本申请涉及信息处理领域，尤其涉及一种图像处理方法及装置。
背景技术：
目前，随着图像处理技术的不断发展，针对不同的应用场景，通过对目标图像进行相应的图像处理，以得到所需的目标图像，例如，为了提高图像的美观度，需要对目标图像进行美颜处理，又如，为了保护图像中包含的隐私内容，需要对目标图像进行模糊处理，随着用户对自身隐私度的注重程度不断增加，对图像进行模糊处理的需求越来越多。
当前，现有技术中提供了一种图像模糊处理方法，该方法主要是：获取待图像模糊处理的目标图像，确定对该目标图像进行图像模糊时所使用的模糊半径，利用预设模糊算法基于该模糊半径对目标图像进行整体模糊，具体的，在实际应用时图像模糊算法有多种，例如，高斯模糊算法和均值模糊算法等等。
由此可知，现有技术中的图像模糊处理方法直接对目标图像的整体进行模糊处理，存在图像模糊处理方式比较单一，灵活性差的问题，无法满足用户的多样化图像模糊处理需要。
技术实现要素：
本申请实施例的目的是提供一种图像处理方法及装置，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，满足用户的多样化图像模糊处理需求，提高用户使用体验。
为解决上述技术问题，本申请实施例是这样实现的：
本申请实施例提供了一种图像处理方法，包括：
在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；
对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；
分别确定划分得到的各所述图像子块各自对应的模糊半径，其中，所述模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；
针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。
本申请实施例提供了一种图像处理装置，包括：
图像获取模块，用于在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；
图像划分模块，用于对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；
模糊半径确定模块，用于分别确定划分得到的各所述图像子块各自对应的模糊半径，其中，所述模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；
图像模糊模块，用于针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。
本申请实施例提供了一种图像处理设备，包括：处理器；以及
被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现以下流程：
在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；
对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；
分别确定划分得到的各所述图像子块各自对应的模糊半径，其中，所述模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；
针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。
本申请实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：
在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；
对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；
分别确定划分得到的各所述图像子块各自对应的模糊半径，其中，所述模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；
针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。
本申请实施例中的图像处理方法及装置，在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；对该目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；分别确定划分得到的各图像子块各自对应的模糊半径；针对每个图像子块，根据该图像子块的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。本申请实施例中，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，满足用户的多样化图像模糊处理需求，提高用户使用体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的图像处理方法的第一种流程示意图；
