一种特征点提取的方法与流程

1.本技术涉及一种特征点提取的方法，属于图像处理技术领域。


背景技术：

2.图像处理技术领域中，特征点提取是一种常见的技术手段，并在智能终端，车载摄像，安防监控等领域里有着广泛的应用。近些年来，高分辨率(4k/8k)和高帧率(90fps/120fps)显示屏的普及在带来提升用户体验的同时，也给图像处理带来了诸多的挑战，如特征点提取时间过长，精度不高等。
3.在现有技术中，先对原始图像进行裁切，通常取中间区域或者四个角，得到降低尺寸的原始图像，例如将一张原始图片的四周进行裁剪，只保留中间区域的像素点区域；然后对裁切后的图像以固定阈值进行特征点提取。该现有技术有以下缺点：裁切时很难判断有效区域，可能会导致提取的特征点数量不足。


技术实现要素：

4.本技术实施例提供了一种特征点提取方法，通过确定原始图像的有效子区域，很好地解决了对高分辨率图像或者高帧视频流提取特征点过程中，由于提取特征点的计算量过大从而导致处理时间过长的问题；并通过调整用于在有效子区域进行特征点提取的提取阈值，减少了特征点泛滥的问题，提高了特征点提取的精确度。为了达到上述目的，本技术实施例提供如下技术方案：
5.第一方面，本技术实施例提供了一种特征点提取方法，包括以下步骤：
6.确定原始图像上的至少一个有效子区域，该至少一个有效子区域为根据低分辨率图像上的至少一个有效子区域所确定，该低分辨率图像为对该原始图像进行降采样处理的图像；
7.对该原始图像上每个有效子区域进行特征点提取以得到该原始图像的特征点。
8.由于低分辨率图像相较于原始图像像素更少，在低分辨率图像上确定有效子区域速度更快，因此，根据低分辨率图像上的有效子区域来确定原始图像上的有效子区域速度也快，进而提高了在原始图像上进行特征点提取的效率。
9.在一种可能实现方式中，确定原始图像上的至少一个有效子区域，包括：
10.确定该低分辨率图像上的至少一个有效子区域；
11.将该低分辨率图像上的至少一个有效子区域进行后向映射以得到该原始图像的至少一个有效子区域，其中，该低分辨率图像上的一个有效子区域对应该原始图像的一个有效子区域。
12.由于通过后向映射将该低分辨率图像上的至少一个有效子区域映射到该原始图像的至少一个有效子区域，因此可以保证原始图像的特征点提取的精度。
13.在一种可能实现方式中，确定该低分辨率图像上的至少一个有效子区域包括：
14.将该低分辨率图像划分为若干个子区域；
15.对该低分辨率图像进行特征点提取以得到该低分辨率图像的特征点，该低分辨率图像的特征点分布在该若干个子区域内；
16.将该若干个子区域中含有特征点数量最多的前k个子区域作为该低分辨率图像的至少一个有效子区域，其中，k为大于等于2的正整数。
17.由于将该若干个子区域中含有特征点数量最多的前k个子区域作为该低分辨率图像的至少一个有效子区域，可以尽可能避免特征点数量不足的问题，并同时尽可能保留整张图的特征点信息。
18.在一种可能实现方式中，该特征点提取方法，还包括：
19.确定该原始图像上每个有效子区域的提取阈值；
20.对该原始图像上每个有效子区域进行特征点提取包括：
21.根据该原始图像上每个有效子区域的提取阈值对该原始图像上每个有效子区域进行特征点提取。
22.在一种可能实现方式中，确定该原始图像上每个子区域的提取阈值包括：
23.确定该低分辨率图像中每个有效子区域的提取阈值；
24.将该低分辨率图像中每个有效子区域的提取阈值作为该原始图像中每个有效子区域的提取阈值，其中，该低分辨率图像的一个有效子区域的提取阈值对应该原始图像上的一个有效子区域的提取阈值。
25.在一种可能实现方式中，确定该低分辨率图像中每个有效子区域的提取阈值，包括：
26.比较该低分辨率图像的所有有效子区域内的特征点数量之和和预设的特征点期望值；
27.若该特征点数量之和大于该特征点期望值，根据该低分辨率图像的每个有效子区域的特征点数量对固定阈值做调整以确定每个有效子区域的提取阈值；
28.若该特征点数量之和小于或等于该特征点期望值，将该低分辨率图像的所有有效子区域的提取阈值设定为该固定阈值。
29.由于该低分辨率图像的每个有效子区域的提取阈值可以根据所有有效子区域内的特征点数量之和进行调整，可以有效地避免了因为特征点数量过多导致提取时间过长的问题。
30.在一种可能实现方式中，该固定阈值为用于对该低分辨率图像进行特征点的提取阈值。
31.第二方面，本技术实施例还提供了一种特征点提取装置，包括：
32.确定模块，用于确定原始图像上的至少一个有效子区域，至少一个有效子区域为根据低分辨率图像上的至少一个有效子区域所确定，该低分辨率图像为对该原始图像进行降采样处理的图像；
