图像处理方法、装置、电子设备与流程

[0001]
本申请属于图像处理技术领域，具体涉及一种图像处理方法、装置、电子设备。


背景技术：

[0002]
随着图像处理技术的发展，用户可以使用移动端的应用程序来对图像进行处理。具体而言，当图像中存在用户认定的噪声信息时，用户可以使用移动端的修图软件中的工具(例如剪裁工具、橡皮擦工具等)来将噪声信息剪裁或者擦除，使得处理后的图像中不再存在上述噪声信息。
[0003]
但是，上述图像处理方案不论是通过剪裁还是擦除的方式，不仅仅会将噪声信息去除，还会将原图中除噪声信息之外的图像信息(例如噪声信息周围的图像信息)一并剪裁或擦除；此外，在采用擦除的方式去除噪声信息时，由于是用户手动选择待擦除区域，还容易存在对噪声信息去除不彻底的问题。
[0004]
为此，用户往往会将需要去除噪声信息的图片从移动端转存到个人电脑(pc)端，采用pc端的专业修图软件，来对图片去除噪声信息，但是这种采用pc端修图软件对图像进行处理的方式，还需要将处理后的图像回传到移动端，因此，这种图像处理方式不够高效和即时。
[0005]
因此，相关技术中的图像处理方案在去除图像中的噪声信息时，普遍存在着难以准确、完整、高效地去除噪声信息的问题。


技术实现要素：

[0006]
本申请实施例的目的是提供一种图像处理方法、装置、电子设备，能够解决相关技术中的图像处理方案在去除图像中的噪声信息时，普遍存在着难以准确、完整、高效地去除噪声信息的问题。
[0007]
为了解决上述技术问题，本申请是这样实现的：
[0008]
第一方面，本申请实施例提供了一种图像处理方法，该方法包括：
[0009]
基于像素对目标图像进行划分，生成多个图像区域；
[0010]
针对所述多个图像区域中用户选取的目标区域，识别所述目标区域的背景图像的颜色；
[0011]
在所述颜色为单一颜色的情况下，采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，对所述目标区域的像素进行替换；
[0012]
在所述颜色包括至少两种颜色的情况下，利用对抗网络模拟与所述目标区域的背景图像匹配的目标图像特征，采用所述目标图像特征对所述目标区域的图像特征进行替换。
[0013]
第二方面，本申请实施例提供了一种图像处理装置，该装置包括：
[0014]
划分模块，用于基于像素对目标图像进行划分，生成多个图像区域；
[0015]
识别模块，用于针对所述多个图像区域中用户选取的目标区域，识别所述目标区
域的背景图像的颜色；
[0016]
第一替换模块，用于在所述颜色为单一颜色的情况下，采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，对所述目标区域的像素进行替换；
[0017]
第二替换模块，用于在所述颜色包括至少两种颜色的情况下，利用对抗网络模拟与所述目标区域的背景图像匹配的目标图像特征，采用所述目标图像特征对所述目标区域的图像特征进行替换。
[0018]
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并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。
[0019]
第四方面，本申请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。
[0020]
第五方面，本申请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。
[0021]
在本申请实施例中，在去除目标图像中的噪声信息时，可以基于像素来对目标图像进行划分，生成多个图像区域，然后，针对所述多个图像区域中用户选取需要去除噪声信息的目标区域，识别所述目标区域的背景图像的颜色，由于所确定的目标区域是基于像素粒度所确定的，使得确定目标区域的位置和其背景图像的颜色更加准确；那么在所述颜色为单一颜色的情况下，也就是说，目标区域包括噪声信息，但是目标区域的背景色是纯色，则可以采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，来对所述目标区域的像素进行替换，其中，由于与目标区域相邻的图像区域和目标区域出自同一张目标图像，因此，该相邻的图像区域的背景色存在着较高概率与该目标区域的背景色一致，因此，替换后的目标区域中的噪声信息可以被替换为与该目标区域中的背景色颜色一致的图像特征，实现了噪声信息的准确和完整去除；而在目标区域的背景色不是纯色的情况下，即目标区域的背景图像的颜色包括至少两种颜色，则可以利用对抗网络来模拟出与所述目标区域的背景图像匹配的目标图像特征，然后，采用所述目标图像特征对所述目标区域的图像特征进行替换，使得经过图像特征替换后的目标区域中的噪声信息被替换为与该目标区域的背景图像的特征相近的特征，不仅实现了对目标区域中噪声信息的有效和准确去除，而且，更新后的目标图像中的目标区域，与更新前的目标图像中的目标区域保持着基本一致的背景特征，因此该替换操作只是将目标区域中作为噪声信息的前景特征被去除，能够完整彻底地去除目标区域中的噪声信息、且又不会去除除噪声信息之外的图像信息，确保了对图像中噪声信息的去除准确性和完整性；另外，在去除目标图像中的噪声信息时，不涉及多个终端之间的图像转存和回传过程，从而提升了对图像噪声信息去除的即时性和效率。
附图说明
[0022]
图1是本申请一个实施例的图像处理方法的流程图；
[0023]
图2是本申请另一个实施例的图像处理方法的流程图；
[0024]
图3是本申请又一个实施例的图像处理方法的流程图；
[0025]
图4是本申请一个实施例的图像处理方法中的图像示意图之一；
[0026]
图5是本申请一个实施例的图像处理方法中的图像示意图之二；
[0027]
图6是本申请一个实施例的图像处理方法中的图像示意图之三；
[0028]
图7是本申请一个实施例的图像处理方法中的图像示意图之四；
[0029]
图8是本申请一个实施例的图像处理方法中的图像示意图之五；
[0030]