图2为本申请实施例提供的对目标图像进行模糊处理的实现原理示意图；
图3为本申请实施例提供的建立目标图像的坐标系的实现原理示意图；
图4为本申请实施例提供的图像处理方法的第二种流程示意图；
图5为本申请实施例提供的图像处理方法的第三种流程示意图；
图6为本申请实施例提供的图像处理方法中对目标图像进行区域划分的实现原理示意图；
图7为本申请实施例提供的图像处理方法的第四种流程示意图；
图8为本申请实施例提供的图像处理装置的模块组成示意图；
图9为本申请实施例提供的图像处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，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，所描述的实施例仅仅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，都应当属于本申请保护的范围。
本申请实施例提供了一种图像处理方法及装置，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，满足用户的多样化图像模糊处理需求，提高用户使用体验。
图1为本申请实施例提供的图像处理方法的第一种流程示意图，图1中的方法的执行主体可以计算机设备，也可以是移动终端设备，如图1所示，该方法至少包括以下步骤：
s101，在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；具体的，图像模糊处理请求的生成方式可以是基于用户选择目标图像并点击图像模糊控件生成的，还可以是基于用户输入的语音信息生成的。
s102，对获取到的目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；具体的，在对目标图像进行区域划分过程中，可以基于用户手动区域划分操作确定划分方式，还可以基于目标图像的图像信息自动确定划分方式，也可以将系统自动确定和用户手动选择两种方式相结合确定划分方式，即根据目标图像的图像信息给出多个分区选项，并根据用户针对分区选项选择的指定选项确定划分方式。
s103，分别确定划分得到的各图像子块各自对应的模糊半径，其中，该模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；具体的，在对目标图像分区处理后，需要为每个图像子块确定匹配的模糊半径，其中，在确定各图像子块的模糊半径的过程中，可以基于用户选择的数值确定对应的图像子块的模糊半径，还可以基于图像子块的相关信息自动确定该图像子块的模糊半径，也可以将系统自动确定和用户手动选择两种方式相结合确定图像子块的模糊半径，即根据各图像子块的相关信息给出多个模糊半径选项，并根据用户针对模糊半径选项选择的指定选项确定各图像子块的模糊半径。
s104，针对每个图像子块，根据该图像子块对应的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像；具体的，为每一个图像子块确定各自的模糊半径后，使用该模糊半径对对应的图像子块进行模糊处理，生成所需的模糊图像。
本申请实施例中，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，达到景深调节的效果，满足用户的多样化图像模糊处理需求，提高用户使用体验。
图2为本申请实施例提供的对目标图像进行模糊处理的实现原理示意图，具体的，如图2所示，首先，基于图像模糊处理请求，获取待图像模糊处理的目标图像；
然后，确定针对目标图像的区域划分方式，基于该区域划分方式对目标图像进行区域划分，得到多个图像子块，其中，以将目标图像划分为4个图像子块为例，在具体实施时，根据实际需求进行划分，每个图像子块的图形形状可以是规则形状，也可以是不规则形状；
再次，分别确定划分得到的各图像子块各自对应的模糊半径，即分别确定图像子块1至图像子块4对应的模糊半径r1至r4；
最后，依次基于图像子块各自的模糊半径，对每个图像子块进行模糊处理，得到模糊处理后的目标图像。
如图3所示，为了便于对图像子块的位置进行标记，以及为了便于对各像素点进行标记，按照预设规则为目标图像建立坐标系，确定目标图像中各像素点的坐标(x，y)，每个像素点对应于一个坐标，图像模糊前，每个像素点对应于一个模糊前rgb值，图像模糊后，每个像素点对应于一个模糊后rgb值，因此，坐标与rgb值之间具有一定对应关系；
其中，可以将目标图像的中心位置的中心像素点的坐标定义为(0，0)，此时，该中心像素点的上一个像素点的坐标为(0，1)，该中心像素点的下一个像素点的坐标为(0，-1)，该中心像素点的右一个像素点的坐标为(1，0)，该中心像素点的左一个像素点的坐标为(-1，0)。
进一步的，考虑到在对目标图像进行模糊处理时，由于采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用不同的模糊半径进行模糊处理，这样两个图像子块交界处可能存在相邻像素点的模糊程度差异比较大的情况，此时大大降低了模糊后的目标图像的模糊自然度，影响了用户视觉体验效果，基于此，如图4所示，在上述s104针对每个图像子块，根据该图像子块对应的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像之后，还包括：