33.提取模块，用于对每个原始图像上的有效子区域进行特征点提取以得到该原始图像的特征点。
34.在一种可能实现方式中，确定模块具体用于：
35.确定该低分辨率图像上的至少一个有效子区域；
36.将该低分辨率图像上的至少一个有效子区域进行后向映射以得到该原始图像的
至少一个有效子区域，其中，该低分辨率图像上的一个有效子区域对应该原始图像的一个有效子区域。
37.在一种可能实现方式中，确定模块具体用于：
38.将该低分辨率图像划分为若干个子区域；
39.对该低分辨率图像进行特征点提取以得到该低分辨率图像的特征点，该低分辨率图像的特征点分布在该若干个子区域内；
40.将该若干个子区域中含有特征点数量最多的前k个子区域作为该低分辨率图像的至少一个有效子区域，其中，k为大于等于2的正整数。
41.在一种可能实现方式中，该提取模块还包括：
42.阈值模块，用于确定该原始图像上每个有效子区域的阈值；
43.该提取模块具体用于：
44.根据该原始图像上每个有效子区域的阈值对该原始图像上每个有效子区域进行特征点提取。
45.在一种可能实现方式中，该阈值模块具体用于：
46.确定该低分辨率图像中每个有效子区域的阈值；
47.将该低分辨率图像中每个有效子区域的阈值作为该原始图像中每个有效子区域的阈值，其中，该低分辨率图像的一个有效子区域的阈值对应该原始图像上的一个有效子区域的阈值。
48.在一种可能实现方式中，该阈值模块具体用于：
49.比较该低分辨率图像的所有有效子区域内的特征点数量之和和预设的特征点期望值；
50.若该特征点数量之和大于该特征点期望值，根据该低分辨率图像的每个有效子区域的特征点数量对固定阈值做调整以确定每个有效子区域的阈值；
51.若该特征点数量之和小于或等于该特征点期望值，将该低分辨率图像的所有有效子区域的阈值设定为该固定阈值。
52.在一种可能实现方式中，该固定阈值为用于对该低分辨率图像进行特征点提取的阈值。
53.第三方面：本技术实施例还提供了一种特征点提取装置，包括：
54.至少一个处理器；
55.至少一个存储器，存储有计算机程序，当该计算机程序被该至少一个处理器执行时，实现如第一方面中任意一项该的特征点提取方法。
56.第四方面，本技术实施例还提供了一种存储指令的计算机可读存储介质，该存储介质中存储有计算机程序或指令，当其在计算机上运行时，使得计算机实现如第一方面中任一项该特征点提取方法。
57.第五方面，本技术实施例还提供了一种计算机程序产品，当其在计算机上运行时使得计算机执行第一方面中的任意一种方法。
附图说明
58.图1为本技术实施例提供的一种特征点提取方法；
59.图2为本技术实施例提供的一种系统架构示意图；
60.图3为本技术实施例提供的实时视频去噪流程示意图；
61.图4为本技术实施例提供的一种对低分辨率图像进行特征点提取的实现方式；
62.图5为本技术实施例提供的一种对低分辨率图像进行子区域划分的实现方式；
63.图6为本技术实施例提供的一种对低分辨率图像进行有效子区域确定的实现方式；
64.图7为本技术实施例提供的一种特征点提取装置结构示意图；
65.图8为本技术实施例提供的另一种特征点提取装置结构示意图。
具体实施方式
66.为了使本技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本技术进一步详细说明。
67.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
68.首先，对本技术中的部分用语进行解释说明，以便于本领域技术人员理解。
69.1、图像降采样：图像降采样又可以称为下采样(subsampled)，该技术方案适用于将目标图像进行等比例缩小，生成对应图像的略缩图。例如，对一幅尺寸为m x n的图像进行s倍降采样处理后，即得到一幅尺寸为(m/s)x(n/s)的图像，其中m为图像的像素长度，n为图像的像素宽度，s为降采样比例。降采样后，由于降采样后的图像所包含的像素点减少，因此在降采样后的图像上进行特征点提取的处理速度也会更快。
70.2、特征点：特征点指的是图像灰度值发生剧烈变化的点或者在图像边缘上曲率较大的点(即两个边缘的交点)。图像特征点能够反映图像本质特征，能够通过图像特征点标识图像中目标物体。通过特征点的匹配能够完成图像的匹配。
71.3、图像对齐：图像对齐指的是提取两张图像的特征点，并对该特征点进行匹配。接着利用仿射变换，或者透视变换等技术手段得到两幅图像之间的变换参数。在本技术中，对齐后的两张图像上的特征点之间具有一一对应关系。
