图像处理方法、图像处理装置、电子设备、存储介质与流程

本公开的实施例涉及一种图像处理方法、图像处理装置、电子设备、非瞬时性计算机可读存储介质。

背景技术：

在数字图像处理中，图像二值化(imagebinarization)处理就是将图像上的像素点的灰度值设置为0或255，对图像进行图像二值化处理可以使图像中的数据量大为减少，从而能凸显出感兴趣的目标的轮廓，此外，也能方便对图像进行处理和分析，例如，便于提取图像中的信息。

技术实现要素：

本公开至少一实施例提供一种图像处理方法，包括：获取原始图像，其中，所述原始图像包括至少一个对象；对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像；通过第一二值化模型分别对所述多个切片图像进行处理，以得到所述多个切片图像分别对应的多个切片二值化图像；将所述多个切片二值化图像进行拼合处理，以得到第一二值化图像；对所述第一二值化图像进行处理，以得到像素外接轮廓图像，其中，所述像素外接轮廓图像包括多个外接轮廓像素，所述多个外接轮廓像素包围的区域内的像素为所述至少一个对象中的至少部分对象对应的像素；通过第二二值化模型对所述原始图像进行处理，以得到第二二值化图像；根据所述多个外接轮廓像素在所述像素外接轮廓图像中的位置，对所述第二二值化图像和所述第一二值化图像进行合成，以得到合成图像，其中，所述合成图像为二值化图像。

例如，在本公开至少一实施例提供的图像处理方法中，对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像，包括：确定第一切片尺寸和扩展切片尺寸；根据所述第一切片尺寸和所述扩展切片尺寸，确定第二切片尺寸；根据所述原始图像的尺寸和所述第二切片尺寸，确定切片数量；根据所述扩展切片尺寸、所述第二切片尺寸和所述切片数量，对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像，其中，所述多个切片图像的数量等于所述切片数量，所述多个切片图像中的每个切片图像的尺寸为所述第一切片尺寸。

例如，在本公开至少一实施例提供的图像处理方法中，根据所述扩展切片尺寸、所述第二切片尺寸和所述切片数量，对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像，包括：根据所述第二切片尺寸和所述切片数量，基于所述原始图像确定待切片原始图像；基于所述第二切片尺寸和所述扩展切片尺寸，对所述待切片原始图像进行切片处理，以得到所述多个切片图像。

例如，在本公开至少一实施例提供的图像处理方法中，基于所述第二切片尺寸和所述扩展切片尺寸，对所述待切片原始图像进行切片处理，以得到所述多个切片图像，包括：根据所述第二切片尺寸，将所述待切片原始图像划分为多个子区域，其中，所述多个子区域的数量等于所述切片数量；根据所述扩展切片尺寸和所述多个子区域，对所述待切片原始图像进行切片处理，以得到所述多个切片图像，其中，所述多个切片图像与所述多个子区域一一对应，所述多个切片图像中的每个切片图像包括所述多个子区域中的对应的一个子区域。

例如，在本公开至少一实施例提供的图像处理方法中，所述原始图像包括四条固定边，所述多个子区域中的每个子区域包括四条区域边，根据所述扩展切片尺寸和所述多个子区域，对所述待切片原始图像进行切片处理，以得到所述多个切片图像，包括：响应于所述多个子区域中的第i个子区域对应的四条区域边均不与所述四条固定边重叠，以所述第i个子区域为中心，将所述第i个子区域对应的四条区域边分别向远离所述第i个子区域的方向延伸所述扩展切片尺寸，以得到所述第i个子区域对应的切片图像对应的切片位置，按照所述切片位置对所述待切片原始图像进行切片，以得到所述第i个子区域对应的切片图像；或者响应于所述多个子区域中的第i个子区域对应的四条区域边中的一条区域边与所述四条固定边中的一条固定边重叠，将所述四条区域边中的与所述一条区域边相对的区域边向远离所述第i个子区域的方向延伸两倍的所述扩展切片尺寸，并将所述四条区域边中的与所述一条区域边相邻的区域边向分别向远离所述第i个子区域的方向延伸所述扩展切片尺寸，以得到所述第i个子区域对应的切片图像对应的切片位置，按照所述切片位置对所述待切片原始图像进行切片，以得到所述第i个子区域对应的切片图像；或者响应于所述多个子区域中的第i个子区域对应的四条区域边中的两条区域边与所述四条固定边中的两条固定边重叠，将所述四条区域边中的除所述两条区域边外的其他区域边向远离所述第i个子区域的方向延伸两倍的所述扩展切片尺寸，以得到所述第i个子区域对应的切片图像对应的切片位置，按照所述切片位置对所述待切片原始图像进行切片，以得到所述第i个子区域对应的切片图像，其中，i为正整数，且小于等于所述多个子区域的数量。

例如，在本公开至少一实施例提供的图像处理方法中，所述多个切片二值化图像中的每个切片二值化图像的尺寸为所述第一切片尺寸，将所述多个切片二值化图像进行拼合处理，以得到第一二值化图像，包括：根据所述多个子区域在所述待切片原始图像中的位置关系，确定所述多个切片二值化图像的位置关系；基于所述多个切片二值化图像的位置关系，对所述多个切片二值化图像进行拼合处理，以得到二值化预测图像；响应于所述二值化预测图像的尺寸不等于所述原始图像的尺寸，将所述二值化预测图像进行恢复尺寸处理，以得到所述第一二值化图像，响应于所述二值化预测图像的尺寸等于所述原始图像的尺寸，将所述二值化预测图像作为所述第一二值化图像，其中，所述第一二值化图像的尺寸和所述原始图像的尺寸相同。

例如，在本公开至少一实施例提供的图像处理方法中，所述第一二值化图像中的所有像素排列为n行m列，基于所述多个切片二值化图像的位置关系，对所述多个切片二值化图像进行拼合处理，以得到二值化预测图像，包括：基于所述多个切片二值化图像的位置关系，对所述多个切片二值化图像进行拼合处理，以得到中间二值化预测图像，其中，所述中间二值化预测图像中的所有像素排列为n行m列；响应于所述中间二值化预测图像中的第t1行第t2列仅包括一个像素，将位于第t1行第t2列的所述一个像素的灰阶值作为所述二值化预测图像中的第t1行第t2列的像素的灰阶值；响应于所述中间二值化预测图像中的第t1行第t2列包括多个像素，将位于第t1行第t2列的所述多个像素的灰阶值进行或运算以得到所述二值化预测图像中的第t1行第t2列的像素的灰阶值，其中，n、m、t1、t2均为正整数，且t1小于等于n，t2小于等于m。

例如，在本公开至少一实施例提供的图像处理方法中，对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像，包括：确定第二切片尺寸；根据所述原始图像的尺寸和所述第二切片尺寸，确定切片数量；根据所述第二切片尺寸和所述切片数量，对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像，其中，所述多个切片图像的数量等于所述切片数量，所述多个切片图像中的每个切片图像的尺寸为所述第二切片尺寸。

例如，在本公开至少一实施例提供的图像处理方法中，根据所述第二切片尺寸和所述切片数量，对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像，包括：根据所述第二切片尺寸和所述切片数量，基于所述原始图像确定待切片原始图像；基于所述第二切片尺寸，对所述待切片原始图像进行切片处理，以得到所述多个切片图像。

例如，在本公开至少一实施例提供的图像处理方法中，所述多个切片二值化图像中的每个切片二值化图像的尺寸均为所述第二切片尺寸，将所述多个切片二值化图像进行拼合处理，以得到第一二值化图像，包括：根据所述多个切片图像在所述待切片原始图像中的位置关系，确定所述多个切片二值化图像的位置关系；基于所述多个切片二值化图像的位置关系，对所述多个切片二值化图像进行拼合处理，以得到二值化预测图像；响应于所述二值化预测图像的尺寸不等于所述原始图像的尺寸，将所述二值化预测图像进行恢复尺寸处理，以得到所述第一二值化图像，响应于所述二值化预测图像的尺寸等于所述原始图像的尺寸，将所述二值化预测图像作为所述第一二值化图像，其中，所述第一二值化图像的尺寸和所述原始图像的尺寸相同。