图9是本申请一个实施例的图像处理方法中的图像示意图之六；
[0031]
图10是本申请一个实施例的图像处理方法中的图像示意图之七；
[0032]
图11是本申请一个实施例的图像处理方法中的图像示意图之八；
[0033]
图12是本申请一个实施例的图像处理方法中的图像示意图之九；
[0034]
图13是本申请一个实施例的图像处理方法中的图像示意图之十；
[0035]
图14是本申请一个实施例的图像处理方法中的图像示意图之十一；
[0036]
图15是本申请又一个实施例的图像处理装置的框图；
[0037]
图16是本申请一个实施例的电子设备的硬件结构示意图；
[0038]
图17是本申请另一个实施例的电子设备的硬件结构示意图。
具体实施方式
[0039]
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0040]
本申请的说明书和权利要求书中的术语“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，以便本申请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。
[0041]
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法进行详细地说明。
[0042]
参照图1，示出了本申请一个实施例的图像处理方法的流程图。
[0043]
可选地，该方法可以应用到移动终端。
[0044]
图1所示的方法具体可以包括如下步骤：
[0045]
步骤101，基于像素对目标图像进行划分，生成多个图像区域；
[0046]
其中，在对目标图像进行划分时是以像素为单位进行划分，而所述生成的多个图像区域的整体尺寸可以与目标图像的尺寸相同，或稍大于目标图像的尺寸。
[0047]
步骤102，针对所述多个图像区域中用户选取的目标区域，识别所述目标区域的背景图像的颜色；
[0048]
其中，用户可以在目标图像中选取一个区域，即目标区域，该目标区域可以是由多个图像区域中的一个或多个图像区域构成。
[0049]
这里可以识别用户所选取的目标区域在该目标图像中所在的坐标位置。
[0050]
该目标图像为需要去除噪声信息的图像，而该目标区域是该目标图像中包括噪声
信息的图像区域。
[0051]
该目标区域可以是通过用户输入而由用户指定的区域(具体为，接收用户对目标图像的输入，该输入包括选择的目标区域，响应于该输入，识别该目标区域在目标图像中的坐标位置)，也可以是系统自动识别的包括预设噪声信息的区域。
[0052]
在确定了目标区域所在的位置后，可以对目标区域的背景图像的颜色进行识别，以确定该目标区域的背景图像的颜色是单一颜色，还是包括至少两种颜色。
[0053]
这里对一张图像(或图像中的某个图像区域)中的前景图像、背景图像、前景特征、背景特征作解释说明：
[0054]
一张图像可以由前景图像和背景图像构成，前景图像包括该张图像的主体对象(例如对焦对象)，而背景图像包括该张图像中除主体对象之外的对象。
[0055]
源自一张图像中的不论是前景图像还是背景图像，可以通过用户来指定，也可以通过系统来自动识别(其中，该系统可以包括预先经过训练的神经网络模型，该模型可以自动识别图像中的前景图像和背景图像)；
[0056]
而前景特征则是对前景图像识别到的图像特征；背景特征则是对背景图像识别到的图像特征，在识别图像特征时，可以采用预先经过训练的用于图像特征识别的神经网络模型来实现。
[0057]
步骤103，在所述颜色为单一颜色的情况下，采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，对所述目标区域的像素进行替换；
[0058]
其中，在所述目标区域的背景图像的颜色为单一颜色的情况下，可以采用目标图像中与目标区域所在坐标位置(是一个区域)相邻的图像区域的像素，来对该目标区域的像素进行替换。
[0059]
步骤104，在所述颜色包括至少两种颜色的情况下，利用对抗网络模拟与所述目标区域的背景图像匹配的目标图像特征，采用所述目标图像特征对所述目标区域的图像特征进行替换。
[0060]
其中，目标区域作为目标图像中的图像区域，因此，该目标区域也可以分为前景图像和背景图像两类图像，而前景图像则可以是该目标区域中需要去除的噪声信息，与本步骤中的背景图像匹配的目标图像特征可以为该背景图像的图像特征(即背景特征)，因此，为了将目标区域中的噪声信息完整、准确地去除，可以利用对抗网络来模拟与所述目标区域的背景图像匹配的目标图像特征，然后，采用该目标区域中背景图像的背景特征(即目标图像特征)，来对该目标区域的图像特征进行更新，使得目标区域中属于噪声信息的前景图像被目标图像特征替换，而目标区域中不属于噪声信息的图像仍旧保持原状。
[0061]
在本申请实施例中，在去除目标图像中的噪声信息时，可以基于像素来对目标图像进行划分，生成多个图像区域，然后，针对所述多个图像区域中用户选取需要去除噪声信息的目标区域，识别所述目标区域的背景图像的颜色，由于所确定的目标区域是基于像素粒度所确定的，使得确定目标区域的位置和其背景图像的颜色更加准确；那么在所述颜色为单一颜色的情况下，也就是说，目标区域包括噪声信息，但是目标区域的背景色是纯色，则可以采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，来对所述目标区域的像素进行替换，其中，由于与目标区域相邻的图像区域和目标区域出自同一张目标图像，因此，该相邻的图像区域的背景色存在着较高概率与该目标区域的背景色一致，因此，