72.4、原始图像：原始图像主要分为两种类型：rgb及cmyk。其中rgb的原始图像是由三种不同颜色成分组合而成，一个为红色，一个为绿色，另一个为蓝色；cmyk类型的原始图像则由四个颜色成分组成：青c、品m、黄y、黑k。cmyk类型的原始图像主要用于印刷行业。
73.5、映射：将图像进行缩放，旋转，平移，变换等操作，都需要在原始图像的像素点坐标和目标图像的像素点坐标之间建立一个映射规则，使得两图像图像坐标之间建立起一种对应关系，从而为目标图像的每一个像素赋值。
74.从原始图像到目标图像的映射叫前向映射；从目标图像到原始图像的映射称为后向映射，该后向映射不可避免地存在着部分像素映射回原始图像时坐标为浮点数的问题，而图像的像素值仅在整数坐标处有定义，最后就要利用图像插值方法来给这个待求像素点赋值。常用的插值算法有：最近邻插值，双线性插值，双三次插值方法等等。因为图像插值方法为现有技术，在本技术实施例中不做进一步阐述。
75.可以理解的是，在本技术实施例中，目标图像为低分辨率图像，即从原始图像到低分辨率图像的映射称为前向映射，从低分辨率图像到原始图像的映射称为后向映射。
76.在一种较优的具体实施例中，原始图像可以是高分辨率(2k，4k)，也可以是高帧(60/90/120fps)，或是高分辨率与高帧率的组合；在该原始图像上使用本技术的特征点提取方法，相较于现有技术特征点提取速度更快，所提取的特征点精度更高。
77.图1为本技术实施例提供的一种特征点提取方法，该特征点提取方法主要是确定原始图像的有效子区域后，动态调整特征点提取阈值，以此在快速提取特征点的同时，又能保证特征点的精度。具体地，该特征点提取方法包括以下步骤：
78.步骤s101，根据原始图像进行降采样，得到低分辨率图像。
79.具体地，输入尺寸大小为l x w的原始图像，其中l为原始图像的像素长度，w为原始图像的像素宽度。根据原始图像的尺寸，选择性地执行降采样操作。通过设定一个期望图像的尺寸与原始图像的尺寸进行比较，用于判断该原始图像是否需要进行降采样操作。若原始图像的尺寸小于期望图像的尺寸时，则不执行降采样操作。若原始图像的尺寸大于期望图像的尺寸时，则执行降采样操作；对该原始图像进行s倍降采样处理，将原始图像等比例缩小尺寸为(l/s)x(w/s)的低分辨率图像，即在原始图像中每行每列每隔s个点取一个点重新组成一幅低分辨率图像。值得注意的是，s为2以上的正整数。
80.步骤s102，对低分辨率图像进行特征点提取，得到低分辨率图像的特征点。
81.具体地，设定一个固定阈值，该固定阈值可用于所有特征点提取算法，根据该固定阈值对降采样后的低分辨率图像进行特征点提取,得到每个特征点的坐标信息。该特征点包括但不限于边缘区域或角点区域。
82.本技术的特征点提取操作以orb(oriented fast and rotated brief)为例，对特征点提取操作进一步示例说明。值得一提的是，特征点提取算法为orb只是一个一个举例说明，目的为了更清楚的解释本技术。该特征点提取算法可以是sift，surf，harris，orb，和光流法中的一种，在此不做具体限定。
83.该特征点提取操作是根据每一个像素点周围的图像灰度值进行确定该像素点是否为特征点。
84.首先，将低分辨率图像从彩色图像转化为灰度图像。
85.其次，任意选定一个像素点为候选特征点，以该候选特征点为圆心以x像素为半径画圆，逐个确定该圆上每一个像素点的灰度值。值得一提的是，x为大于等于2的正整数。
86.然后，将该圆上的每一个像素点的灰度值和该候选特征点的灰度值相减，得到相减后的绝对值。若该绝对值超过固定阈值thrnormal，则认为该圆上的像素点与该候选特征点差异度过大。
87.接着，统计该圆上有多少个像素点与该候选特征点差异度过大。如果候选点周围领域内有足够多的像素点与该候选点的灰度值差别够大，则认为该候选点为一个特征点。反之，则认为该候选点不为一个特征点。
88.最后，遍历该低分辨率图像上的所有像素点，提取所有的特征点和该特征点的像素坐标。可参考图4，该图表示提取特征点后的低分辨率图像。
89.需要说明的是，图4所展示的低分辨率图像的特征点分布只是一种示例；实际中，不同的低分辨率图像有着不同的特征点数量和特征点分布。
90.步骤s103，根据低分辨率图像上的特征点，确定低分辨率图像的有效子区域。
91.具体地，将低分辨率图像划分为m x n个子区域，每个子区域包含若干个特征点。对于一幅尺寸为长为l，宽为w的图像，将其分为m x n个子区域，则每个子区域的尺寸的长为l/m，宽为w/n。遍历所有子区域，确定该低分辨率图像中的每一个子区域内的特征点数量，选取该所有子区域中含有特征点数量最多的前k子区域作为有效子区域。