例如，在本公开至少一实施例提供的图像处理方法中，根据所述第二切片尺寸和所述切片数量，基于所述原始图像确定待切片原始图像，包括：根据所述第二切片尺寸和所述切片数量，确定待切片尺寸；响应于所述原始图像的尺寸与所述待切片尺寸相同，将所述原始图像作为所述待切片原始图像；响应于所述原始图像的尺寸与所述待切片尺寸不相同，对所述原始图像的尺寸进行调整以得到所述待切片原始图像，其中，所述待切片原始图像的尺寸与所述待切片尺寸相同。

例如，在本公开至少一实施例提供的图像处理方法中，所述切片数量l通过如下公式获得：

l＝round(m/p)×round(n/q)

其中，所述原始图像的尺寸为m×n，所述第二切片尺寸为p×q，round(*)表示舍五入取整函数。

例如，在本公开至少一实施例提供的图像处理方法中，对所述第一二值化图像进行处理，以得到像素外接轮廓图像，包括：对所述第一二值化图像进行模糊化处理，得到模糊图像；对所述模糊图像和所述第一二值化图像进行异或处理，以得到所述像素外接轮廓图像。

例如，在本公开至少一实施例提供的图像处理方法中，根据所述像素外接轮廓图像中的所述多个外接轮廓像素的位置，对所述第二二值化图像和所述第一二值化图像进行合成，以得到所述合成图像，包括：获取所述像素外接轮廓图像中的所述多个外接轮廓像素的位置；提取所述第二二值化图像中与所述多个外接轮廓像素的位置对应的位置处的多个目标第二二值化像素；根据所述第二二值化图像和所述第一二值化图像的像素对应关系，将所述第二二值化图像中的所述多个目标第二二值化像素分别合成到所述第一二值化图像中的相同位置，以得到所述合成图像。

例如，在本公开至少一实施例提供的图像处理方法中，通过第二二值化模型对所述原始图像进行处理，以得到第二二值化图像，包括：对所述原始图像进行灰度化处理，得到灰度图像；根据第一阈值，对所述灰度图像进行处理，得到中间二值化图像；以所述中间二值化图像为导向图，对所述灰度图像进行导向滤波处理，得到滤波图像；根据第二阈值，确定所述滤波图像中的高值像素，其中，所述高值像素的灰度值大于所述第二阈值；根据预设扩充系数，对所述高值像素的灰度值进行扩充处理，得到扩充图像；对所述扩充图像进行清晰化处理，得到清晰图像；以及对所述清晰图像的对比度进行调整，得到所述第二二值化图像。

例如，在本公开至少一实施例提供的图像处理方法还包括：对所述合成图像进行去黑边处理。

例如，在本公开至少一实施例提供的图像处理方法中，对所述合成图像进行去黑边处理包括：确定所述合成图像的边缘区域；遍历所述合成图像的边缘区域，判断是否存在尺寸超过预设阈值的黑色区域；响应于所述边缘区域包括尺寸超过所述预设阈值的至少一个黑色区域，将所述至少一个黑色区域对应的像素的灰阶值设置为预设灰阶值。

本公开至少一实施例提供一种图像处理装置，包括：获取模块，用于获取原始图像，其中，所述原始图像包括至少一个对象；切片模块，用于对所述原始图像进行切片处理，以得到所述原始图像的多个切片图像；第一二值化模块，用于通过第一二值化模型分别对所述多个切片图像进行处理，以得到所述多个切片图像分别对应的多个切片二值化图像；拼合模块，用于将所述多个切片二值化图像进行拼合处理，以得到第一二值化图像；处理模块，用于对所述第一二值化图像进行处理，以得到像素外接轮廓图像，其中，所述像素外接轮廓图像包括多个外接轮廓像素，所述多个外接轮廓像素包围的区域内的像素为所述至少一个对象中的至少部分对象对应的像素；第二二值化模块，用于通过第二二值化模型对所述原始图像进行处理，以得到第二二值化图像；合成模块，用于根据所述多个外接轮廓像素在所述像素外接轮廓图像中的位置，对所述第二二值化图像和所述第一二值化图像进行合成，以得到合成图像，其中，所述合成图像为二值化图像。

本公开至少一实施例提供一种电子设备，包括：存储器，用于非瞬时性地存储计算机可读指令；处理器，用于运行所述计算机可读指令，所述计算机可读指令被所述处理器运行时实现根据本公开任一实施例所述的图像处理方法。

本公开至少一实施例提供一种非瞬时性计算机可读存储介质，其中，所述非瞬时性计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现根据本公开任一实施例所述的图像处理方法。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。

图1为本公开至少一实施例提供的一种图像处理方法的示意性流程图；

图2为本公开至少一实施例提供的一种原始图像的示意图；

图3为图1所示的图像处理方法中步骤s120的示例流程图；

图4为本公开一实施例提供的一种待切片原始图像的示意图；

图5a至5c为本公开至少一实施例提供的一种图像切片处理过程示意图；

图6a至6i为本公开一实施例提供的切片二值化图像的示意图；

图7a为图1所示的图像处理方法中步骤s140的示例流程图；

图7b为本公开至少一实施例提供的中间二值化预测图像的示意图；

图8为本公开一实施例提供的第一二值化图像的示意图；

图9为本公开一实施例提供的一种模糊图像的示意图；

图10为本公开一实施例提供的一种像素外接轮廓图像；

图11为本公开一实施例提供的一种第二二值化图像的示意图；

图12为本公开一实施例提供的一种合成图像的示意图；

图13a为本公开一实施例提供的一种带黑边的合成图像；

图13b为本公开一实施例提供的一种去除黑边后的合成图像；

图14为本公开至少一实施例提供的一种图像处理装置的示意性框图；

图15为本公开至少一实施例提供的一种电子设备的示意性框图；

图16为本公开至少一实施例提供的一种非瞬时性计算机可读存储介质的示意图；

图17为本公开至少一实施例提供的一种硬件环境的示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合附图，对本公开实施例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公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

为了保持本公开实施例的以下说明清楚且简明，本公开省略了部分已知功能和已知部件的详细说明。

现有技术中的二值化处理方法，当原始图像尺寸比较大时会降低二值化处理速率，因而一般需要根据处理速度和图像质量设置图像压缩比例。但是，若将压缩比例设置较大，虽然可以加快处理速度，然而最终得到的二值化图像的质量可能较差；若将压缩比例设置较小，虽然可以得到质量较好的二值化图像，但处理速度较慢，也即对原始图像进行二值化处理的过程较长。

本公开至少一实施例提供一种图像处理方法、图像处理装置、电子设备、非瞬时性计算机可读存储介质。图像处理方法包括：获取原始图像，其中，原始图像包括至少一个对象；对原始图像进行切片处理，以得到原始图像的多个切片图像；通过第一二值化模型分别对多个切片图像进行处理，以得到多个切片图像分别对应的多个切片二值化图像；将多个切片二值化图像进行拼合处理，以得到第一二值化图像；对第一二值化图像进行处理，以得到像素外接轮廓图像，其中，像素外接轮廓图像包括多个外接轮廓像素，多个外接轮廓像素包围的区域内的像素为至少一个对象中的至少部分对象对应的像素；通过第二二值化模型对原始图像进行处理，以得到第二二值化图像；根据多个外接轮廓像素在像素外接轮廓图像中的位置，对第二二值化图像和第一二值化图像进行合成，以得到合成图像，其中，合成图像为二值化图像。该图像处理方法能够对原始图像采用切片处理的方式，将较大尺寸的图片分成多个切片图像，然后分别对多个切片图像进行处理，既可实现图像的快速二值化处理，又能保证图片质量，同时可以提高图像处理的速度，从而本公开实施例提供的图像处理方法可以应用在手机等移动终端中，在提高处理速度的基础上，不需要压缩原始图像，从而不丢失图像细节，还可以实现对手机采集的图像进行实时处理。

此外，该图像处理方法能够将原始图像(例如，彩色图像或不清晰的图像)转换为黑白对比较为明显且清晰的合成图像，有效提高合成图像的质量，提高图像内容的辨识度；而且转换后的合成图像噪声干扰较少且黑白对比明显，从而可以有效改善打印效果。

需要说明的是，本公开实施例提供的图像处理方法可应用于本公开实施例提供的图像处理装置，该图像处理装置可被配置于电子设备上。该电子设备可以是个人计算机、移动终端等，该移动终端可以是手机、平板电脑等具有各种操作系统的硬件设备。