s105，根据各图像子块的位置信息，确定目标图像中子块交界处的位置信息；具体的，基于图3的目标图像的坐标系，在对目标图像进行区域划分时，记录有划分得到的各图像子块在坐标系中的位置信息，因此，结合各图像子块的位置信息，可得到目标图像中图像子块交界处的位置信息。
s106，根据确定出的子块交界处的位置信息，确定待平滑处理的目标像素点以及该目标像素点的模糊后rgb值；具体的，基于图3的目标图像的坐标系，在确定出目标图像中子块交界处的位置信息后，将两两相邻图像子块相交线的预设范围内的像素点确定为待平滑处理的目标像素点，确定各目标像素点的坐标，以及根据坐标与模糊后rgb值之间的对应关系，确定各目标像素点的模糊后rgb值。
s107，根据各目标像素点的模糊后rgb值，分别确定该目标像素点的平滑后rgb值；具体的，基于两两相邻图像子块相交线两侧的指定数量的目标像素点的模糊后rgb值，确定各目标像素点的平滑系数，结合该平滑系数确定各目标像素点的平滑后rgb值，达到对两两相邻图像子块相交线两侧的指定数量的目标像素点的模糊程度进行平滑的效果。
s108，将各目标像素点的rgb值由模糊后rgb值调整为平滑后rgb值，得到模糊并交界平滑后的目标图像；具体的，在确定各待平滑处理的目标像素点的平滑后rgb值之后，基于各目标像素点的平滑后rgb值调整对应像素点的rgb值，从而得到模糊并交界平滑后的目标图像。
具体的，上述s107根据各目标像素点的模糊后rgb值，分别确定该目标像素点的平滑后rgb值，具体包括：
步骤一，根据各目标像素点的位置信息，将目标像素点划分为多个待平滑处理的目标像素点集合；具体的，以两两相邻图像子块相交线为基准，根据各目标像素点的位置信息，将与相交线垂直的线段上的目标像素点划入同一目标像素点集合，例如，将目标图像划分为上下两个图像子块，此时，属于同一目标像素点集合的像素点的横坐标相同，每个目标像素点集合中包含离交界点最近的预设数量的位于第一图像子块的像素点和离交界点最近的预设数量的位于第二图像子块的像素点。
步骤二，针对每个目标像素点集合，利用线性插值法根据该目标像素点集合中各目标像素点的模糊后rgb值，分别确定各目标像素点的平滑系数，其中，该平滑系数起到调节两两相邻目标像素点的rgb值的作用，使得两两相邻目标像素点之间的rgb值差值在预设范围之内；
步骤三，根据各目标像素点的模糊后rgb值和该目标像素点的平滑系数，分别确定各目标像素点的平滑后rgb值，具体的，针对每个目标像素点，将该目标像素点的模糊后rgb值与其对应的平滑系数相乘，即可得到该目标像素点的平滑后rgb值。
在本申请实施例中，由于考虑到采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用不同的模糊半径进行模糊处理，这样两个图像子块交界处可能存在相邻像素点的模糊程度差异比较大的情况，此时大大降低了模糊后的目标图像的模糊自然度，影响了用户视觉体验效果，因此，增加对模糊后的目标图像的图像子块交界处进行平滑处理的过程，提高模糊后的目标图像的图像子块交界处的模糊自然度，提升用户视觉体验效果。
其中，针对目标图像分区过程，如图5所示，上述s102对获取到的目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块，具体包括：
s1021，对目标图像进行图像识别处理，提取该目标图像中的图像信息，具体的，基于图像识别算法，提取目标图像中的图像信息；
s1022，根据针对目标图像的区域划分信息和提取出的图像信息，确定待划分的多个图像区域的位置信息，具体的，该区域划分信息包括图像分离信息和未分离出的图像区域的划分方式，例如，人景分离或物景分离等等，在确定针对目标图像的区域划分信息后，定位需要分离出的图像区域，确定分离出的至少一个图像区域的位置信息和未分离出的图像区域又被划分为多个图像区域的位置信息；
s1023，根据多个图像区域的位置信息，对目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块。
其中，针对目标图像的区域划分信息是通过如下方式确定的，具体为：
方式一，根据用户输入的区域划分请求，确定针对目标图像的区域划分信息；
方式二，根据与目标图像对应的划分规则，确定针对目标图像的区域划分信息；
方式三，根据用户针对自动确定的划分选项的选择操作，确定针对目标图像的区域划分信息；具体的，根据与目标图像对应的划分规则，确定并显示多个划分选项，这样既能够满足用户自主选择的需求，又能够使得用户快速选择所需选项。
具体的，针对目标图像为人景图像或物景图像，需要对除人像区域或物像的区域之外的背景图像进行模糊处理，由于考虑到通常背景区域范围比较大，为了提高用户的视觉效果，避免人景图像或物景图像周边模糊的比较突兀，可以对背景区域进行区域划分，与目标图像对应的划分规则是通过如下方式确定的，具体为：