92.为了使本步骤更加清楚易懂，这里以一个具体的实例进一步说明。例如，若设定m＝7，n＝10，和k＝10。即该长为l/m，宽为w/n低分辨率图像的长度被均匀划分为7等份，该低分辨率图像的宽度被均匀划分为10等份。如果该低分辨率图像的长度和宽度不能分别被10和7整除，即每个子区域的尺寸的长l/m或者宽w/n两者之一不为整数，则可以通过对分割后的每个子区域的坐标进行四舍五入取整的方式解决。得到带有子区域的低分辨率图像，可参考图5。
93.该低分辨率图像共包括70个子区域。遍历所有70个子区域，确定每个子区域内的特征点数量。选择特征点数量最多的前10个子区域作为有效子区域，可参考图6，图6中被阴影覆盖的子区域表示为特征点数量最多的前10个子区域，即为低分辨率图像的有效子区域。
94.需要说明的是，图5所展示的划分方法只是一种示例；实际中，m，n，和k的值可以做一定程度的调整，例如m、n和k为大于等于2的正整数，在此不做具体限定。
95.步骤s104，确定低分辨率图像的每个有效子区域对应的提取阈值。
96.具体地，设定一个特征点期望值maxkpcnt，判断该低分辨率图像的全部有效子区域内的特征点数量之和totalkpcnt是否大于maxkpcnt。根据该判断结果，对该低分辨率图像的每一个有效子区域阈值thradptive进行调整。
97.若totalkpcnt大于maxkpcnt，则说明该低分辨率图像的全部有效子区域的提取阈值设定过低，而导致了该低分辨率图像提取的特征点数量过多。因此需要调整该低分辨率的每一个有效子区域的提取阈值thradptive，具体调整方式如下：
[0098][0099]
其中，thrmax为设定的最大提取阈值，该最大提取阈值必须大于固定阈值thrnormal，且小于255。在一个较优的实施例中，thrmax的数值设定为thrnormal的两倍。
[0100]
其中，cellkpcnt为单个需要调整的该有效子区域内的特征点数量。thrnormal为步骤s102中设定的固定阈值。
[0101]
若有效区域内特征点数量之和totalkpcnt小于或者等于maxkpcnt，则说明提取阈值thradptive设定合理，将该提取阈值thradptive设定为固定阈值thrnormal，具体调整方式如下：
[0102]
thradptive＝thrnormal
[0103]
步骤s105，根据低分辨率图像的有效子区域及对应的提取阈值确定原始图像的有效子区域及对应的提取阈值。
[0104]
具体地，首先读取步骤s104中低分辨率图像的每一个有效子区域的边界像素的坐标和该有效子区域的提取阈值。
[0105]
然后，将该低分辨率图像的每一个有效子区域的边界像素的坐标和该有效子区域
对应的提取阈值通过后向映射，即将有效子区域的边界像素的坐标从低分辨率图像映射到原始图像，得到原始图像的每一个有效子区域的边界像素的坐标和该有效子区域对应的提取阈值，以供在原始图片上进行特征点提取使用。
[0106]
值得一提的是，该低分辨图像的有效子区域与原始图像的有效子区域一一对应。
[0107]
步骤s106，在原始图像上进行特征点提取，得到该原始图像的特征点。
[0108]
具体地，根据该原始图像的有效子区域对应的提取阈值作为orb特征点提取方法中的提取阈值，使用orb特征点提取方法对原始图像上的每一个有效子区域分别进行提取特征点，得到该原始图像的特征点。
[0109]
根据本技术实施例公开的特征点提取方法，通过确定低分辨率图像中的特征点数量及分布确定低分辨率图像的有效子区域，再基于低分辨率图像的有效子区域来确定原始图像的有效子区域，可以有效的降低提取特征点的计算量，并保证特征点坐标信息的精度。并且，根据低分辨率图像的有效子区域内特征点的数量，动态调整该有效子区域的提取阈值，可以有效的将特征点数量控制在合理范围内，有效地避免了特征点泛滥的情况，避免提取特征点时间过长的问题。
[0110]
对本技术技术方案所适用的通用场景进行相关介绍。
[0111]
场景：实时视频去噪
[0112]
本技术的应用场景是在手机等智能终端设备，对实时视频流，利用特征点提取的方法实现每一帧之间图像的对齐。
[0113]
图2是本技术提供的一个实施例的系统架构示意图。该系统架构由实时视频流1001，特征点提取模块1002，帧间匹配/对齐模块1003，降噪/防抖等处理模块1004组成。其中，特征点提取方法所包含的步骤s101-s106可以由特征提取模块1002实现。
[0114]
实时视频流模块1001用于从视频流中读取每一帧图片。其中视频流可以分为以下两种形式：1，经过压缩的流数据，称为编码流。2，未经压缩的流数据，是解码后的流数据，称为原始流。在网络传输场景中，视频流为压缩后编码流。在视频播放的场景中，视频流为解码后的原始流。