下面结合附图对本公开的实施例进行详细说明，但是本公开并不限于这些具体的实施例。

图1为本公开至少一实施例提供的一种图像处理方法的示意性流程图；图2为本公开至少一实施例提供的一种原始图像的示意图。

例如，如图1所示，本公开实施例提供的图像处理方法包括步骤s110至s170。

如图1所述，首先，图像处理方法包括步骤s110:获取原始图像。

例如，原始图像包括至少一个对象，对象可以为字符，字符可以包括中文(例如，汉字或拼音)、英文、日文、法文、韩文、拉丁文、数字等，此外，对象还可以包括各种符号(例如，大于符号、小于符号、百分号等)和各种图形等。至少一个对象可以包括印刷或者机器输入的字符，也可以包括手写字符。例如，如图2所示，在一些实施例中，原始图像中的对象可以包括印刷体的单词和字母(例如，英文、日文、法文、韩文、德文、拉丁文等不同国家的语言和文字)、印刷体的数字(例如，日期、重量、尺寸等)、印刷体的符号和图像等、手写的单词和字母、手写的数字、手写的符号和图形等。

例如，原始图像可以为各种类型的图像，例如，可以为购物清单的图像、餐饮小票的图像、试卷的图像、合同的图像等。如图2所示，原始图像可以为信件的图像。

例如，原始图像的形状可以为矩形等。原始图像的形状和尺寸等可以由用户根据实际情况自行设定。

例如，原始图像可以为通过图像采集装置(例如，数码相机或手机等)拍摄的图像，原始图像可以为灰度图像，也可以为彩色图像。需要说明的是，原始图像是指以可视化方式呈现待处理物体(例如，试卷、合作、购物小票等)的形式，例如待处理物体的图片等。又例如，原始图像也可以通过扫描等方式得到。例如，原始图像可以为图像采集装置直接采集到的图像，也可以是对采集得到的图像进行预处理之后获得的图像。例如，为了避免原始图像的数据质量、数据不均衡等对图像处理的影响，在处理原始图像前，本公开的至少一实施例提供的图像处理方法还可以包括对原始图像进行预处理的操作。预处理例如可以包括对图像采集装置直接采集到的图像进行剪裁、伽玛(gamma)校正或降噪滤波等处理。预处理可以消除原始图像中的无关信息或噪声信息，以便于更好地对原始图像进行图像处理。

接着，在步骤s120，对原始图像进行切片处理，以得到原始图像的多个切片图像。

例如，在本公开至少一实施例中，如图3所示，图像处理方法中的步骤s120可以具体包括步骤s1201-步骤s1204。

步骤s1201，确定第一切片尺寸和扩展切片尺寸。

例如，第一切片尺寸为实际切片尺寸，也即原始图像经过切片处理后的切片图像的尺寸，第一切片尺寸对应的宽度和高度相等，第一切片尺寸对应的宽度和高度也可以不相等。例如，在本公开至少一实施例中，第一切片尺寸可以为576×576，第一切片尺寸可以根据实际情况设置。

扩展切片尺寸为对原始图像进行切片处理时的图片扩展尺寸，根据图像处理需求及图像处理效果设定。例如，在本公开至少一实施例中，扩展切片尺寸可以为48、64等，扩展切片尺寸可以根据实际情况设置，例如，当扩展切片尺寸为48时，图像处理的效果较好，当扩展切片尺寸为64时，图像处理的效果更好，然而，最终确定的目标切片尺寸(后续描述的第二切片尺寸)则比较小。

例如，在图像处理的过程中，第一切片尺寸和扩展切片尺寸不变。

步骤s1202，根据第一切片尺寸和扩展切片尺寸，确定第二切片尺寸。

例如，在本公开至少一实施例中，扩展切片尺寸为单边扩展尺寸，则第二切片尺寸对应的宽度为，将第一切片尺寸对应的宽度减去两倍的单边扩展尺寸，第二切片尺寸对应的高度为，将第一切片尺寸对应的高度减去两倍的单边扩展尺寸。例如，第一切片尺寸为576×576，扩展切片尺寸为48，则第二切片尺寸为480×480。对原始图像进行切片处理时，切片处理根据第一切片尺寸来进行，第一切片尺寸会比第二切片尺寸(目标切片尺寸)大，目的是避免丢失边缘细节，这样各个切片图像之间会有重叠。

步骤s1203，根据原始图像的尺寸和第二切片尺寸，确定切片数量。

切片数量l通过如下公式获得：

l＝round(m/p)×round(n/q)(1)

其中，原始图像的尺寸为m×n，第二切片尺寸为p×q，m为原始图像的宽度，n为原始图像的高度，p为第二切片尺寸对应的宽度，q为第二切片尺寸对应的高度，round(*)为四舍五入取整函数。

例如，在一些示例中，原始图像的尺寸为1440×1440，需要说明的是，原始图像的尺寸不限于此，可以根据实际情况设置。第二切片尺寸为480×480，则切片数量为l＝round(1440/480)×round(1440/480)＝9，即原始图像最终被切分为9张切片图像。又例如，在另一些示例中，原始图像的尺寸为1000×1000，第二切片尺寸为480×480，则切片数量为l＝round(1000/480)×round(1000/480)＝4，即原始图像最终被切分为4张切片图像。

步骤s1204，根据扩展切片尺寸、第二切片尺寸和切片数量，对原始图像进行切片处理，以得到原始图像的多个切片图像。

例如，在本公开至少一实施例中，步骤s1204包括：根据第二切片尺寸和切片数量，基于原始图像确定待切片原始图像；基于第二切片尺寸和扩展切片尺寸，对待切片原始图像进行切片处理，以得到多个切片图像。

图4为本公开一实施例提供的一种待切片原始图像的示意图，例如，图4中的待切片原始图像可以为对图2中的原始图像进行尺寸调整后的图像。

根据第二切片尺寸和切片数量，基于原始图像确定待切片原始图像，可以包括：根据第二切片尺寸和切片数量，确定待切片尺寸；响应于原始图像的尺寸与待切片尺寸相同，将原始图像作为待切片原始图像；响应于原始图像的尺寸与待切片尺寸不相同，对原始图像的尺寸进行调整以得到待切片原始图像，其中，待切片原始图像的尺寸与待切片尺寸相同。

例如，待切片尺寸可以通过如下计算公式获得：

h＝round(n/q)×q(2)

w＝round(m/p)×p(3)

其中，待切片尺寸表示为w×h，m为原始图像的宽度，n为原始图像的高度，p为第二切片尺寸对应的宽度，q为第二切片尺寸对应的高度，round(*)为四舍五入取整函数。例如，待切片原始图像的尺寸与待切片尺寸相同，从而，待切片原始图像的尺寸为w×h，即待切片原始图像的宽度为w，待切片原始图像的高度为h。

例如，在一些实施例中，原始图像相对于第二切片尺寸可以整切时，可以直接将原始图像作为待切片原始图像，例如，原始图像的尺寸为1440×960，第二切片尺寸为480×480，根据上面待切片尺寸的计算公式(2)和(3)计算得到的待切片尺寸w(w＝round(1440/480)×480)×h(h＝round(960/480)×480)为1440×960，此时，原始图像的尺寸与待切片尺寸相同，将原始图像作为待切片原始图像。

例如，在另一些实施例中，原始图像相对于第二切片尺寸无法整切时，可以直接将原始图像进行调整以得到待切片原始图像，例如，原始图像的尺寸为1500×1000，第二切片尺寸为480×480，根据上面待切片尺寸的计算公式(2)和(3)计算得到的待切片尺寸w(w＝round(1500/480)×480)×h(h＝round(1000/480)×480)为1440×960，此时，原始图像的尺寸与待切片尺寸不相同，将原始图像的尺寸调整为1440×960，以得到待切片原始图像。

图5a至图5c为本公开至少一实施例提供的一种图像切片处理过程的示意图。如图5a至图5c所示，原始图像的尺寸为1440×1440，第一切片尺寸为576×576，第二切片尺寸为480×480，扩展切片尺寸为48。根据上面的描述可知，该原始图像可以被划分为9个子区域，也即该原始图像可以被切分为9张切片图像，每个子区域中的数字代表该子区域的编号，也即切片编号。