如果目标图像中存在不需要模糊处理的图像区域，以不需要模糊处理的图像区域为基准，按照该不需要模糊处理的图像区域的图形形状，确定与目标图像对应的划分规则，其中，该划分规则为将不需要模糊处理的图像区域作为一个图像子块，以及将需要模糊处理的图像区域划分为指定数量的图像子块。
例如，如图6所示，目标图像为包含一个足球的照片，且要求足球不进行模糊处理，对除足球以外的区域进行模糊处理，此时，需要定位足球在目标图像中的位置信息，以足球为圆心，向外划分多个同心圆，这样目标图像划分得到的多个图像子块有：包含足球的图像子块1、以及足球以外的图像子块2至图像子块5。
其中，针对图像子块的模糊半径确定过程，上述s103分别确定划分得到的各图像子块各自对应的模糊半径，具体包括：
方式一，接收用户针对各图像子块的模糊半径设置请求，并根据该设置请求确定该图像子块的模糊半径；
方式二，根据各图像子块的相关信息，确定该图像子块的模糊半径，其中，该相关信息包括：图像内容信息、位置信息、模糊前rgb值分布中至少一项；
方式三，接收用户针对自动确定的多个模糊半径选项的选择操作，并根据该选择操作确定各图像子块的模糊半径。
具体的，在按照不需要模糊处理的图像区域的图形形状对目标图像进行划分后，若相关信息为位置信息，则根据各图像子块的相关信息，确定该图像子块的模糊半径，具体为：
根据需要模糊处理的图像子块与不需要模糊处理的图像子块之间的间隔距离，确定需要模糊处理的图像子块的模糊半径，其中，模糊半径与间隔距离正相关，即间隔距离越大，对应的图像子块的模糊半径越大。例如，在以图7中的图像区域划分规则对目标图像进行划分后，离足球越远模糊半径越大，模糊程度逐渐增加，使得模糊后的图像衔接更自然，更具有层次感。
具体的，考虑到在自动确定模糊半径的过程中，引入的参考因素越多，确定出的模糊半径越准确，为了提高确定出的模糊半径的准确度，提高用户对最终图像模糊效果的满意度，在本申请实施例中，结合影响模糊效果的多个相关因素，以及结合用户的图像模糊偏好，综合确定各图像子块的模糊半径，基于此，针对引入的图像子块的相关信息的类型为多项的情况，上述根据各图像子块的相关信息，确定该图像子块的模糊半径，具体过程为：
获取与请求图像模糊处理的目标账号对应的模糊半径确定模型，其中，该模糊半径确定模型是利用深度学习方法基于与目标账号对应的模型训练样本训练得到的；
针对每个图像子块，将该图像子块的相关信息输入至获取到的模糊半径确定模型；
将模糊半径确定模型输出的数值确定为该图像子块的模糊半径。
其中，需要预先为每个目标账户训练得到对应的模糊半径确定模型，具体的，通过如下方式训练得到各目标账户对应的模糊半径确定模型，具体为：
判断目标账户下的历史图像模糊记录是否满足预设条件，其中，该历史图像模糊记录包括在历史时间段内图像相关信息与模糊半径之间的对应关系，预设条件为历史记录条数大于预设阈值。
若满足，则将目标账户下的历史图像模糊记录作为该目标账户的模型训练样本；
利用深度学习方法基于目标账户的模型训练样本，训练得到该目标账户对应的模糊半径确定模型。
具体的，当目标账户下的历史图像模糊记录满足预设条件时，说明历史图像模糊记录中记录的信息足够多，历史图像模糊记录中记录的信息越多，就越能够反映用户的图像模糊偏好，将该记录作为模型训练样本，并训练得到该目标账户对应的模糊半径确定模型，这样后续利用该模糊半径确定模型确定出的模糊半径准确度越高。
若不满足，则将标账户下的第一历史图像模糊记录和目标账户的参考账户下的第二历史图像模糊记录作为该目标账户的模型训练样本，其中，目标账户的参考账户与目标账户具有相同的属性信息，其中，该属性信息包括：用户的年龄、职业、兴趣爱好、性别、身份中至少一种；
利用深度学习方法基于目标账户的模型训练样本，训练得到该目标账户对应的模糊半径确定模型。
具体的，当目标账户下的历史图像模糊记录不满足预设条件时，说明历史图像模糊记录中记录的信息比较少，此时，无法全面地确定用户的图像模糊偏好，因此，借助与目标账户具有相同属性信息的参考账户的历史图像模糊记录，综合训练得到该目标账户对应的模糊半径确定模型，这样能够提高后续利用该模糊半径确定模型确定出的模糊半径的准确度。
其中，针对对各图像子块进行模糊处理过程，如图7所示，上述s104针对每个图像子块，根据该图像子块对应的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像，具体包括：
s1041，针对每个图像子块，在该图像子块中包含的多个像素点中选取当前模糊处理的目标像素点，具体的，按照预设规则依次从图像子块中包含的多个像素点中选取一个像素点作为目标像素点；
s1042，根据选取的目标像素点所在图像子块对应的模糊半径，确定该目标像素点的多个相邻像素点，具体的，目标像素点的相邻像素点的数量为r×r-1，其中，r为模糊半径，例如，模糊半径r＝3，此时，目标像素点的相邻像素点的数量为8，以目标像素点为目标图像中的中心像素点(0，0)为例，该目标像素点的相邻像素点为：(0，1)、(0，-1)、(1，0)、(-1，0)、(1，1)、(-1，-1)、(-1，1)、(1，-1)；