替换后的目标区域中的噪声信息可以被替换为与该目标区域中的背景色颜色一致的图像特征，实现了噪声信息的准确和完整去除；而在目标区域的背景色不是纯色的情况下，即目标区域的背景图像的颜色包括至少两种颜色，则可以利用对抗网络来模拟出与所述目标区域的背景图像匹配的目标图像特征，然后，采用所述目标图像特征对所述目标区域的图像特征进行替换，使得经过图像特征替换后的目标区域中的噪声信息被替换为与该目标区域的背景图像的特征相近的特征，不仅实现了对目标区域中噪声信息的有效和准确去除，而且，更新后的目标图像中的目标区域，与更新前的目标图像中的目标区域保持着基本一致的背景特征，因此该替换操作只是将目标区域中作为噪声信息的前景特征被去除，能够完整彻底地去除目标区域中的噪声信息、且又不会去除除噪声信息之外的图像信息，确保了对图像中噪声信息的去除准确性和完整性；另外，在去除目标图像中的噪声信息时，不涉及多个终端之间的图像转存和回传过程，从而提升了对图像噪声信息去除的即时性和效率。
[0062]
参照图2，示出了本申请另一个实施例的图像处理方法的流程图。图2的流程可以结合图3所示的图像处理方法的具体示例来描述。参照图2，所述方法具体可以包括如下步骤：
[0063]
步骤201，按照预设尺寸的像素单元，对目标图像进行像素划分，生成与所述目标图像匹配的多个像素单元；
[0064]
其中，预设尺寸可以包括一个尺寸，或多个尺寸；
[0065]
当预设尺寸为一个尺寸时，则生成的多个像素单元的尺寸都是该同一尺寸，例如2*2像素构成的像素单元；当预设尺寸包括多个尺寸时，例如2*2和4*6这两个尺寸(其中，两个尺寸的单位都是像素)，则生成的多个像素单元可以包括2*2像素构成的像素单元，和4*6像素构成的像素单元。
[0066]
对于预设尺寸具体是包括一个尺寸还是多个尺寸，以及具体尺寸的大小，可以依据该目标图像的像素尺寸和目标图像中的图像内容来确定。
[0067]
例如目标图像的像素尺寸小于750
×
750，则按照2*2尺寸进行像素单元的划分；当目标图像的像素尺寸大于或等于750
×
750，则按照3*3尺寸进行像素单元的划分；
[0068]
再如目标图像中某个大面积的区域色彩较为单一，则对这个大面积的区域采用4*6尺寸进行像素单元的划分；此外，该目标图像中存在某个小面积的区域色彩较为丰富，则可以对这个小面积的区域采用相比于4*6更小的尺寸，例如2*2进行像素单元的划分。
[0069]
此外，本步骤中之所以限定与目标图像匹配的多个像素单元，原因在于：
[0070]
在基于像素对目标图像进行划分时，目标图像的边缘位置的像素数量可能不够一个像素单元的大小(例如3*3的尺寸)，则在划分时需要对目标图像的边缘做进一步的像素扩充，因此，生成的多个像素单元的总尺寸可以等于或大于该目标图像的总像素尺寸。
[0071]
举例来说，预设尺寸为3*3，目标图像的像素尺寸为4*4，则目标图像划分为一个3*3的像素单元之后，目标图像的边缘，例如右边缘和下边缘各剩余1个像素，均不够3个像素，则可以将右边缘剩余的1个像素向右再复制扩充2个像素(这两个像素与右边缘剩余的1个像素完全相同)，将下边缘剩余的1个像素向下再复制扩充2个像素(这两个像素与下边缘剩余的1个像素完全相同)，使得目标图像的像素尺寸扩充为6*6，并按照预设尺寸3*3来对扩充后的目标图像进行像素单元的划分，从而可以生成与目标图像匹配的4个3*3的像素单元。
[0072]
此外，对于本步骤所述的对目标图像进行像素单元的划分而言，该划分可以是对目标图像进行的图像分割操作，也可以是对目标图像的关于像素单元信息的后台信息存储(即将关于目标图像的划分信息进行后台存储，但是该目标图像还是原图)。
[0073]
在一个示例中，参照图3，用户在目标应用中导入图4所示的图片11(即图片a)，用户希望对图片11进行剪裁，具体地，用户可以在图片11中标注区域框12，来表示剪裁区域，然后，目标应用在图片11外侧弹出“编辑”按钮和“完成”按钮，如果区域框12内中不包括噪声信息(即噪声图像)，则用户可以点击“完成”按钮，目标应用则将区域框12内的图像区域从图片11中剪裁出来；而如果区域框12内的图像区域包括噪声信息，例如将区域框12内的文本“良好”视为噪声信息(可以是用户指定该文本为噪声信息，也可以是系统自动识别该文本为噪声信息)，则用户可以点击“编辑”按钮，然后，目标应用就可以响应于该点击“编辑”按钮的操作，自动执行步骤201、步骤202和步骤203，对应于图3所述的“自动将图片a按像素划分为mxn个小方格(即步骤201生成的多个像素单元)，噪音所在区域为坐标(t,g)、(t,h)、(k,g)、(k,h)围成的区域，(m>h>g>0,n>k>t>0)”。其中，可以将图片a置于平面直角坐标系的第四象限，在图片a的x轴方向划分为n份，在图片a的y轴方向划分为m份，生成mxn个小方格。因此，在用户点击图3的“编辑”按钮之后，如图4所示，图片11(即图片a)内显示了划分的多个小方格，当然该多个小方格数据也可以作为后台存储的数据，而不显示在图片11中。
[0074]
步骤202，将每个所述像素单元所在区域作为一个图像区域，生成多个图像区域；
[0075]
在本申请实施例中，可以按照预设尺寸的像素单元，对目标图像进行像素划分，来生成与所述目标图像匹配的多个像素单元，并将每个所述像素单元所在区域作为一个图像区域，生成多个图像区域，由于像素单元的粒度远小于单个图像区域的粒度，那么与目标区域的背景图像匹配的目标图像特征也是与该像素单元的粒度相匹配的，使得目标图像特征更能够准确地表达出目标区域内噪声图像所在的背景图像的图像特征，以及与目标区域相邻的图像区域的像素，也更能够准确地表达出目标区域内噪声图像所在的背景图像的图像特征，因此，进行像素或目标图像特征替换后的目标区域的图像特征能够与目标区域周围的图像的背景特征融合度更高。
[0076]
步骤203，在所述多个像素单元中，识别在所述目标图像中用户选取的目标区域对应的多个第一像素单元所构成的坐标区域；
[0077]
例如目标区域为用户标注的包括噪声信息的区域，用户在图4中点击“编辑”按钮之后，还可以如图5所示手动圈出噪声信息所在的目标区域13；然后，本申请实施例的方法可以在mxn个小方格中，识别目标区域13(即噪声区域z)所占据的多个小方格，由于mxn个小方格中每个小方格都有坐标，因此，可以依据目标区域13所占据的多个小方格的多个坐标，来确定目标区域13的坐标区域。
[0078]