需要说明的是，在本公开的实施例中，尺寸的单位均为像素，也就是说，例如，第一切片尺寸为576×576，其表示第一切片尺寸为576像素×576像素。

例如，在一些实施例中，在步骤s1204中，基于第二切片尺寸和扩展切片尺寸，对待切片原始图像进行切片处理，以得到多个切片图像可以包括：根据第二切片尺寸，将待切片原始图像划分为多个子区域，其中，多个子区域的数量等于切片数量；之后，根据扩展切片尺寸和多个子区域，对待切片原始图像进行切片处理，以得到多个切片图像。例如，多个切片图像与多个子区域一一对应，多个切片图像中的每个切片图像的尺寸为第一切片尺寸，且包括多个子区域中的对应的一个子区域。

例如，原始图像包括四条固定边，多个子区域中的每个子区域包括四条区域边。根据扩展切片尺寸和多个子区域，对待切片原始图像进行切片处理，以得到多个切片图像，包括：响应于多个子区域中的第i个子区域对应的四条区域边均不与四条固定边重叠，以第i个子区域为中心，将第i个子区域对应的四条区域边分别向远离第i个子区域的方向延伸扩展切片尺寸，以得到第i个子区域对应的切片图像对应的切片位置，按照切片位置对待切片原始图像进行切片，以得到第i个子区域对应的切片图像；或者响应于多个子区域中的第i个子区域对应的四条区域边中的一条区域边与四条固定边中的一条固定边重叠，将四条区域边中的与一条区域边相对的区域边向远离第i个子区域的方向延伸两倍的扩展切片尺寸，并将四条区域边中的与一条区域边相邻的区域边分别向远离第i个子区域的方向延伸扩展切片尺寸，以得到第i个子区域对应的切片图像对应的切片位置，按照切片位置对待切片原始图像进行切片，以得到第i个子区域对应的切片图像；或者响应于多个子区域中的第i个子区域对应的四条区域边中的两条区域边与四条固定边中的两条固定边重叠，将四条区域边中的除两条区域边外的其他区域边向远离第i个子区域的方向延伸两倍的扩展切片尺寸，以得到第i个子区域对应的切片图像对应的切片位置，按照切片位置对待切片原始图像进行切片，以得到第i个子区域对应的切片图像。

例如，i为正整数，且小于等于多个子区域的数量。

例如，如图5a所示，在一些实施例中，在多个子区域中的第i个子区域对应的四条区域边均不与四条固定边重叠的情况下，例如，对于多个子区域中的编号为5的子区域，即i为5时，第i个子区域对应的四条区域边均不与四条固定边重叠，此时，以第i个子区域为中心，将第i个子区域对应的四条区域边分别向远离第i个子区域的方向延伸扩展切片尺寸，以得到第i个子区域对应的切片图像对应的切片位置，按照切片位置对待切片原始图像进行切片，以得到第i个子区域对应的切片图像。例如，在一些示例中，第5个子区域尺寸为480×480，将第5个子区域的四条区域边分别向远离第5个子区域的方向延伸48像素，可以得到图5a中包含四条虚线的虚线框，即切片位置，虚线框所限定的区域即为第5个子区域对应的切片图像的区域。按照该切片位置对待切片原始图像进行切片，以得到第5个子区域对应的切片图像，该切片图像的尺寸为576×576。

例如，如图5b所示，在一些实施例中，在多个子区域中的第i个子区域对应的四条区域边中的一条区域边与四条固定边中的一条固定边重叠的情况下，例如，对于多个子区域中的编号为2、4、6和8的子区域，即i为2、4、6和8时，第i个子区域对应的四条区域边中的有且仅有一条区域边与四条固定边中的一条固定边重叠，此时，将四条区域边中的与一条区域边相对的区域边向远离第i个子区域的方向延伸两倍的扩展切片尺寸，并将四条区域边中的与一条区域边相邻的区域边向分别向远离第i个子区域的方向延伸扩展切片尺寸，以得到第i个子区域对应的切片图像对应的切片位置，按照切片位置对待切片原始图像进行切片，以得到第i个子区域对应的切片图像。例如，以i为2为例，第2个子区域的尺寸为480×480，第2个子区域的上侧区域边与四条固定边中的上侧的固定边重叠，此时，保持第2个子区域的上侧区域边不变，将第2个子区域的下侧区域边向下延伸(即向远离第2个子区域的上侧区域边的方向延伸)两倍的扩展切片尺寸，也即96像素，第2个子区域的左侧区域边向左边延伸(即向远离第2个子区域的右侧区域边的方向延伸)扩展切片尺寸，也即48像素，第2个子区域的右侧区域边向右边延伸(即向远离第2个子区域的左侧区域边的方向延伸)扩展切片尺寸，也即48像素，由此可以得到图5b中包含三条虚线的虚线框，即切片位置，虚线框和四条固定边中的上侧的固定边所限定的区域即为第2个子区域对应的切片图像的区域。按照该切片位置对待切片原始图像进行切片，以得到第2个子区域对应的切片图像，该切片图像的尺寸为576×576。

例如，如图5b所示，第4个子区域的左侧区域边与四条固定边中的左侧的固定边重叠，第6个子区域的右侧区域边与四条固定边中的右侧的固定边重叠，第8个子区域的下侧区域边与四条固定边中的下侧的固定边重叠。

例如，如图5c所示，在一些实施例中，在多个子区域中的第i个子区域对应的四条区域边中的两条区域边与四条固定边中的两条固定边重叠的情况下，例如，对于多个子区域中编号为1、3、7和9的子区域，即i为1、3、7、9时，第i个子区域对应的四条区域边中的两条区域边与四条固定边中的两条固定边重叠，此时，将四条区域边中的除两条区域边外的其他区域边向远离第i个子区域的方向延伸两倍的扩展切片尺寸，以得到第i个子区域对应的切片图像对应的切片位置，按照切片位置对待切片原始图像进行切片，以得到第i个子区域对应的切片图像。例如，以i为1为例，第1个子区域的尺寸为480×480，保持第1个子区域的上侧区域边和左侧区域边不变，将第1个子区域的右侧区域边向右边延伸(即向远离第1个子区域的右侧区域边的方向延伸)两倍的扩展切片尺寸，也即96像素；将第1个子区域的下侧区域边向下方(即向远离第1个子区域的下侧区域边的方向延伸)延伸两倍的扩展切片尺寸，也即96像素。由此可以得到图5c中包含两条虚线的虚线框，即切片位置，虚线框和四条固定边中的上侧固定边及左侧固定边所限定的区域即为第1个子区域对应的切片图像的区域。按照该切片位置对待切片原始图像进行切片，以得到第1个子区域对应的切片图像，该切片图像的尺寸为576×576。

需要说明的是，在本公开的实施例中，上侧区域边和下侧区域边为两个彼此相对的区域边，左侧区域边和右侧区域边为两个彼此相对的区域边。“上侧”、“下侧”、“左侧”和“右侧”是从观看者的角度进行划分的。

根据上述实施例的切片处理方法，可以将较大尺寸的原始图像划分为多个切片进行处理，在保证图片处理速度的同时又能保证图像质量，解决了采用图像压缩方式的无法兼顾处理速度和图像质量的问题；此外，采用切片图像之间互有重叠的切片方式，使得切片图像的边缘细节得以保留，提高图像质量。

例如，在一些实施例中，在原始图像对应的切片图像的数量为1且原始图像的尺寸小于第二切片尺寸的情况下，例如，原始图像的尺寸为480×360，第二切片尺寸为480×480，根据上述切片数量的计算公式(1)计算得到的切片数量为1，即原始图像最终被切分为1张切片图像。此时需将原始图像的尺寸扩展至第二切片尺寸，即将原始图像的尺寸扩展为480×480，以得到待切片原始图像，即待切片原始图像的尺寸为480×480。对待切片原始图像进行切片处理时，由于切片图像的尺寸为第一切片尺寸(例如576×576)，从而需要将待切片原始图像的尺寸扩展为第一切片尺寸，即将待切片原始图像的尺寸扩展为576×576，以得到原始图像对应的一张切片图像。

例如，在另一些实施例中，在原始图像对应的切片图像的数量为1且原始图像的尺寸大于第二切片尺寸的情况下，例如，原始图像的尺寸为600×490，第二切片尺寸为480×480，则根据上述切片数量的计算公式(1)计算得到的切片数量为1，即原始图像最终被切分为1张切片图像。此时需将原始图像的尺寸缩小为第二切片尺寸，即将原始图像的尺寸调整为480×480，以得到待切片原始图像，即待切片原始图像的尺寸为480×480。对待切片原始图像进行切片处理时，由于切片图像的尺寸为第一切片尺寸(例如576×576)，从而需要将待切片原始图像的尺寸扩展为第一切片尺寸，即将待切片原始图像的尺寸扩展为576×576，以得到原始图像对应的一张切片图像。

