式 1和环境光(Bl)，可以得到F的计算公式：
[0107] F=(I-(l-ac)BL)/ac (公式 2)
[0108]在本实施例中，优选地，可以令Bl = Bg，进而根据上述公式2计算得到重配置前景图 F、也即，使用重配置背景图对环境光进行替换;根据前景区域对应的阿尔法通道值和所述 重配置背景图进行重计算，得到重配置前景图。
[0109] 步骤214,根据所述重配置前景图与设定阈值的比较结果，得到重配置阿尔法通道 值。
[0110] 在本实施例中，若所述重配置前景图满足第三设定阈值，则通过第一策略计算得 到所述重配置阿尔法通道值;若所述重配置前景图满足第四设定阈值，则通过第二策略计 算得到所述重配置阿尔法通道值。
[0111] 例如，在本实施例中，对重配置阿尔法通道值(ae)的具体计算公式可以如下：
[0113]其中，Vth是一个可以自由设置的用于调节的常数，为上述重配置前景图Fe 中像素点(X，y)的值；B&. y)是在上述胪上进行的处理后的结果。
[0114] 优选地，在0大于1(也即，重配置前景图满足第三设定阈值）时，将
的最小值作为配置阿尔法通道值（也即，通过第 一策略计算得到所述重配置阿尔法通道值）。
[0115] 在卩^丨为区间[0，1]内的值时(也即，重配置前景图满足第四设定阈值)时，确定 配置阿尔法通道值为1(也即，通过第二策略计算得到所述重配置阿尔法通道值）
[0116] 步骤216,根据所述重配置前景图、所述重配置阿尔法通道值和待合成背景图对图 像进行重合成，得到合成图像。
[0117] 在本实施例中，合成图像1'的具体计算公式可以为：
[0118] I'=aeFc+(l-ae)B'
[0119] 其中，B'为待合成背景图。
[0120] 综上所述，本实施例所述的图像处理方法，可以根据各个像素点的绿色分量差值， 完成背景图、前景图和阿尔法通道值的重配置，进而根据重配置前景图重配置阿尔法通道 值和待合成背景图完成图像的合成。可见，在本实施例中，由于重配置前景图是根据重配置 背景图对前景区域和不确定区域进行重计算得到的，有效地降低了环境光中的绿色溢出现 象；重配置阿尔法通道值也进一步对绿色溢出现象进行了修正，提高了分离出的前景图像 的真实性，进一步降低了环境光对图像的干扰。也即，通过本实施例有效降低了环境光对图 像的干扰，有效避免了图像的溢色问题，提高了合成的图像的质量。
[0121]需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组 合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依 据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该 知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施 例所必须的。
[0122] 实施例三
[0123]在上述方法实施例的基础上，参照图3,示出了本发明实施例三中一种图像处理系 统的结构框图。在本实施例中，所述图像处理系统包括：
[0124] 划分模块302,用于根据待处理图像中各个像素点的绿色分量差值，将所述待处理 图像划分为前景区域、背景区域和不确定区域。
[0125] 确定模块304,用于根据所述背景区域确定重配置背景图。
[0126] 重计算模块306,用于根据所述重配置背景图对前景区域和不确定区域进行重计 算，得到重配置前景图。
[0127] 比较模块308,用于根据所述重配置前景图与设定阈值的比较结果，得到重配置阿 尔法通道值。
[0128] 合成模块310,用于根据所述重配置前景图、所述重配置阿尔法通道值和待合成背 景图对图像进行重合成，得到合成图像。
[0129] 参照图4,示出了本发明实施例三中一种优选的图像处理系统的结构框图。
[0130] 优选地，所述系统还包括:设定模块312,用于设定绿幕区域，并对所述待处理图像 进行归一化处理，得到归一化处理结果;计算模块314,用于根据所述设定绿幕区域和所述 归一化处理结果，分别计算得到红色分量值、蓝色分量值和绿色分量值。
[0131] 优选地，所述系统还包括:绿色分量差值确定模块316,用于将二倍的绿色分量值 与所述红色分量值和所述蓝色分量值的差值作为所述各个像素点的绿色分量差值。
[0132]优选地，所述划分模块302,包括:第一划分子模块3022,用于将绿色分量差值大于 等于第一设定阈值的像素点对应的图像区域确定为背景区域;第二划分子模块3024,用于 将绿色分量差值小于等于第二设定阈值的像素点对应的图像区域确定为前景区域;第三划 分子模块3026,用于将绿色分量差值小于第一设定阈值、且大于第二设定阈值的像素点对 应的图像区域确定为不确定区域;其中，所述第一设定阈值大于第二设定阈值。
[0133] 优选地，在本实施例中，可以通过如下模块确定所述第一设定叶子和所述第二设 定阈值:选取模块，用于按照由大到小的顺序，选取设定数量的绿色分量差值;平均值模块， 用于求所述选取的设定数量的绿色分量差值的平均值；阈值确定模块，用于根据所述平均 值分别确定所述第一设定阈值和所述第二设定阈值。
[0134] 优选地，所述确定模块304,具体可以用于对所述背景区域对应的图像进行修复填 充，得到所述重配置背景图。
[0135] 优选地，所述重计算模块306可以包括：替换子模块3062,用于使用所述重配置背 景图对环境光进行替换;重计算子模块3064,用于根据前景区域和不确定区域分别对应的 阿尔法通道值以及所述重配置背景图，进行重计算，得到重配置前景图。
[0136] 优选地，所述比较模块308可以包括:第一计算子模块3082,用于在所述重配置前 景图满足第三设定阈值时，通过第一策略计算得到所述重配置阿尔法通道值;第二计算子 模块3084,用于在所述重配置前景图满足第四设定阈值时，通过第二策略计算得到所述重 配置阿尔法通道值。
[0137] 综上所述，本实施例所述的图像处理系统，可以根据各个像素点的绿色分量差值， 完成背景图、前景图和阿尔法通道值的重配置，进而根据重配置前景图重配置阿尔法通道 值和待合成背景图完成图像的合成。可见，在本实施例中，由于重配置前景图是根据重配置 背景图对前景区域和不确定区域进行重计算得到的，有效地降低了环境光中的绿色溢出现 象；重配置阿尔法通道值也进一步对绿色溢出现象进行了修正，提高了分离出的前景图像 的真实性，进一步降低了环境光对图像的干扰。也即，通过本实施例有效降低了环境光对图 像的干扰，有效避免了图像的溢色问题，提高了合成的图像的质量。
[0138] 对于装置实施例而言，由于其与方法实施例基本相似，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。
[0139] 本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与 其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0140] 本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算 机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和 硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可 用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上 实施的计算机程序产品的形式。
[0141] 本发明实施例是参照根据本发明实施例的方法、终端设备（系统）、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图 中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些 计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设 备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执 行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中 指定的功能的装置。
[01