其中，需要说明的是，如果目标图像，例如图片11中没有标注小方格的具体位置，则在手动圈出目标区域13时，可能会导致目标区域的边界占据半个小方格，那么在确定构成目标区域的多个小方格时，可以将目标区域所占据的半个小方格(即不是完整的小方格)所属的一个完整的小方格的坐标都划分为该目标区域内的坐标，也就是说，目标区域13的最小划分单元为一个小方格，不存在部分小方格的情况。
[0079]
例如，噪声区域z的四个顶点在mxn个小方格所在区域中的坐标分别为：(t,g)、(t,
h)、(k,g)、(k,h)，则目标区域的坐标区域为上述四个顶点的坐标所围成的坐标区域。
[0080]
步骤204，识别所述坐标区域的背景图像的颜色；
[0081]
在步骤201～步骤203之后，可以执行步骤204。例如如图3所示，则可以判断目标区域的背景色是否为纯色，该判断步骤可以依据用户输入来判定(例如用户可以输入表示背景色为纯色的指令1，或表示背景色不是纯色的指令2)，也可以由目标程序进行自动判定(首先该目标程序包括预先经过训练的识别前景图像和背景图像的神经网络模型，然后，对该神经网络模型识别到的背景图像，提取颜色特征，从而确定该目标区域的背景图像的颜色是否为单一颜色，单一颜色则为纯色，否则不是纯色)。
[0082]
在本申请实施例中，可以通过按照预设尺寸的像素单元，对目标图像进行像素划分，来生成与所述目标图像匹配的多个像素单元，那么在确定目标图像中目标区域的所在位置时，只需要在所述多个像素单元中，识别所述目标图像中目标区域对应的多个第一像素单元，并将由所述多个第一像素单元构成的坐标区域确定为该目标区域的位置，然后识别该坐标区域的背景图像的颜色。由于像素单元的粒度相比于图像区域的粒度更小，那么与目标区域相邻的图像区域的像素，以及与目标区域的背景图像匹配的目标图像特征也是与该像素单元的粒度相匹配的，使得所采用的像素以及目标图像特征更能够准确地表达出目标区域内噪声图像所在的背景图像的图像特征，因此，进行像素或目标图像特征替换后的目标区域的图像特征能够与目标区域周围的图像的背景特征融合度更高，而且所识别到的目标区域的背景图像的颜色也更加准确。
[0083]
步骤205，在所述目标区域的背景图像的颜色为单一颜色的情况下，在所述多个像素单元中，识别坐标位置与所述多个第一像素单元构成的坐标区域相邻的第二像素单元；
[0084]
其中，第一像素单元是与目标区域匹配(例如目标区域内)的像素单元，例如小方格；而第二像素单元则是目标图像中，位于目标区域之外，与该目标区域坐标位置相邻的像素单元。
[0085]
此外，例如图5，与目标区域13坐标相邻的像素单元有多个，那么这里的第二像素单元的数量也可以是一个或多个，当第二像素单元的数量为一个时，该第二像素单元可以是从与目标区域13坐标相邻的多个像素单元中随机选择的一个像素单元；当第二像素单元的数量为多个时，该第二像素单元可以是从与目标区域13坐标相邻的多个像素单元中随机选择的多个像素单元。
[0086]
步骤206，采用所述第二像素单元的像素，对所述多个第一像素单元的像素进行替换。
[0087]
其中，当第二像素单元的数量为一个时，则可以直接使用第二像素单元的图像像素(即第二像素单元的图像特征)，来对目标区域内的每个图像像素进行替换；
[0088]
当第二像素单元的数量为多个时，则可以使用多个第二像素单元的图像像素的颜色特征的均值，来替换目标区域内的每个图像像素的颜色特征的取值。
[0089]
在图3的示例中，当背景色为纯色时，即在所述目标区域的背景图像的颜色为单一颜色的情况下，可以如图4所示，在图片11的除目标区域13之外的图像区域中随机选择与目标区域13相邻的小方格，例如坐标为(t-1,g)的小方格，并采用坐标为(t-1,g)的小方格的图像像素，来替换掉(t,g)、(t,h)、(k,g)、(k,h)四个顶点所围成目标区域(即噪声区域z)13的每个图像像素，从而得到图6所示的处理后的图像14(即图像b)，其中，图5中目标区域13
内的噪声信息(文本“良好”被去除)，本例中图4的图片11上显示了划分后的多个小方格，因此，还需要将图5中图片11中显示的多个小方格隐藏或去除，来生成图6所示的图像14，可选地，然后可以对去除了噪声信息后的图像14进行剪裁，来保存剪裁后的图片。
[0090]
在本申请实施例中，当目标图像中包括噪声信息的目标区域的背景图像的颜色是单一颜色的情况下，由于目标图像已经被划分为多个像素单元，则可以采用坐标位置与目标区域的坐标区域相邻的第二像素单元的像素，来替换目标区域内多个第一像素单元的像素，因为，目标区域的背景图像的颜色是单一颜色的情况下，坐标位置与该目标区域的坐标区域相邻的第二像素单元的图像特征(例如颜色)是接近或等同与目标区域的背景图像的图像特征(例如颜色)的，从而使得处理后的目标图像中目标区域的噪声信息被替换为目标区域的背景特征(例如背景色)，确保了对噪声信息的准确完整地去除；而且由于像素单元的粒度较小，因此，相邻于目标区域的第二像素单元的图像特征更容易接近与目标区域的背景特征，使得处理后的目标图像的目标区域的图像特征能够与目标区域之外的背景特征保持基本一致。
[0091]
步骤207，在所述目标区域的背景图像的颜色包括至少两种颜色的情况下，训练对抗网络学习所述目标图像的背景特征，生成对抗网络模型；
[0092]
其中，当目标区域的背景图像的颜色为至少两种颜色时，即不是单一颜色的情况下，例如目标区域的背景图像存在水印，或背景图。
[0093]
在一个示例中，与图5类似，如图7所示，图7的目标图像，即图片11
’
内的噪声信息为文本“良好”，用户在图7中圈出噪声信息所在的目标区域13
’
；而图8和图7的区别仅仅在于，图7示出了目标图像内划分的小方格，而图8可以没有经过小方格划分。
[0094]
如图7、图8所示，目标区域13
’
的背景图像的颜色并不是单一颜色，因此，可以训练对抗网络来学习图像11
’
的背景特征(这里为树状特征)，生成对抗网络模型m。
[0095]
可选地，在一个实施例中，在训练对抗网络时，首先需要获取训练样本集，训练样本集包括多对样本，每对样本包括正样本和负样本；
[0096]
在构造多对样本时，可以通过以下步骤301和步骤302来实现：
[0097]
步骤301，在目标图像中除目标区域(即噪声区域)之外的区域(该区域包括目标图像的背景图像)中随机选择k