[0115]
特征点提取模块1002用于从每一帧图片中提取特征点及各特征点附加的特征信息，如方向，尺度及特征向量。该特征点提取模块1002所采用的提取手段可以是sift，surf，harris，orb，或光流法中的一种，在此不做具体限定。在本技术的具体实施例中，特征点提取模块1002所采用的提取手段为orb。
[0116]
帧间匹配/对齐模块1003用于将每一帧的特征点与上一帧的特征点进行分析。具体步骤为，首先从特征点提取模块1002中获取当前帧的前一帧中的每个特征点分布位置，并再次根据特征点提取模块1002获取该每个特征点分布位置在当前帧的新分布位置。通过计算每个特征点在当前帧和每个特征点的平移和旋转信息，并根据每个特征点的平移和旋转信息确定该帧图像的偏移量。
[0117]
降噪/防抖等处理模块1004用于对每一帧的图像进行降噪处理。当累计的帧间偏移量超过一定阈值时，则对该帧的图像进行降噪处理。
[0118]
处理后的实时视频流1005用于输出最终降噪后的实时视频流。
[0119]
该场景的具体流程可以参考图3。
[0120]
步骤s201：输入视频流。
[0121]
具体地，在智能终端设备中获取实时视频流，将该实时视频流进行解码，得到每一帧的图像数据。
[0122]
步骤s202：获取第一帧或下一帧。
[0123]
具体地，在步骤s201后获取第一帧的图像数据；或者在步骤s206和步骤s211后获取下一帧的图像数据。
[0124]
步骤s203：判断是否为第一帧
[0125]
具体地，判断当前帧是否为第一帧。若当前帧是第一帧，则执行s204步骤；若当前帧不是第一帧，则执行s207步骤。
[0126]
步骤s204：对第一帧执行特征点提取方法的s101到s106所有步骤。
[0127]
具体地，对第一帧执行特征点提取方法的s101到s106所有步骤，依次包括有：s101，根据原始图像进行降采样，得到低分辨率图像。s102，对低分辨率图像完成第一次特征点提取，得到特征点数量分布。s103，根据特征点数量分布，确定原始图像的有效子区域。s104，确定有效子区域的自适应提取阈值。s105，将有效子区域对应的自适应提取阈值映射回原始图像。s106，在原始图像上进行第二次特征点提取，得到最终的特征点结果。
[0128]
步骤s205：保存本帧的有效子区域的坐标及该有效子区域所对应的自适应提取阈值。
[0129]
具体地，保存本帧的有效子区域的坐标及该有效子区域对应的自适应提取阈值。
[0130]
步骤s206：归零帧间偏移总量，δ＝0。
[0131]
具体地，将帧间偏移总量归零δ＝0。
[0132]
步骤s207：根据上一帧的有效子区域及自适应提取阈值确定本帧图片上的特征点。
[0133]
具体地，根据上一帧的有效子区域及自适应提取阈值确定本帧图片上的特征点。
[0134]
步骤s208：根据本帧和上一帧的特征点确定帧间偏移变化量
△
δ。
[0135]
具体地，查找上一帧的特征点在本帧的新位置，并求出每一个特征点的偏移量。将该每一个特征点的偏移量进行综合计算，得到帧间偏移变化量
△
δ。
[0136]
在现有的一种确定帧间偏移变化量的综合计算中，将所有特征点的偏移量取平均值，即可得到帧间偏移变化量
△
δ。
[0137]
步骤s209：累计帧间偏移变化量δ＝δ+
△
δ。
[0138]
具体地，将步骤s208中计算得到的偏移变化量
△
δ累加到帧间偏移总量δ，得到累加后的帧间偏移总量δ。
[0139]
步骤s210：判断是否有下一帧
[0140]
具体地，判断是否有下一帧。若有下一帧，则执行s211步骤；若没有下一帧，则执行s213步骤。
[0141]
步骤s211：判断δ是否超出设定阈值。
[0142]
具体地，判断δ是否超出设定阈值。若δ超出设定阈值，则执行s212步骤；若δ没有超出设定阈值，则执行s202步骤。
[0143]
步骤s213：输出视频流。图7和图8为本技术的实施例提供可能的图像处理装置的结构示意图。这些图像处理装置可以用于实现上述方法实施例所具备的有益效果。
[0144]
如图7所示，特征点提取装置700包括确定模块710、提取模块720和阈值模块730。
特征点提取装置700用于实现上述图1中所示的方法实施例的功能时；确定模块710用于执行s101-s105；提取模块720用于执行s106。有关上述确定模块710、提取模块720和阈值模块730更详细的描述可以直接参考图1所示的方法实施例中相关描述直接得到，这里不加赘述。
[0145]