其中，以模糊半径r＝3为例，目标像素点的相邻像素点的数量为8，中心像素点(0，0)的像素点坐标矩阵为：
s1043，根据目标像素点的模糊前rgb值和该目标像素点的各相邻像素点的模糊前rgb值，确定该目标像素点的模糊后rgb值，具体的，在确定出目标像素点的相邻像素点的坐标后，根据坐标与模糊前rgb值之间的对应关系，可获取各相邻像素点的模糊前rgb值，基于模糊前rgb值得到目标像素点的模糊后rgb值；
s1044，判断是否确定出图像子块中各像素点的模糊后rgb值；
若否，则继续执行步骤s1041；
若是，则执行s1045，将目标图像中各像素点的rgb值由该像素点的模糊前rgb值调整为模糊后rgb值，得到模糊处理后的目标图像。
具体的，上述s1043根据目标像素点的模糊前rgb值和该目标像素点的各相邻像素点的模糊前rgb值，确定该目标像素点的模糊后rgb值，具体包括：
步骤一，根据目标像素点的模糊前rgb值和该目标像素点的各相邻像素点的模糊前rgb值，确定该目标像素点的模糊前rgb值矩阵；
其中，在确定出目标像素点的相邻像素点的坐标后，根据坐标与模糊前rgb值之间的对应关系，可获取各相邻像素点的模糊前rgb值，得到目标像素点的模糊前rgb值矩阵；
仍以模糊半径r＝3为例，目标像素点的相邻像素点的数量为8，目标像素点的模糊前rgb值矩阵为：
其中，a22为目标像素点的模糊前rgb值，其余为目标像素点的8个相邻像素点的模糊前rgb值。
步骤二，利用指定模糊算法根据目标像素点所在图像子块的模糊半径，确定目标像素点的权重系数和该目标像素点的各相邻像素点的权重系数，得到目标像素点的模糊权重系数矩阵；
其中，指定模糊算法包括：高斯模糊算法、均值模糊算法、径向模糊、表面模糊、形状模糊等等，可以根据实际需求由用户自主选择使用哪种模糊算法，也可以预先存储图像的相关信息与模糊算法之间的对应关系，因此，该指定模糊算法是基于该对应关系和图像子块的相关信息确定的。
以指定模糊算法为高斯模糊算法为例，确定目标像素点的模糊权重系数矩阵，具体为：
根据公式
仍以模糊半径r＝3为例，目标像素点的相邻像素点的数量为8，目标像素点的模糊权重系数矩阵为：
其中，γ22为目标像素点的权重系数，其余为目标像素点的8个相邻像素点的权重系数，
步骤三，根据目标像素点的模糊前rgb值矩阵和模糊权重系数矩阵，确定该目标像素点的模糊后rgb值，具体的，在确定出目标像素点的模糊前rgb值矩阵和模糊权重系数矩阵后，计算每个模糊前rgb与对应的模糊权重系数的乘积之和，即可得到该目标像素点的模糊后rgb值；
仍以模糊半径r＝3为例，目标像素点的相邻像素点的数量为8，目标像素点的模糊后rgb值为：
其中，a为目标像素点的模糊后rgb值，i为矩阵的行下标，j为矩阵的列下标。
本申请实施例中的图像处理方法，在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；对该目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；分别确定划分得到的各图像子块各自对应的模糊半径；针对每个图像子块，根据该图像子块的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。本申请实施例中，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，满足用户的多样化图像模糊处理需求，提高用户使用体验。
对应上述图1至图7描述的图像处理方法，基于相同的技术构思，本申请实施例还提供了一种图像处理装置，图8为本申请实施例提供的图像处理装置的模块组成示意图，该装置用于执行图1至图7描述的图像处理方法，如图8所示，该装置包括：
图像获取模块801，用于在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；
图像划分模块802，用于对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；
模糊半径确定模块803，用于分别确定划分得到的各所述图像子块各自对应的模糊半径，其中，所述模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；
图像模糊模块804，用于针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。
可选地，上述装置还包括：子块交界平滑模块805，其中，所述子块交界平滑模块805，用于：
根据各所述图像子块的位置信息，确定所述目标图像中子块交界处的位置信息；
根据所述子块交界处的位置信息，确定待平滑处理的目标像素点以及该目标像素点的模糊后rgb值；
根据各所述目标像素点的模糊后rgb值，分别确定所述目标像素点的平滑后rgb值；
将各所述目标像素点的rgb值由模糊后rgb值调整为平滑后rgb值，得到模糊并交界平滑后的目标图像。
可选地，所述子块交界平滑模块805，具体用于：
根据各所述目标像素点的位置信息，将目标像素点划分为多个待平滑处理的目标像素点集合；