×
f个小方格组成的区域t(m>k>0,n>f>0)，并将此区域t的图像用特殊像素(比如黑色)进行掩盖得到负样本，目标图像为正样本，这样就形成了一对样本；那么对步骤301重复执行p次，则可以得到p对样本；此外，为了增加样本数量，步骤302，还可以再对这p对样本进行旋转、切割、颜色变化等多种数据增强操作中的至少一种操作，从而最终生成n对样本(n>p>0，n和p均为整数)。
[0098]
在一个示例中，图9和图10为一对样本，其中，图9为正样本，图10为负样本，其中，图9示出了图像11
’
(即目标图像)，在图9中选择了区域16进行黑色像素掩盖，生成图10所示的负样本，图像15；此外，图11和图12也是一对样本，其中，图11为正样本，图12为负样本。
[0099]
另外，需要说明的是，训练样本集中的每对样本的图像尺寸都是完全一致的，以图9和图10为例来说明，对抗网络可以通过输入的如图9和图10的一对样本中图10所标注的区域16在图9中找到与区域16被用黑色像素掩盖前所处的区域位置。因此，在训练对抗网络时，对抗网络可以对输入的一对样本，参照正样本，例如参照图9，来对负样本，例如图10中区域16被掩盖前的背景特征进行学习；由于不同对样本中被掩盖的位置存在差异，因此，经
过学习收敛后，所生成的对抗网络模型m，可以学习到目标图像中的背景特征(例如图9中的树状特征)。
[0100]
可选地，当目标图片中的噪声信息所在区域相对面积比较大或者目标应用很难采集足够数量的样本时(例如最终得到的样本对数n小于n)，则根据本申请实施例的方法还可以执行如下操作：
[0101]
可以利用人工智能(ai)算法在移动终端(例如手机)本地查找背景图像与目标图像的背景图像相似的一组图片e，然后再对这一组图片e继续执行上述步骤301和步骤302，实现样本的继续采样，直到样本数量达到满足所需的样本数量n。
[0102]
而如果本地找不到背景图像与目标图像的背景图像相似的一组图片e，或者找到了一组图片e，但是继续采样后，样本对数量仍旧小于n，则可以将目标图片放到互联网搜索引擎里面进行背景图像相似的图片查找，比如找到一组图片f，然后再对这组图片f执行上述步骤301和步骤302，实现继续采样，直到样本对数量大于或等于n。
[0103]
步骤208，将所述目标图像的所述目标区域以预设颜色进行掩盖，生成第一图像；
[0104]
在一个示例中，可以对图8所示的目标图像11
’
中的目标区域13
’
以黑色颜色进行掩盖，即将目标区域13
’
内每个像素都替换为黑色像素，从而生成如图13所示的第一图像17。
[0105]
步骤209，采用所述对抗网络模型基于所述背景特征(例如图7或图8或图9中图像11
’
的背景特征(这里为树状特征))，模拟所述第一图像中与所述目标区域的背景图像匹配的目标图像特征，并采用所述对抗网络模型将所述第一图像的所述目标区域的图像特征，替换为所述目标图像特征。
[0106]
其中，由于对抗网络模型m学习到了图7或者说图8或者说图9中图像11
’
的背景特征，这里为树状特征，因此，可以对抗网络模型m可以对输入进该模型m的图13所示的第一图像17中被黑色像素掩盖的区域18，在掩盖前所具有的背景特征进行模拟，即模拟第一图像17中与图8中的目标区域13
’
的背景图像匹配的背景特征(即目标图像特征)，然后，对抗网络模型m可以将图13中第一图像17的区域18的图像特征，替换为模拟生成的目标图像特征，生成如图14所示的图像19。可选地，后续用户可以对去除了噪声信息后的图像19进行剪裁的操作，并保存剪裁后的图像。
[0107]
在本申请实施例中，在存在噪声信息的目标区域的背景图像的颜色包括至少两种颜色的情况下，可以训练对抗网络学习所述目标图像的背景特征，生成对抗网络模型；然后，将所述目标图像的所述目标区域以预设颜色进行掩盖，生成第一图像；采用所述对抗网络模型基于学习到的所述背景特征，来模拟所述第一图像中与所述目标区域的背景图像匹配的目标图像特征，并采用所述对抗网络模型将所述第一图像的所述目标区域的图像特征，替换为所述目标图像特征。由于对抗网络模型可以学习到目标图像中背景图像的背景特征，因此，可以利用该对抗网络模型所学习到的该背景特征，来对目标图像中掩盖的目标区域的背景特征进行模拟，并将模拟后生成的目标图像特征替换至该目标图像的目标区域中，使得替换后的目标图像中目标区域内不仅去除了噪声信息，而且，目标区域去除噪声信息后的图像特征能够与目标区域之外的图像的背景特征相融合匹配，提升了对图像去除噪声的准确性。
[0108]
可选地，在训练对抗网络学习所述目标图像的背景特征，生成对抗网络模型时，还
可以训练对抗网络按照语义特征学习所述目标图像的背景特征，生成对抗网络模型，其中，所述语义特征为对目标文本提取的语义特征，其中，所述目标文本为描述所述目标图像的所述目标区域的背景图像的文本。
[0109]
在一个示例中，为了使生成的对抗网络模型可以学习到更为准确的目标图像的背景特征，那么尤其针对目标图像中的背景图像存在明显语义的情况，可以结合自然语言处理技术来对对抗网络模型进行深度的优化。
[0110]
在训练该对抗网络时，训练样本集中的每对样本不仅包括上文描述的正样本和负样本，还可以进一步包括描述正样本中背景图像的文本信息；
[0111]
那么当一对样本信息中只有正样本和负样本这两个图像数据时，则可以直接采用上述实施例描述的训练对抗网络按照语义特征学习所述目标图像的背景特征，生成对抗网络模型；
[0112]
而如果一对样本信息中不仅仅包括上述正样本和负样本，还包括上述文本信息，则可以先将文本信息输入至自然语言模型进行语义特征的提取，得到文本信息的语义特征；然后将图片数据(上述正样本和负样本)和文本信息的语义特征进行数据拼接形成新的样本数据，用这新的样本数据，来对对抗网络进行训练，训练对抗网络按照该语义特征来学习正样本中的背景特征，从而生成对抗网络模型。
[0113]
