同的摆放方式对仿真体数据进行射线投影仿真，得到n张初始投影图像，由于在射线投影仿真时是依据不同的摆放方式，因此最终得到的初始投影图像也可对应不同的目标对象摆放位置。
[0086]
需要说明的是，针对nl种不同的目标对象摆放位置，得到的初始投影图像的计算公式可以参考下述公式(6)。
[0087]
imgpi＝∫
l
vs(pi)
·
dl
ꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0088]
其中，l为射线投影仿真时探测器与射线源的连线，vs(pi)为将体数据vs中心放置于ri位置，并进行θi角度的旋转。
[0089]
仍以目标对象为上述违禁品0.380ap手枪进行示例说明，当其仿真体数据进行射线投影仿真，可以通过旋转平移制作多种初始投影图像，请参看图3，其是其中部分示例。
[0090]
在一些示例中，在s140中，在模拟实际成像过程中的散射和噪声，对初始投影图像进行模糊处理时，可以执行下述步骤:
[0091]
对n张初始投影图像分别进行卷积模糊处理；为经过卷积模糊处理后的每张初始投影图像添加噪声，得到n张中间投影图像。
[0092]
针对上述任一初始投影图像imgpi，可以依据下述公式(7)进行模糊处理，以模拟实际图像中的散射和噪声，得到最终的目标对象的仿真图像imgpsi，即中间投影图像。
[0093]
imgpsi＝imgpi*kernel noise
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0094]
其中，kernel为卷积核，可以根据实际辐射源所在成像系统的检测效果取经验值，noise为噪声，该噪声可以为高斯噪声或泊松噪声。
[0095]
在本实施例中，借助卷积核以及噪声实现了仿真图像的模糊处理，使其更贴近于实际的辐射成像效果。
[0096]
在一些实施例中，在s150之前，可以获取m张典型背景图像，然后通过实验测得m张典型背景图像对应的光子计数图像、空载图像以及零点图像，然后依据公式(8)以及实验测得的这些图像进行零点空载校正，得到m张背景图像。
[0097][0098]
其中，imgbgi为第i张背景图像，imgbgci为第i张典型背景图像的光子计数图像，imgzeroi为第i张典型背景图像的零点图像，imgfulli为第i张典型背景图像的空载图像。
[0099]
请参看图4，在该辐射源所应用的系统为大型车辆安检系统时，经过空载零点校正得到的背景图像可以参看其中示例。
[0100]
在一些示例中，在s150中，在得到m张背景图像以及n张中间投影图像后，单次制作数据集图片时，可以随机选择一张背景图像作为目标背景图像，以及随机选择至少一张中间投影图像作为目标投影图像，然后依据朗伯比尔定律，将至少一张中间投影图像(即目标投影图像)叠加在目标背景图像上。需要说明的是，在进行图像叠加时，是依据对应位置进行像素的叠加。然后可以进行指数衰减变换，得到包含目标对象的数据集图片，在累计制作得到的数据集图片达到满足设定数量时，数据集构建完成，可以基于该数据集进行基于深度学习技术的辐射图像识别。
[0101]
请参看图5，其是在图4的基础上，以违禁品0.380ap手枪作为目标对象得到的一部分数据集图片。
[0102]
上文中结合图1至图5，详细描述了根据本发明实施例的图像处理方法，下面将结合图6，详细描述本发明实施例的图像处理装置。
[0103]
参看图6，在一实施例中，该图像处理装置包括：
[0104]
读取模块610，可以用于读取建模文件，得到目标对象的点面数据，建模文件为通过对目标对象建模所得到的文件；
[0105]
构建模块620，可以用于根据目标对象的材料和点面数据，以及辐射目标对象的射
线源的能谱曲线，构建目标对象的仿真体数据；
[0106]
仿真模块630，可以用于对目标对象的仿真体数据进行射线投影仿真，得到n张初始投影图像，n为正整数，n张初始投影图像对应不同的目标对象布置位置；
[0107]
模糊处理模块640，可以用于模拟实际成像过程中的散射和噪声，对n张初始投影图像进行模糊处理，得到n张中间投影图像；
[0108]
叠加衰减模块650，可以用于根据朗伯比尔定律，将目标投影图像叠加在目标背景图像上，并对叠加后的图像进行衰减处理，以将衰减处理得到的最终图像输出为数据集图片，目标投影图像为n张中间投影图像中的至少一张。
[0109]
可选地，构建模块可以包括：
[0110]
填充单元，可以用于对目标对象的点面数据进行空间采样和连通域填充处理，得到目标对象的二值体数据；
[0111]
材料赋值单元，可以用于通过辐射目标对象的射线源的能谱曲线以及目标对象的材料，对二值体数据进行材料赋值，得到目标对象的仿真体数据。
[0112]