针对每个所述目标像素点集合，利用线性插值法根据该目标像素点集合中各目标像素点的模糊后rgb值，分别确定各所述目标像素点的平滑系数；
根据各所述目标像素点的模糊后rgb值和该目标像素点的所述平滑系数，分别确定各所述目标像素点的平滑后rgb值。
可选地，所述图像划分模块802，具体用于：
对所述目标图像进行图像识别处理，提取所述目标图像中的图像信息；
根据针对所述目标图像的区域划分信息和提取出的所述图像信息，确定待划分的多个图像区域的位置信息，其中，所述区域划分信息为根据用户输入的区域划分请求确定的、根据与所述目标图像对应的划分规则确定的、或者根据用户针对自动确定的划分选项的选择操作确定的；
根据多个图像区域的所述位置信息，对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块。
可选地，所述模糊半径确定模块803，具体用于：
接收用户针对各图像子块的模糊半径设置请求，并根据所述设置请求确定该图像子块的模糊半径；
或者，
根据各所述图像子块的相关信息，确定所述图像子块的模糊半径，其中，所述相关信息包括：图像内容信息、位置信息、模糊前rgb值分布中至少一项；
或者，
接收用户针对自动确定的多个模糊半径选项的选择操作，并根据所述选择操作确定各图像子块的模糊半径。
可选地，所述图像模糊模块804，具体用于：
针对每个所述图像子块，在该图像子块中包含的多个像素点中选取当前模糊处理的目标像素点；
根据所述目标像素点所在图像子块对应的模糊半径，确定所述目标像素点的多个相邻像素点；
根据所述目标像素点的模糊前rgb值和各所述相邻像素点的模糊前rgb值，确定所述目标像素点的模糊后rgb值，直到确定出所述图像子块中各像素点的模糊后rgb值；
将所述目标图像中各像素点的rgb值由该像素点的模糊前rgb值调整为模糊后rgb值，得到模糊处理后的目标图像。
可选地，所述图像模糊模块804，进一步具体用于：
根据所述目标像素点的模糊前rgb值和各所述相邻像素点的模糊前rgb值，确定所述目标像素点的模糊前rgb值矩阵；
利用指定模糊算法根据所述目标像素点所在图像子块的模糊半径，确定所述目标像素点的权重系数和各所述相邻像素点的权重系数，得到所述目标像素点的模糊权重系数矩阵；
根据所述模糊前rgb值矩阵和所述模糊权重系数矩阵，确定所述目标像素点的模糊后rgb值。
本申请实施例中的图像处理装置，在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；对该目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；分别确定划分得到的各图像子块各自对应的模糊半径；针对每个图像子块，根据该图像子块的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。本申请实施例中，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，满足用户的多样化图像模糊处理需求，提高用户使用体验。
需要说明的是，本申请实施例提供的图像处理装置与本申请实施例提供的图像处理方法基于同一发明构思，因此该实施例的具体实施可以参见前述图像处理方法的实施，重复之处不再赘述。
进一步地，对应上述图1至图7所示的方法，基于相同的技术构思，本申请实施例还提供了一种图像处理设备，该设备用于执行上述的图像处理方法，图9为本申请实施例提供的图像处理设备的结构示意图。。
如图9所示，图像处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器901和存储器902，存储器902中可以存储有一个或一个以上存储应用程序或数据。其中，存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对图像处理设备中的一系列计算机可执行指令。更进一步地，处理器901可以设置为与存储器902通信，在图像处理设备上执行存储器902中的一系列计算机可执行指令。图像处理设备还可以包括一个或一个以上电源903，一个或一个以上有线或无线网络接口904，一个或一个以上输入输出接口905，一个或一个以上键盘906等。
在一个具体的实施例中，图像处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对图像处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；
对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；
分别确定划分得到的各所述图像子块各自对应的模糊半径，其中，所述模糊半径根据用户设置信息和/或图像子块的相关信息确定，用于表示图像子块分别对应的模糊程度；
针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。
可选地，计算机可执行指令在被执行时，还包含用于进行以下计算机可执行指令：