例如，在另一些实施例中，上述切片数量的计算公式(1)中的round(m/p)和round(n/q)中的一个为1，另一个大于1(例如，2、3等)，此时，需要按照第二切片尺寸将待切片原始图像进行切片，以得到多张中间切片图像，然后，将多张中间切片图像的尺寸扩展至第一切片尺寸，以得到原始图像对应的多张切片图像。例如，在一个示例中，原始图像尺寸为1500×480，第二切片尺寸为480×480，则根据上述切片数量的计算公式(1)计算得到的切片数量l＝round(1500/480)×round(480/480)＝3，即原始图像最终被切分为3张切片图像。根据待切片尺寸的计算公式(2)和(3)计算得到待切片尺寸为1440×480，从而需要将原始图像的尺寸调整为1440×480，以得到尺寸为1440×480的待切片原始图像。对待切片原始图像进行切片处理时，将待切片原始图像根据第二切片尺寸切分为3张中间切片图像，每张中间切片图像的尺寸为第二切片尺寸，也即480×480；之后将每张中间切片图像的尺寸扩展为第一切片尺寸，也即576×576，以得到3张切片图像。

接着，如图1所示，在步骤s130，通过第一二值化模型分别对多个切片图像进行处理，以得到多个切片图像分别对应的多个切片二值化图像。

例如，第一二值化模型为基于神经网络的模型。例如，第一二值化模型可以采用机器学习技术实现并且例如运行在通用计算装置或专用计算装置上。该第一二值化模型为预先训练得到的神经网络模型。例如，第一二值化模型可以采用u-net神经网络、与u-net神经网络类似的神经网络、mask-rcnn神经网络等神经网络实现。

例如，第一二值化模型用于对原始图像进行二值化处理，以得到第一二值化图像。二值化处理是将原始图像上的像素的灰度值设置为第一灰度值(例如，0)或第二灰度值(例如，255)，也就是使得整个原始图像呈现出明显的黑白效果的过程。

例如，可以通过大量原始训练图像和该原始训练图像的二值化后的图像对待训练的第一二值化模型进行训练，然后建立第一二值化模型(例如，u-net神经网络等神经网络模型)。对该待训练的第一二值化模型进行训练以建立第一二值化模型的过程可以参考神经网络领域中的训练过程，具体过程不再赘述。

需要说明的是，在一些实施例中，还可以采用现有的二值化处理方法对原始图像进行二值化处理以得到第一二值化图像。例如，二值化处理方法可以包括阈值法，阈值法包括：设置二值化阈值，将原始图像中的每个像素的灰阶值与二值化阈值进行比较，若原始图像中的某像素的灰阶值大于或等于二值化阈值，则将该像素的灰阶值设置为255灰阶，若原始图像中的某像素的灰阶值小于二值化阈值，则将该像素的灰阶值设置为0灰阶，由此即可实现对原始图像进行二值化处理。例如，二值化阈值的选取方法包括双峰法、p参数法、大律法(otsu法)、最大熵值法、迭代法等。

例如，图6a至6i为根据本公开至少一实施例提供的对原始图像进行切片处理及二值化处理后的切片二值化图像。例如，图6a至6i中的图像可以为对图4中的待切片原始图像根据步骤s120以及步骤s130处理后的切片二值化图像，待切片原始图像被切分为9片切片图像，然后，分别对9片切片图像进行二值化处理以得到9张切片二值化图像，分别对应于图6a至图6i。例如，按照图5a-5c所示切分方式对图4所示的待切片原始图像切分后的得到多张切片图像，将多张切片图像分别进行步骤130处理后得到对应的切片二值化图像，图5a-5c所示的编号为1-9的子区域对应的切片二值化图像分别对应于图6a-6i，也就是说，图6a所示的切片二值化图像对应图4所示的待切片原始图像中与编号为1的子区域对应部分，依次类推。

接着，如图1所示，在步骤s140，将多个切片二值化图像进行拼合处理，以得到第一二值化图像。

例如，在本公开至少一实施例中，如图7a所示，图像处理方法中的步骤s140可以具体包括步骤s1401-步骤s1403。

步骤s1401，根据多个子区域在待切片原始图像中的位置关系，确定多个切片二值化图像的位置关系。

步骤s1402，基于多个切片二值化图像的位置关系，对多个切片二值化图像进行拼合处理，以得到二值化预测图像。

步骤s1403，响应于二值化预测图像的尺寸不等于原始图像的尺寸，将二值化预测图像进行恢复尺寸处理，以得到第一二值化图像，响应于二值化预测图像的尺寸等于原始图像的尺寸，将二值化预测图像作为第一二值化图像。

例如，第一二值化图像的尺寸和原始图像的尺寸相同。

例如，在本公开至少一实施例中，第一二值化图像中的所有像素排列为n行m列，步骤s1402包括：基于多个切片二值化图像的位置关系，对多个切片二值化图像进行拼合处理，以得到中间二值化预测图像，该中间二值化预测图像中的所有像素排列也为n行m列；响应于中间二值化预测图像中的第t1行第t2列仅包括一个像素，将位于第t1行第t2列的像素的灰阶值作为该二值化预测图像中的第t1行第t2列的像素的灰阶值；响应于中间二值化预测图像中的第t1行第t2列包括多个像素，将位于第t1行第t2列的多个像素的灰阶值进行或运算以得到该二值化预测图像中的第t1行第t2列的像素的灰阶值。

例如，n、m、t1、t2均为正整数，且t1小于等于n，t2小于等于m。

图7b为本公开至少一实施例提供的中间二值化预测图像的示意图。例如，图7b中的阴影区域表示切片二值化图像之间由于扩展尺寸而在拼合过程中形成的重合区域。

例如，在一些实施例中，位于第t1行第t2列的像素为图7b中的p1点，而p1点为编号为1的切片二值化图像以及编号为2的切片二值化图像之间的重合区域中的某个像素，此时，中间二值化预测图像中的位于第t1行第t2列(即p1点)包括2个像素，该2个像素分别为编号为1的切片二值化图像中位于第t1行第t2列的像素和编号为2的切片二值化图像中位于第t1行第t2列的像素。例如，在另一些实施例中，位于第t1行第t2列的像素为图7b中的p2点，而p2点为编号为1的切片二值化图像、编号为2的切片二值化图像、编号为4的切片二值化图像以及编号为5的切片二值化图像之间的重合区域中的某个像素，此时，中间二值化预测图像中的位于第t1行第t2列(即p2点)包括4个像素，该4个像素分别为编号为1的切片二值化图像中位于第t1行第t2列的像素、编号为2的切片二值化图像中位于第t1行第t2列的像素、编号为4的切片二值化图像中位于第t1行第t2列的像素、编号为5的切片二值化图像中位于第t1行第t2列的像素。例如，在另一些实施例中，位于第t1行第t2列的像素为图7b中的p3点，而p3点为非重合区域(例如，图7b所示的示例中，p3点为编号为2的切片二值化图像中的非重合区域中的某个像素，但不限于此，p3点为编号为1的切片二值化图像中的非重合区域中的某个像素)中的某个像素，此时，中间二值化预测图像中的位于第t1行第t2列(即p3点)包括一个像素。图7b中点划线框表示编号为1的切片二值化图像，虚线框表示编号为2的切片二值化图像，实线框表示各个切片二值化图像对应的切片图像中的子区域的部分。

例如，以图5a中编号为1和编号为2的子区域以及图7b中编号为1和编号为2的两张切片二值化图像为例进行说明。将图5a中编号为1的子区域和编号为2的子区域对应的两张切片图像分别通过第一二值化模型进行处理，以得到该两张切片图像对应的切片二值化图像，也即编号为1的切片二值化图像和编号为2的切片二值化图像；将编号为1的切片二值化图像和编号为2的切片二值化图像按照编号为1的子区域和编号为2的子区域在原始图像中的位置关系进行排列。需要说明的是，在进行拼合处理时，由于切片图像是基于扩展切片尺寸和第二切片尺寸对原始图像进行切分而得到的，且编号为1的子区域和编号为2的子区域为相邻的子区域，由此，编号为1的子区域对应的切片二值化图像和编号为2的子区域对应的切片二值化图像具有重合区域，如图7b中编号为1的切片二值化图像和编号为2的切片二值化图像之间的阴影区域所示。