应理解，以上特征点提取装置700的单元的划分是一种逻辑功能的划分。
[0146]
图8是本技术实施例的特征点提取装置的硬件结构示意图。图8所示的特征点提取装置800包括存储器801、处理器802、通信接口803以及总线804。其中，存储器801、处理器802、通信接口803通过总线804实现彼此之间的通信连接。
[0147]
存储器801可以是rom，静态存储设备和ram。存储器801可以存储程序，当存储器801中存储的程序被处理器802执行时，处理器802和通信接口803用于执行本技术实施例的图像处理方法的各个步骤。
[0148]
处理器802可以采用通用的，cpu，微处理器，asic，gpu或者一个或多个集成电路，用于执行相关程序，以实现本技术实施例的图像处理装置中的单元所需执行的功能，或者执行本技术方法实施例的图像处理方法。
[0149]
处理器802还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本技术实施例的图像处理方法的各个步骤可以通过处理器702中的硬件的集成逻辑电路或者软件形式的指令完成。
[0150]
上述处理器802还可以是通用处理器、dsp、asic、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。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器801，处理器802读取存储器801中的信息，结合其硬件完成本技术实施例的图像处理装置中包括的单元所需执行的功能，或者执行本技术方法实施例的图像处理方法。
[0151]
通信接口803使用例如但不限于收发器一类的收发装置，来实现装置800与其他设备或通信网络之间的通信。例如，可以通过通信接口703获取待处理图像。
[0152]
总线804可包括在装置800各个部件(例如，存储器801、处理器802、通信接口803)之间传送信息的通路。
[0153]
应理解，本技术实施例中的处理器可以为中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0154]
还应理解，本技术实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储
器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，ram)可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchlink dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。
[0155]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质。半导体介质可以是固态硬盘。
[0156]
应理解，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，其中a,b可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
[0157]
本技术中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
[0158]
应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0159]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0160]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0161]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的
划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0162]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0163]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0164]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0165]
以上所述，仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。