在本申请实施例中，由于对抗网络模型单独学习目标图像中背景图像的背景特征后，对被掩盖的噪声区域所生成的目标图像特征的准确率和可靠性可能会低，因此，这里在对对抗网络进行训练时，追加关于目标图像中背景图像的文字描述(即目标文本)，并对目标文本提取语义特征，然后，训练对抗网络按照该语义特征来学习该目标图像的背景特征，使得描述目标图像中被掩盖的噪声区域的背景特征的样本信息不仅仅包括图像特征还包括语义特征，从而提升训练后的对抗网络模型的准确性和可靠性。
[0114]
此外，在训练对抗网络按照语义特征学习所述目标图像的背景特征，来生成对抗网络模型后，在使用训练后的对抗网络模型时，则输入至该对抗网络模型的数据不仅包括上文所述的第一图像，还进一步包括描述该目标图像中背景图像的文本内容(例如，在用户点击例如图8中的“编辑”按钮之后，可以输出文本框供用户输入该文本内容，以描述目标图片中噪声区域的背景图像的内容)的目标语义特征；其中，可以通过自然语言处理模型，来对文本内容提取语义，生成目标语义特征；然后，对抗网络模型就可以基于预先学习到的与该目标语义特征匹配的目标图像的背景特征，来模拟所述第一图像中与所述目标区域的背景图像匹配的目标图像特征，并采用所述对抗网络模型将所述第一图像的所述目标区域的图像特征，替换为所述目标图像特征。
[0115]
相较于使用不包括文本信息的样本所训练的对抗网络模型来去除噪声信息的方式，在本申请实施例中，使用包括图像信息和文本信息的样本所训练的对抗网络模型来去除噪声信息，可以使得噪声信息所在的目标区域所更新后的目标图像特征与目标图像的背景特征更加匹配和融合。
[0116]
需要说明的是，本申请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，或者该图像处理装置中的用于执行图像处理方法的控制模块。本申请实施例中以图像处理装置执行图像处理方法为例，说明本申请实施例提供的图像处理装置。
[0117]
参照图15，示出了本申请一个实施例的图像处理装置的框图。该图像处理装置包
括：
[0118]
划分模块31，用于基于像素对目标图像进行划分，生成多个图像区域；
[0119]
识别模块32，用于针对所述多个图像区域中用户选取的目标区域，识别所述目标区域的背景图像的颜色；
[0120]
第一替换模块33，用于在所述颜色为单一颜色的情况下，采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，对所述目标区域的像素进行替换；
[0121]
第二替换模块34，用于在所述颜色包括至少两种颜色的情况下，利用对抗网络模拟与所述目标区域的背景图像匹配的目标图像特征，采用所述目标图像特征对所述目标区域的图像特征进行替换。
[0122]
可选地，所述划分模块31包括：
[0123]
划分子模块，用于按照预设尺寸的像素单元，对目标图像进行像素划分，生成与所述目标图像匹配的多个像素单元；
[0124]
第一生成子模块，用于将每个所述像素单元所在区域作为一个图像区域，生成多个图像区域。
[0125]
可选地，所述识别模块32包括：
[0126]
第一识别子模块，用于在所述多个像素单元中，识别在所述目标图像中用户选取的目标区域对应的多个第一像素单元所构成的坐标区域；
[0127]
第二识别子模块，用于识别所述坐标区域的背景图像的颜色。
[0128]
可选地，所述第一替换模块33包括：
[0129]
第三识别子模块，用于在所述颜色为单一颜色的情况下，在所述多个像素单元中，识别坐标位置与所述坐标区域相邻的第二像素单元；
[0130]
第一替换子模块，用于采用所述第二像素单元的像素，对所述多个第一像素单元的像素进行替换。
[0131]
可选地，所述第二替换模块34包括：
[0132]
训练子模块，用于在所述颜色包括至少两种颜色的情况下，训练对抗网络学习所述目标图像的背景特征，生成对抗网络模型；
[0133]
第二生成子模块，用于将所述目标图像的所述目标区域以预设颜色进行掩盖，生成第一图像；
[0134]
第二替换子模块，用于采用所述对抗网络模型基于所述背景特征，模拟所述第一图像中与所述目标区域的背景图像匹配的目标图像特征，并采用所述对抗网络模型将所述第一图像的所述目标区域的图像特征，替换为所述目标图像特征。
[0135]
可选地，所述训练子模块还包括：
[0136]
训练单元，用于训练对抗网络按照语义特征学习所述目标图像的背景特征，生成对抗网络模型，其中，所述语义特征为对目标文本提取的语义特征，其中，所述目标文本为描述所述目标图像的所述目标区域的背景图像的文本。
[0137]
在本申请实施例中，在去除目标图像中的噪声信息时，可以基于像素来对目标图像进行划分，生成多个图像区域，然后，针对所述多个图像区域中用户选取需要去除噪声信息的目标区域，识别所述目标区域的背景图像的颜色，由于所确定的目标区域是基于像素粒度所确定的，使得确定目标区域的位置和其背景图像的颜色更加准确；那么在所述颜色
为单一颜色的情况下，也就是说，目标区域包括噪声信息，但是目标区域的背景色是纯色，则可以采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，来对所述目标区域的像素进行替换，其中，由于与目标区域相邻的图像区域和目标区域出自同一张目标图像，因此，该相邻的图像区域的背景色存在着较高概率与该目标区域的背景色一致，因此，替换后的目标区域中的噪声信息可以被替换为与该目标区域中的背景色颜色一致的图像特征，实现了噪声信息的准确和完整去除；而在目标区域的背景色不是纯色的情况下，即目标区域的背景图像的颜色包括至少两种颜色，则可以利用对抗网络来模拟出与所述目标区域的背景图像匹配的目标图像特征，然后，采用所述目标图像特征对所述目标区域的图像特征进行替换，使得经过图像特征替换后的目标区域中的噪声信息被替换为与该目标区域的背景图像的特征相近的特征，不仅实现了对目标区域中噪声信息的有效和准确去除，而且，更新后的目标图像中的目标区域，与更新前的目标图像中的目标区域保持着基本一致的背景特征，因此该替换操作只是将目标区域中作为噪声信息的前景特征被去除，能够完整彻底地去除目标区域中的噪声信息、且又不会去除除噪声信息之外的图像信息，确保了对图像中噪声信息的去除准确性和完整性；另外，在去除目标图像中的噪声信息时，不涉及多个终端之间的图像转存和回传过程，从而提升了对图像噪声信息去除的即时性和效率。