例如，如图7b所示，在一个示例中，当中间二值化预测图像中的位于第t1行第t2列的像素为图7b中的重合区域的中像素p1点时，该p1点处具有编号为1的切片二值化图像中的像素(例如第一像素)和编号为2的切片二值化图像中的像素(例如第二像素)，将p1点处的多个像素(即第一像素和第二像素)的灰阶值进行或运算，以作为二值化预测图像中的位于第t1行第t2列的像素的灰阶值；例如，在另一个示例中，当中间二值化预测图像中的位于第t1行第t2列的像素为图7b中的重合区域的中像素p2点时，该p2点处具有编号为1的切片二值化图像中的像素(例如第一像素)、编号为2的切片二值化图像中的像素(例如第二像素)、编号为4的切片二值化图像中的像素(例如第三像素)以及编号为5的切片二值化图像中的像素(例如第四像素)，将p2点处的多个像素(即第一像素、第二像素、第三像素以及第四像素)的灰阶值进行或运算，以作为二值化预测图像中的位于第t1行第t2列的像素的灰阶值；例如，在另一个示例中，当中间二值化预测图像中的位于第t1行第t2列的像素为图7b中的非重合区域的中像素p3点时，该p3点处具有编号为2的切片二值化图像中的像素(例如第一像素)，将p3点处的一个像素(即第一像素)作为二值化预测图像中的位于第t1行第t2列的像素的灰阶值。

上述实施例中将重合区域中的像素以或运算的方式进行像素的灰阶值计算，可以融合不同切片二值化图像的边缘特征，以提高图像质量。

例如，在本公开至少一实施例中，步骤s1402包括：提取每个切片二值化图像中对应于其对应的切片图像中的子区域的部分，以作为该切片二值化图像的中间切片二值化图像；基于多个切片二值化图像的位置关系，对多个切片二值化图像对应的中间切片二值化图像进行拼合处理，以得到二值化预测图像。

例如，以图5a中编号为1的子区域和图7b中编号为1的切片二值化图像为例进行说明获取中间切片二值化图像以及对中间切片二值化图像进行拼合处理的过程。将编号为1的子区域对应的切片图像通过第一二值化模型进行处理，以得到其对应的切片二值化图像，也即编号为1的切片二值化图像；提取编号为1的切片二值化图像中，对应编号为1的切片图像中子区域的部分，也即图7b所示的编号为1的切片二值化图像中实线框部分，以得到编号为1的中间切片二值化图像；对所有切片二值化图像进行上述处理后得到所有切片二值化图像对应的中间切片二值化图像，然后，根据所有切片二值化图像在原始图像中的位置关系，将所有中间切片二值化图像按照该位置关系排列，以得到二值化预测图像。

例如，在一些实施例中，在步骤s1403中，可以采用插值法对二值化预测图像进行恢复尺寸处理，以得到第一二值化图像。例如，若二值化预测图像的尺寸为1440×960，原始图像的尺寸为1500×1000，将二值化预测图像进行尺寸恢复处理，也即将二值化预测图像的尺寸调整为1500×1000，以得到第一二值化图像。

例如，在步骤s1403中，若二值化预测图像的尺寸为1440×960，原始图像的尺寸也为1440×960，直接将二值化预测图像作为第一二值化图像。

例如，根据本公开至少一实施例，步骤s120还可以为：确定第二切片尺寸；根据原始图像的尺寸和第二切片尺寸，确定切片数量；根据第二切片尺寸和切片数量，对原始图像进行切片处理，以得到原始图像的多个切片图像，其中，多个切片图像的数量等于切片数量，多个切片图像中的每个切片图像的尺寸为第二切片尺寸。其中，根据第二切片尺寸和切片数量，对原始图像进行切片处理，以得到原始图像的多个切片图像包括：根据第二切片尺寸和切片数量，基于原始图像确定待切片原始图像；基于第二切片尺寸，对待切片原始图像进行切片处理，以得到多个切片图像。

例如，多个切片图像的数量等于切片数量，多个切片图像中的每个切片图像的尺寸为第二切片尺寸，也就是说，此时不需要对第二切片尺寸进行尺寸扩展处理，而直接基于第二切片尺寸对原始图像进行切片。多个切片图像之间不具有重叠的部分。

此时，步骤s140包括：根据多个切片图像在待切片原始图像中的位置关系，确定多个切片二值化图像的位置关系；基于多个切片二值化图像的位置关系，对多个切片二值化图像进行拼合处理，以得到二值化预测图像；响应于二值化预测图像的尺寸不等于原始图像的尺寸，将二值化预测图像进行恢复尺寸处理，以得到第一二值化图像，响应于二值化预测图像的尺寸等于原始图像的尺寸，将二值化预测图像作为第一二值化图像。在本实施例中，多个切片二值化图像之间不具有重叠的部分，从而该多个切片二值化图像拼合得到的二值化预测图像中不存在同一像素对应两个灰阶值的情况。

例如，第一二值化图像的尺寸和原始图像的尺寸相同。

上述实施例对原始图像进行切片处理，可以将较大尺寸的原始图像划分为多个切片进行处理，在保证图片处理速度的同时又能保证图像质量，解决了采用图像压缩方式的无法兼顾处理速度和图像质量的问题；对待切片原始图像进行尺寸调整，以保证切片图像的尺寸均为第一切片尺寸，提升图像处理效率。

图8为本公开一实施例提供的第一二值化图像的示意图，例如，图8为对图6a至6i的切片二值化图像根据步骤s140进行处理得到的第一二值化图像，也是图2所示原始图像的第一二值化图像。例如，如图8所示，在第一二值化图像中，黑色像素表示对象对应的像素，而白色像素则表示背景对应的像素。

图9为本公开一实施例提供的一种模糊图像的示意图，图10为本公开一实施例提供的一种像素外接轮廓图像。

接着，如图1所示，在步骤s150中，对第一二值化图像进行处理，以得到像素外接轮廓图像。

例如，图10示出的像素外接轮廓图像为对图8所示的第一二值化图像进行处理后得到的像素外接轮廓图像。

例如，如图10所示，像素外接轮廓图像包括多个外接轮廓像素，图10中白色像素表示外接轮廓像素。多个外接轮廓像素包围的区域内的像素为至少一个对象中的至少部分对象对应的像素，图10中白色像素内部的黑色像素则表示对象的像素。

例如，在一些实施例中，步骤s150包括：对第一二值化图像进行模糊化处理，得到模糊图像；对模糊图像和第一二值化图像进行异或处理，以得到像素外接轮廓图像。

例如，图9示出的模糊图像可以为对图8所示的第一二值化图像进行模糊化处理后得到的模糊图像。如图8和图9所示，对第一二值化图像进行模糊化处理之后，该第一二值化图像中的对象的掩模区域(mask区域)变大。

例如，在一些实施例中，可以采用高斯滤波对第一二值化图像进行模糊化处理。需要说明的是，在本公开中，模糊化处理的方法不限于高斯滤波，还可以为其它合适的方法，例如，中值滤波、均值滤波等。

例如，图10中的白色像素表示模糊图像和第一二值化图像之间的不同像素，也就是说，对于图10中的任一白色像素，在模糊图像中该白色像素对应的位置处的像素的灰阶值与在第一二值化图像中该白色像素对应的位置处的像素的灰阶值不相同。图10中的黑色像素表示模糊图像和第一二值化图像之间的相同像素，也就是说，对于图10中的任一黑色像素，在模糊图像中该黑色像素对应的位置处的像素的灰阶值与在第一二值化图像中该黑色像素对应的位置处的像素的灰阶值相同。

图11为本公开一实施例提供的一种第二二值化图像的示意图。

接着，如图1所示，在步骤s160中，通过第二二值化模型对原始图像进行处理，以得到第二二值化图像。

例如，图11所示的第二二值化图像为通过第二二值化模型对图2所示的原始图像进行处理后得到的图像。

例如，在步骤s160中，第二二值化模型进行的处理(例如，lessink处理)是根据原始图像进行处理的，例如，第二二值化模型进行的处理可以用来去除原始图像中的部分灰度像素，同时增强对象(例如，字符)的细节信息，即可以保留更多细节像素特征。第二二值化模型进行的处理可还以去除原始图像中的图像噪声干扰，使得对象的细节更加突出。