在针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像之后，还包括：
根据各所述图像子块的位置信息，确定所述目标图像中子块交界处的位置信息；
根据所述子块交界处的位置信息，确定待平滑处理的目标像素点以及该目标像素点的模糊后rgb值；
根据各所述目标像素点的模糊后rgb值，分别确定所述目标像素点的平滑后rgb值；
将各所述目标像素点的rgb值由模糊后rgb值调整为平滑后rgb值，得到模糊并交界平滑后的目标图像。
可选地，计算机可执行指令在被执行时，所述根据各所述目标像素点的模糊后rgb值，分别确定所述目标像素点的平滑后rgb值，包括：
根据各所述目标像素点的位置信息，将目标像素点划分为多个待平滑处理的目标像素点集合；
针对每个所述目标像素点集合，利用线性插值法根据该目标像素点集合中各目标像素点的模糊后rgb值，分别确定各所述目标像素点的平滑系数；
根据各所述目标像素点的模糊后rgb值和该目标像素点的所述平滑系数，分别确定各所述目标像素点的平滑后rgb值。
可选地，计算机可执行指令在被执行时，所述对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块，包括：
对所述目标图像进行图像识别处理，提取所述目标图像中的图像信息；
根据针对所述目标图像的区域划分信息和提取出的所述图像信息，确定待划分的多个图像区域的位置信息，其中，所述区域划分信息为根据用户输入的区域划分请求确定的、根据与所述目标图像对应的划分规则确定的、或者根据用户针对自动确定的划分选项的选择操作确定的；
根据多个图像区域的所述位置信息，对所述目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块。
可选地，计算机可执行指令在被执行时，所述分别确定划分得到的各所述图像子块各自对应的模糊半径，包括：
接收用户针对各图像子块的模糊半径设置请求，并根据所述设置请求确定该图像子块的模糊半径；
或者，
根据各所述图像子块的相关信息，确定所述图像子块的模糊半径，其中，所述相关信息包括：图像内容信息、位置信息、模糊前rgb值分布中至少一项；
或者，
接收用户针对自动确定的多个模糊半径选项的选择操作，并根据所述选择操作确定各图像子块的模糊半径。
可选地，计算机可执行指令在被执行时，所述针对每个所述图像子块，根据该图像子块的所述模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像，包括：
针对每个所述图像子块，在该图像子块中包含的多个像素点中选取当前模糊处理的目标像素点；
根据所述目标像素点所在图像子块对应的模糊半径，确定所述目标像素点的多个相邻像素点；
根据所述目标像素点的模糊前rgb值和各所述相邻像素点的模糊前rgb值，确定所述目标像素点的模糊后rgb值，直到确定出所述图像子块中各像素点的模糊后rgb值；
将所述目标图像中各像素点的rgb值由该像素点的模糊前rgb值调整为模糊后rgb值，得到模糊处理后的目标图像。
可选地，计算机可执行指令在被执行时，所述根据所述目标像素点的模糊前rgb值和各所述相邻像素点的模糊前rgb值，确定所述目标像素点的模糊后rgb值，包括：
根据所述目标像素点的模糊前rgb值和各所述相邻像素点的模糊前rgb值，确定所述目标像素点的模糊前rgb值矩阵；
利用指定模糊算法根据所述目标像素点所在图像子块的模糊半径，确定所述目标像素点的权重系数和各所述相邻像素点的权重系数，得到所述目标像素点的模糊权重系数矩阵；
根据所述模糊前rgb值矩阵和所述模糊权重系数矩阵，确定所述目标像素点的模糊后rgb值。
本申请实施例中的图像处理设备，在接收到图像模糊处理请求后，获取待图像模糊处理的目标图像；对该目标图像进行区域划分处理，得到多个待图像模糊处理的图像子块；分别确定划分得到的各图像子块各自对应的模糊半径；针对每个图像子块，根据该图像子块的模糊半径，分别对该图像子块进行图像模糊处理，得到模糊处理后的目标图像。可见，通过本申请实施例中的图像处理设备，采用对目标图像进行分区模糊处理的方式，同时，针对不同的图像子块采用对应的模糊半径进行模糊处理，这样使得图像模糊更具有针对性，提升了模糊后的目标图像的层次感，满足用户的多样化图像模糊处理需求，提高用户使用体验。
优选的，本申请实施例还提供一种图像处理设备，包括处理器901，存储器902，存储在存储器902上并可在处理器901上运行的计算机程序，该计算机程序被处理器902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。
进一步地，对应上述图1至图7所示的方法，基于相同的技术构思，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序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。其中，所述的计算机可读存储介质，如只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。