[0138]
本申请实施例中的图像处理装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动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、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，非移动电子设备可以为服务器、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本申请实施例不作具体限定。
[0139]
本申请实施例中的图像处理装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
[0140]
本申请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。
[0141]
可选地，如图16所示，本申请实施例还提供一种电子设备2000，包括处理器2002，存储器2001，存储在存储器2001上并可在所述处理器2002上运行的程序或指令，该程序或指令被处理器2002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。
[0142]
需要注意的是，本申请实施例中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。
[0143]
图17为实现本申请实施例的一种电子设备的硬件结构示意图。
[0144]
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。
[0145]
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17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。
[0146]
其中，处理器1010，用于基于像素对目标图像进行划分，生成多个图像区域；针对所述多个图像区域中用户选取的目标区域，识别所述目标区域的背景图像的颜色；在所述颜色为单一颜色的情况下，采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，对所述目标区域的像素进行替换；在所述颜色包括至少两种颜色的情况下，利用对抗网络模拟与所述目标区域的背景图像匹配的目标图像特征，采用所述目标图像特征对所述目标区域的图像特征进行替换。
[0147]
在本申请实施例中，在去除目标图像中的噪声信息时，可以基于像素来对目标图像进行划分，生成多个图像区域，然后，针对所述多个图像区域中用户选取需要去除噪声信息的目标区域，识别所述目标区域的背景图像的颜色，由于所确定的目标区域是基于像素粒度所确定的，使得确定目标区域的位置和其背景图像的颜色更加准确；那么在所述颜色为单一颜色的情况下，也就是说，目标区域包括噪声信息，但是目标区域的背景色是纯色，则可以采用所述多个图像区域中与所述目标区域相邻的图像区域的像素，来对所述目标区域的像素进行替换，其中，由于与目标区域相邻的图像区域和目标区域出自同一张目标图像，因此，该相邻的图像区域的背景色存在着较高概率与该目标区域的背景色一致，因此，替换后的目标区域中的噪声信息可以被替换为与该目标区域中的背景色颜色一致的图像特征，实现了噪声信息的准确和完整去除；而在目标区域的背景色不是纯色的情况下，即目标区域的背景图像的颜色包括至少两种颜色，则可以利用对抗网络来模拟出与所述目标区域的背景图像匹配的目标图像特征，然后，采用所述目标图像特征对所述目标区域的图像特征进行替换，使得经过图像特征替换后的目标区域中的噪声信息被替换为与该目标区域的背景图像的特征相近的特征，不仅实现了对目标区域中噪声信息的有效和准确去除，而且，更新后的目标图像中的目标区域，与更新前的目标图像中的目标区域保持着基本一致的背景特征，因此该替换操作只是将目标区域中作为噪声信息的前景特征被去除，能够完整彻底地去除目标区域中的噪声信息、且又不会去除除噪声信息之外的图像信息，确保了对图像中噪声信息的去除准确性和完整性；另外，在去除目标图像中的噪声信息时，不涉及多个终端之间的图像转存和回传过程，从而提升了对图像噪声信息去除的即时性和效率。
[0148]
可选地，处理器1010，用于按照预设尺寸的像素单元，对目标图像进行像素划分，生成与所述目标图像匹配的多个像素单元；将每个所述像素单元所在区域作为一个图像区域，生成多个图像区域。
[0149]
在本申请实施例中，可以按照预设尺寸的像素单元，对目标图像进行像素划分，来生成与所述目标图像匹配的多个像素单元，并将每个所述像素单元所在区域作为一个图像区域，生成多个图像区域，由于像素单元的粒度远小于单个图像区域的粒度，那么与目标区域的背景图像匹配的目标图像特征也是与该像素单元的粒度相匹配的，使得目标图像特征更能够准确地表达出目标区域内噪声图像所在的背景图像的图像特征，以及与目标区域相邻的图像区域的像素，也更能够准确地表达出目标区域内噪声图像所在的背景图像的图像特征，因此，进行像素或目标图像特征替换后的目标区域的图像特征能够与目标区域周围的图像的背景特征融合度更高。
[0150]
可选地，处理器1010，用于在所述多个像素单元中，识别在所述目标图像中用户选取的目标区域对应的多个第一像素单元所构成的坐标区域；识别所述坐标区域的背景图像的颜色。
[0151]
在本申请实施例中，可以通过按照预设尺寸的像素单元，对目标图像进行像素划分，来生成与所述目标图像匹配的多个像素单元，那么在确定目标图像中目标区域的所在位置时，只需要在所述多个像素单元中，识别所述目标图像中目标区域对应的多个第一像素单元，并将由所述多个第一像素单元构成的坐标区域确定为该目标区域的位置，然后识别该坐标区域的背景图像的颜色。由于像素单元的粒度相比于图像区域的粒度更小，那么与目标区域相邻的图像区域的像素，以及与目标区域的背景图像匹配的目标图像特征也是与该像素单元的粒度相匹配的，使得所采用的像素以及目标图像特征更能够准确地表达出目标区域内噪声图像所在的背景图像的图像特征，因此，进行像素或目标图像特征替换后的目标区域的图像特征能够与目标区域周围的图像的背景特征融合度更高，而且所识别到的目标区域的背景图像的颜色也更加准确。