例如，在一些实施例中，步骤s160可以包括：对原始图像进行灰度化处理，得到灰度图像；根据第一阈值，对灰度图像进行处理，得到中间二值化图像；以中间二值化图像为导向图，对灰度图像进行导向滤波处理，得到滤波图像；根据第二阈值，确定滤波图像中的高值像素，其中，高值像素的灰度值大于第二阈值；根据预设扩充系数，对高值像素的灰度值进行扩充处理，得到扩充图像；对扩充图像进行清晰化处理，得到清晰图像；以及对清晰图像的对比度进行调整，得到第二二值化图像。

例如，灰度化处理的方法包括分量法、最大值法、平均值法和加权平均法等。

例如，可以采用阈值法对灰度图像进行二值化处理以得到中间二值化图像。例如，常用的二值化阈值选取方法有双峰法、p参数法、大律法(otsu法)、最大熵值法、迭代法等，第一阈值的选取方法可采用上述方法中的任一种。第一阈值可以根据实际情况设置，在此不作具体限制。

例如，在导向滤波处理中，以中间二值化图像为导向图，灰度图像为导向滤波处理中的输入图像，滤波图像为导向滤波处理中的输出图像，由此，通过中间二值化图像对灰度图像进行导向滤波处理，可以输出与灰度图像大体上相似且边缘纹理处与中间二值化图像相似的滤波图像，经过导向滤波处理后，图像中的噪声明显减少。

例如，第二阈值为滤波图像的灰度均值与灰度值的标准差之和，即第二阈值等于滤波图像中的各个像素的灰度值的平均值加上滤波图像中的各个像素的灰度值的标准差。

例如，在一些实施例中，预设扩充系数为1.2-1.5，例如，1.3。将每个高值像素的灰度值都乘以预设扩充系数，以对高值像素的灰度值进行扩充处理，从而得到黑白对比更加明显的扩充图像。

例如，在步骤s160中，在一些实施例中，对扩充图像进行清晰化处理，得到清晰图像，包括：采用高斯滤波对扩充图像进行模糊化处理，得到扩充图像对应的模糊图像；根据预设混合系数，将扩充图像对应的模糊图像和扩充图像按比例进行混合，得到清晰图像。通过对扩充图像进行清晰化处理，可以得到相对于扩充图像更加清晰的清晰图像。

例如，在步骤s160中，对清晰图像的对比度进行调整包括：根据清晰图像的灰度均值，对清晰图像的每个像素的灰度值进行调整。由此，通过对清晰图像的对比度进行调整，从而可以得到黑白对比更为明显的第二二值化图像。

图12为本公开一实施例提供的一种合成图像的示意图，例如，图12为对图8所示的第一二值化图像和图11所示的第二二值化图像进行合成的图像。例如，如图12所示，合成图像为二值化图像。

最后，如图1所示，在步骤s170中，根据多个外接轮廓像素在像素外接轮廓图像中的位置，对第二二值化图像和第一二值化图像进行合成，以得到合成图像。

需要说明的是，“对第二二值化图像和第一二值化图像进行合成，以得到合成图像”表示将第一二值化图像中的与多个外接轮廓像素的位置对应的像素的灰阶值替换为第二二值化图像中的与多个外接轮廓像素的位置对应的像素的灰阶值，即将第一二值化图像中的与多个外接轮廓像素的位置对应的像素全部替换成效果更好的像素。

例如，在一些实施例中，步骤s170包括：获取像素外接轮廓图像中的多个外接轮廓像素的位置；提取第二二值化图像中与多个外接轮廓像素的位置对应的位置处的多个目标第二二值化像素；根据第二二值化图像和第一二值化图像的像素对应关系，将第二二值化图像中的多个目标第二二值化像素分别合成到第一二值化图像中的相同位置，以得到原始图像的合成图像。

图13a为根据本公开一实施例提供的一种带黑边的合成图像。图13b为根据本公开一实施例提供的一种去除黑边后的合成图像。

如图13a所示，该合成图像的左下角和右下角处的黑色框线内具有图像处理过程中产生的黑色区域，即黑色框线内的黑色像素表示的部分。

由于图像处理过程产生的黑边影响图像质量和美观，因此需要对具有黑边的合成图像进行去黑边处理。例如，在一个示例中，图像处理方法还包括：对合成图像进行去黑边处理，也即对合成图像的边缘区域中的黑色区域进行清除处理，即将合成图像的边缘区域中的黑色区域的像素的灰阶值变为背景像素的灰阶值。值得注意的是，在本公开的实施例中，若背景像素为黑色像素，即背景像素的灰阶值为0，此时，对合成图像进行去黑边处理表示将边缘区域中的尺寸超过预设阈值的白色像素组成的区域中各个白色像素的灰阶值变为0，即此时预设灰阶值为0。

例如，对合成图像进行去去黑边处理包括：确定合成图像的边缘区域；遍历合成图像的边缘区域，判断是否存在尺寸超过预设阈值的黑色区域；响应于边缘区域包括尺寸超过预设阈值的至少一个黑色区域，将至少一个黑色区域对应的像素的灰阶值设置为预设灰阶值。

例如，确定合成图像的边缘区域可以包括：识别该合成图像的图像内容区域，将该合成图像中除图像内容区域以外的部分作为边缘区域。例如，确定合成图像的边缘区域可以包括：识别该合成图像的图像内容区域，以图像内容区域为中心，向外扩展第一预设尺寸，得到扩展图像区域；将该合成图像中除扩展图像区域以外的部分作为边缘区域。例如，确定合成图像的边缘区域可以包括：将从该合成图像的边缘向该合成图像的中心延伸第二预设尺寸的部分区域作为边缘区域。需要说明的是，边缘区域的尺寸和确定方法等本公开不作限制。

例如，遍历该边缘区域，若存在连续黑色像素，并且该连续黑色像素的数量超过预设阈值(例如，预设阈值可以为2个像素)，则该连续黑色像素即为需要去除的黑色区域，然后，将该黑色区域中各个像素的灰阶值设置为预设灰阶值，预设灰阶值可以为背景像素的灰阶值，例如，在一些示例中，背景像素可以为白色像素，此时，预设灰阶值为255。

例如，在一个示例中，对合成图像的上、下、左、右四个边缘分别进行遍历，例如，从合成图像的四个边缘开始行扫描和列扫描，判断是否存在连续黑色像素，且连续黑色像素的数量超过预设阈值。例如，采用扫描线函数，一行行、一列列地从合成图像的边缘开始遍历，当扫描到黑色像素，开始记录，且将该黑色像素当作黑色区域的起点，当下一行(或下一列)中与该黑色像素相邻的像素的灰阶值为0，则将与该黑色像素相邻的像素作为黑色区域的一部分，然后继续扫描，当下一行(或下一列)中与该黑色区域相邻的像素的灰阶值不为0，则此时已遍历至该黑色区域边界，停止扫描；判断黑色区域的尺寸是否超过预设阈值，若黑色区域的尺寸超过预设阈值，则将该黑色区域中各个像素的灰阶值设置为预设灰阶值；若黑色区域的尺寸不超过预设阈值，则保持该黑色区域中各个像素的灰阶值不变。

上述实施例以行扫描和列扫描的方式遍历图像，不必预先定义边缘区域，因而其实现方式更加简单和易操作。

需要说明的是，本实施例中的合成图像可以为经过上述实施例处理得到的合成图像，也可以为其他二值化目标图像，本公开对此不作限制。

需要说明的是，在本公开中，第二二值化图像中的像素被称为第二二值化像素，第一二值化图像中的像素被称为第一二值化像素，合成图像中的像素被称为合成像素，“第二二值化像素”、“第一二值化像素”、“合成像素”等仅仅是用于区分像素位于不同的图像，并不表示这些像素的结构、性质等有任何不同。

与上述的图像处理方法相对应，本公开至少一实施例还提供一种图像处理装置，图14为本公开至少一实施例提供的一种图像处理装置的示意性框图。

例如，如图14所示，图像处理装置1400包括：获取模块1401、切片模块1402、第一二值化模块1403、拼合模块1404、处理模块1405、第二二值化模块1406和合成模块1407。