可选地，点面数据包括m个三角面片，m为正整数；填充单元可以包括：
[0113]
采样子单元，可以用于对目标对象的点面数据进行空间离散采样，得到若干采样点；
[0114]
遍历子单元，可以用于遍历若干采样点，将处于三角面片上的采样点的体数据赋值为第一数值；
[0115]
赋值子单元，可以用于对未处于三角面片上的采样点进行三维连通域判断，以将符合三维连通域的采样点的体数据赋值为第一数值，将不符合三维连通域的采样点的体数据赋值为第二数值，第一数值不等于第二数值。
[0116]
可选地，材料赋值单元，可以包括：
[0117]
确定子单元，可以用于根据射线源的能谱曲线，确定射线源辐射目标对象时，目标对象中不同材料的线衰减系数；
[0118]
材料赋值子单元，可以用于按照不同材料的线衰减系数，对不同材料对应目标对象区域的二值体数据进行材料赋值，得到目标对象的仿真体数据。
[0119]
可选地，模糊处理模块可以包括：
[0120]
卷积模糊处理单元，可以用于对n张初始投影图像分别进行卷积模糊处理；
[0121]
噪声添加单元，可以用为经过卷积模糊处理后的每张初始投影图像添加噪声，得到n张中间投影图像。
[0122]
可选地，该图像处理装置还可以包括：
[0123]
获取模块，可以用于获取m张典型背景图像；
[0124]
校正模块，可以用对m张典型背景图像进行空载零点校正，得到m张背景图像；其中，m张背景图像包括目标背景图像。
[0125]
图7示出了本技术实施例提供的图像处理设备的硬件结构示意图。其中，图像处理设备可以包括处理器701以及存储有计算机程序指令的存储器702。
[0126]
具体地，上述处理器701可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0127]
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器702可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器702可在综合网关容灾设备的内部或外部。在特定实施例中，存储器702是非易失性固态存储器。
[0128]
存储器702可包括只读存储器(rom)，闪存设备，随机存取存储器(ram)，磁盘存储介质设备，光存储介质设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器702包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的上述方面的方法所描述的操作。
[0129]
处理器701通过读取并执行存储器702中存储的计算机程序指令，以实现上述实施例中的任意一种图像处理方法。
[0130]
在一个示例中，图像处理设备还可包括通信接口703和总线710。其中，如图7所示，处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
[0131]
通信接口703，主要用于实现本技术实施例中各模块、装置、单元和/或设备之间的通信。
[0132]
总线710包括硬件、软件或两者，将图像处理设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线710可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
[0133]
该图像处理设备可以基于图像处理方法，从而实现结合图1至图6描述的图像处理方法和装置。
[0134]
结合上述实施例中的图像处理方法，本技术实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种图像处理方法。
[0135]
另外，结合上述实施例中的图像处理方法，本技术实施例可提供一种计算机程序产品来实现。该计算机程序产品上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种图像处理方法。
[0136]
另外，本文中术语“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，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0137]
应理解，在本发明实施例中，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。
[0138]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替
换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。