[0152]
可选地，处理器1010，用于在所述颜色为单一颜色的情况下，在所述多个像素单元中，识别坐标位置与所述坐标区域相邻的第二像素单元；采用所述第二像素单元的像素，对所述多个第一像素单元的像素进行替换。
[0153]
在本申请实施例中，当目标图像中包括噪声信息的目标区域的背景图像的颜色是单一颜色的情况下，由于目标图像已经被划分为多个像素单元，则可以采用坐标位置与目标区域的坐标区域相邻的第二像素单元的像素，来替换目标区域内多个第一像素单元的像素，因为，目标区域的背景图像的颜色是单一颜色的情况下，坐标位置与该目标区域的坐标区域相邻的第二像素单元的图像特征(例如颜色)是接近或等同与目标区域的背景图像的图像特征(例如颜色)的，从而使得处理后的目标图像中目标区域的噪声信息被替换为目标区域的背景特征(例如背景色)，确保了对噪声信息的准确完整地去除；而且由于像素单元的粒度较小，因此，相邻于目标区域的第二像素单元的图像特征更容易接近与目标区域的背景特征，使得处理后的目标图像的目标区域的图像特征能够与目标区域之外的背景特征保持基本一致。
[0154]
可选地，处理器1010，用于在所述颜色包括至少两种颜色的情况下，训练对抗网络学习所述目标图像的背景特征，生成对抗网络模型；将所述目标图像的所述目标区域以预设颜色进行掩盖，生成第一图像；采用所述对抗网络模型基于所述背景特征，模拟所述第一图像中与所述目标区域的背景图像匹配的目标图像特征，并采用所述对抗网络模型将所述第一图像的所述目标区域的图像特征，替换为所述目标图像特征。
[0155]
在本申请实施例中，在存在噪声信息的目标区域的背景图像的颜色包括至少两种颜色的情况下，可以训练对抗网络学习所述目标图像的背景特征，生成对抗网络模型；然后，将所述目标图像的所述目标区域以预设颜色进行掩盖，生成第一图像；采用所述对抗网络模型基于学习到的所述背景特征，来模拟所述第一图像中与所述目标区域的背景图像匹配的目标图像特征，并采用所述对抗网络模型将所述第一图像的所述目标区域的图像特征，替换为所述目标图像特征。由于对抗网络模型可以学习到目标图像中背景图像的背景特征，因此，可以利用该对抗网络模型所学习到的该背景特征，来对目标图像中掩盖的目标区域的背景特征进行模拟，并将模拟后生成的目标图像特征替换至该目标图像的目标区域
中，使得替换后的目标图像中目标区域内不仅去除了噪声信息，而且，目标区域去除噪声信息后的图像特征能够与目标区域之外的图像的背景特征相融合匹配，提升了对图像去除噪声的准确性。
[0156]
可选地，处理器1010，用于训练对抗网络按照语义特征学习所述目标图像的背景特征，生成对抗网络模型，其中，所述语义特征为对目标文本提取的语义特征，其中，所述目标文本为描述所述目标图像的所述目标区域的背景图像的文本。
[0157]
在本申请实施例中，由于对抗网络模型单独学习目标图像中背景图像的背景特征后，对被掩盖的噪声区域所生成的目标图像特征的准确率和可靠性可能会低，因此，这里在对对抗网络进行训练时，追加关于目标图像中背景图像的文字描述(即目标文本)，并对目标文本提取语义特征，然后，训练对抗网络按照该语义特征来学习该目标图像的背景特征，使得描述目标图像中被掩盖的噪声区域的背景特征的样本信息不仅仅包括图像特征还包括语义特征，从而提升训练后的对抗网络模型的准确性和可靠性。
[0158]
应理解的是，本申请实施例中，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。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、操作杆，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操作系统。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操作系统、用户界面和应用程序等，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。
[0159]
本申请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。
[0160]
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(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
[0161]
本申请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。
[0162]
应理解，本申请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。
[0163]
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，本申请实
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。
[0164]
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，本申请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，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
[0165]
上面结合附图对本申请的实施例进行了描述，但是本申请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申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。