获取模块1401用于获取原始图像，例如，原始图像包括至少一个对象。

切片模块1402用于对原始图像进行切片处理，以得到原始图像的多个切片图像。

第一二值化模块1403用于通过第一二值化模型分别对多个切片图像进行处理，以得到多个切片图像分别对应的多个切片二值化图像。

拼合模块1404用于将多个切片二值化图像进行拼合处理，以得到第一二值化图像。

处理模块1405用于对第一二值化图像进行处理，以得到像素外接轮廓图像。例如，像素外接轮廓图像包括多个外接轮廓像素，多个外接轮廓像素包围的区域内的像素为至少一个对象中的至少部分对象对应的像素。

第二二值化模块1406用于通过第二二值化模型对原始图像进行处理，以得到第二二值化图像。

合成模块1407用于根据多个外接轮廓像素在像素外接轮廓图像中的位置，对第二二值化图像和第一二值化图像进行合成，以得到合成图像。例如，合成图像为二值化图像。

例如，获取模块1401、切片模块1402、第一二值化模块1403、拼合模块1404、处理模块1405、第二二值化模块1406和/或合成模块1407包括存储在存储器中的代码和程序；处理器可以执行该代码和程序以实现如上的获取模块1401、切片模块1402、第一二值化模块1403、拼合模块1404、处理模块1405、第二二值化模块1406和/或合成模块1407的一些功能或全部功能。例如，获取模块1401、切片模块1402、第一二值化模块1403、拼合模块1404、处理模块1405、第二二值化模块1406和/或合成模块1407可以是专用硬件器件，用来实现如上的获取模块1401、切片模块1402、第一二值化模块1403、拼合模块1404、处理模块1405、第二二值化模块1406和/或合成模块1407的一些或全部功能。例如，获取模块1401、切片模块1402、第一二值化模块1403、拼合模块1404、处理模块1405、第二二值化模块1406和/或合成模块1407可以是一个电路板或多个电路板的组合，用于实现如上所述的功能。在本申请实施例中，该一个电路板或多个电路板的组合可以包括：(1)一个或多个处理器；(2)与处理器相连接的一个或多个非暂时的存储器；以及(3)处理器可执行的存储在存储器中的固件。

需要说明的是，获取模块1401用于实现图1所示的步骤s110，切片模块1402用于实现图1所示的步骤s120，第一二值化模块1403用于实现图1所示的步骤s130，拼合模块1404用于实现图1所示的步骤s140，处理模块1405用于实现图1所示的步骤s150，第二二值化模块1406用于实现图1所示的步骤s160，合成模块1407用于实现图1所示的步骤s170。从而关于获取模块1401的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s110的相关描述，关于切片模块1402的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s120的相关描述，关于第一二值化模块1403的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s130的相关描述，关于拼合模块1404的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s140的相关描述，关于处理模块1405的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s150的相关描述，关于第二二值化模块1406的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s160的相关描述，关于合成模块1407的具体说明可以参考上述图像处理方法的实施例中图1所示的步骤s170的相关描述。此外，图像处理装置可以实现与前述图像处理方法相似的技术效果，在此不再赘述。

本公开至少一实施例还提供一种电子设备，图15为本公开至少一实施例提供的一种电子设备的示意性框图。

例如，如图15所示，电子设备包括处理器1001、通信接口1002、存储器1003和通信总线1004。处理器1001、通信接口1002、存储器1003通过通信总线1004实现相互通信，处理器1001、通信接口1002、存储器1003等组件之间也可以通过网络连接进行通信。本公开对网络的类型和功能在此不作限制。

例如，存储器1003用于非瞬时性地存储计算机可读指令。处理器1001用于运行计算机可读指令时，计算机可读指令被处理器1001运行时实现根据上述任一实施例所述的图像处理方法。关于该图像处理方法的各个步骤的具体实现以及相关解释内容可以参见上述图像处理方法的实施例，在此不作赘述。

例如，处理器1001执行存储器1003上所存储的程序而实现图像处理方法的实现方式，与前述图像处理方法的实施例部分所提及的实现方式相同，这里也不再赘述。

例如，通信总线1004可以是外设部件互连标准(pci)总线或扩展工业标准结构(eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

例如，通信接口1002用于实现电子设备与其他设备之间的通信。

例如，处理器1001和存储器1003可以设置在服务器端(或云端)。

例如，处理器1001可以控制电子设备中的其它组件以执行期望的功能。处理器1001可以是中央处理器(cpu)、网络处理器(np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。中央处理元(cpu)可以为x86或arm架构等。

例如，存储器1003可以包括一个或多个计算机程序产品的任意组合，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(rom)、硬盘、可擦除可编程只读存储器(eprom)、便携式紧致盘只读存储器(cd-rom)、usb存储器、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机可读指令，处理器1001可以运行所述计算机可读指令，以实现电子设备的各种功能。在存储介质中还可以存储各种应用程序和各种数据等。

例如，关于电子设备执行图像处理的过程的详细说明可以参考图像处理方法的实施例中的相关描述，重复之处不再赘述。

图16为本公开至少一实施例提供的一种非瞬时性计算机可读存储介质的示意图。例如，如图16所示，在存储介质1100上可以非暂时性地存储一个或多个计算机可读指令1101。例如，当计算机可读指令1101由处理器执行时可以执行根据上文所述的图像处理方法中的一个或多个步骤。

例如，该存储介质1100可以应用于上述电子设备和/或图像处理装置1400中。例如，存储介质1100可以包括电子设备中的存储器1003。

例如，关于存储介质1100的说明可以参考电子设备的实施例中对于存储器的描述，重复之处不再赘述。

图17示出了为本公开至少一实施例提供的一种硬件环境的示意图。本公开提供的电子设备可以应用在互联网系统。

利用图17中提供的计算机系统可以实现本公开中涉及的图像处理装置和/或电子设备的功能。这类计算机系统可以包括个人电脑、笔记本电脑、平板电脑、手机、个人数码助理、智能眼镜、智能手表、智能指环、智能头盔及任何智能便携设备或可穿戴设备。本实施例中的特定系统利用功能框图解释了一个包含用户界面的硬件平台。这种计算机设备可以是一个通用目的的计算机设备，或一个有特定目的的计算机设备。两种计算机设备都可以被用于实现本实施例中的图像处理装置和/或电子设备。计算机系统可以包括实施当前描述的实现图像处理所需要的信息的任何组件。例如，计算机系统能够被计算机设备通过其硬件设备、软件程序、固件以及它们的组合所实现。为了方便起见，图17中只绘制了一台计算机设备，但是本实施例所描述的实现图像处理所需要的信息的相关计算机功能是可以以分布的方式、由一组相似的平台所实施的，分散计算机系统的处理负荷。

如图17所示，计算机系统可以包括通信端口250，与之相连的是实现数据通信的网络，例如，计算机系统可以通过通信端口250发送和接收信息及数据，即通信端口250可以实现计算机系统与其他电子设备进行无线或有线通信以交换数据。计算机系统还可以包括一个处理器组220(即上面描述的处理器)，用于执行程序指令。处理器组220可以由至少一个处理器(例如，cpu)组成。计算机系统可以包括一个内部通信总线210。计算机系统可以包括不同形式的程序储存单元以及数据储存单元(即上面描述的存储器或存储介质)，例如硬盘270、只读存储器(rom)230、随机存取存储器(ram)240，能够用于存储计算机处理和/或通信使用的各种数据文件，以及处理器组220所执行的可能的程序指令。计算机系统还可以包括一个输入/输出组件260，输入/输出组件260用于实现计算机系统与其他组件(例如，用户界面280等)之间的输入/输出数据流。

通常，以下装置可以连接输入/输出组件260：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信接口。

虽然图17示出了具有各种装置的计算机系统，但应理解的是，并不要求计算机系统具备所有示出的装置，可以替代地，计算机系统可以具备更多或更少的装置。

对于本公开，还有以下几点需要说明：

(1)本公开实施例附图只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计。

(2)为了清晰起见，在用于描述本发明的实施例的附图中，层或结构的厚度和尺寸被放大。可以理解，当诸如层、膜、区域或基板之类的元件被称作位于另一元件“上”或“下”时，该元件可以“直接”位于另一元件“上”或“下”，或者可以存在中间元件。

(3)在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合以得到新的实施例。

以上所述仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，本公开的保护范围应以所述权利要求的保护范围为准。