图像处理方法、系统、设备及存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及一种图像处理方法、系统、设备及存储介质。


背景技术：

2.在日常的生活中如交通灯场景(可不局限于该场景下，其余相关场景均可)，由于环境光(日照强度、车灯和路灯等)条件和移动端设备成像算法的作用会导致交通灯的灯珠颜色产生偏色现象，如红色偏黄、红色偏白、黄色偏白等，导致在交通违法判断时很容易造成误判以及漏判等问题。另外，由于雾天或夜晚的漫反射作用会导致交通灯的灯珠周围出现有色光晕，图像的成像质量会大幅下降且会对后续的智能算法如图像增强、图像去噪等算法会产生一定的影响。
3.针对交通信号灯描色的问题，传统的解决办法是获取移动端设备成像之后的rgb图像，直接在该张rgb图像上通过灯牌检测算法找到灯牌所在的位置，然后对灯牌的灯珠区域进行r、g和b通道的颜色分离之后，通过r通道/g通道和b通道/g通道的比值大小来确定该灯珠的颜色；或者将rgb图像通过阈值分割的方法找到灯珠所在的位置，然后根据具体的交通信号灯的类型，通过红灯、路灯和黄灯的转换规则对其进行人为描色。这些方法通常具有较强的先验信息、与灯牌类型有着强相关的作用，另外若rgb图像发生过曝后，则该方法准确率会大幅下降，鲁棒性较低。
4.针对交通信号灯抑制光晕的问题，传统的解决办法是直接获取移动端设备成像之后的rgb图像，找到需要去除光晕的区域后，通过指定的光晕范围和光晕等级生成合适的权值矩阵对区域进行逐像素乘法，输出的结果为抑制光晕后的图像，该方法的运行效率较慢，生成的权值矩阵和要抑制的光晕区域需要逐像素相乘，运行的时间和要抑制的光晕区域范围成正比相关且该步骤无法通过神经网络运算单元进行加速，只能运行在cpu上，极大地消耗了移动端设备的运行性能，且无法达到实时性的要求。


技术实现要素：

5.针对现有技术中的问题，本发明的目的在于提供一种图像处理方法、系统、设备及存储介质，提供了一种基于处理模型的端到端的图像处理方法，可以实时自动对图像进行描色和抑制光晕处理。
6.本发明实施例提供一种图像处理方法，包括如下步骤：
7.从成像设备获取原始raw图像和成像处理后的rgb图像；
8.将所述原始raw图像和所述rgb图像输入第一处理模型，得到所述第一处理模型输出的描色图像；
9.将所述描色图像和指示抑制光晕信息的数值图输入第二处理模型，得到所述第二处理模型输出的抑制光晕后的图像。
10.在一些实施例中，将所述描色图像和指示抑制光晕信息的数值图输入第二处理模
型之前，还包括如下步骤：
11.获取指定的抑制光晕信息，所述抑制光晕信息包括抑制光晕范围和/或抑制光晕等级；
12.基于所述抑制光晕信息生成与所述描色图像具有相同分辨率的指示抑制光晕信息的数值图，所述数值图包括指示抑制光晕范围的数值图和/或指示抑制光晕等级的数值图。
13.在一些实施例中，基于所述抑制光晕信息生成与所述描色图像具有相同分辨率的指示抑制光晕信息的数值图，包括如下步骤：
14.基于指定的抑制光晕范围以及预设的抑制光晕范围的最小值和最大值，计算抑制光晕范围的数值，基于所述抑制光晕范围的数值生成与所述描色图像具有相同分辨率的指示抑制光晕范围的数值图；和/或，
15.基于指定的抑制光晕等级以及预设的抑制光晕等级的最小值和最大值，计算抑制光晕等级的数值，基于所述抑制光晕等级的数值生成与所述描色图像具有相同分辨率的指示抑制光晕等级的数值图。
16.在一些实施例中，所述指定的抑制光晕信息还包括指定的抑制光晕位置，所述数值图还包括指示抑制光晕位置的数值图。
17.在一些实施例中，基于所述抑制光晕信息生成与所述描色图像具有相同分辨率的指示抑制光晕信息的数值图，包括如下步骤：
18.基于所述指定的抑制光晕位置，生成与所述描色图像具有相同分辨率的指示抑制光晕位置的数值图，其中对应于抑制光晕位置的像素数值为第一数值，对应于非抑制光晕位置的像素数值为第二数值，第一数值不同于第二数值。
19.在一些实施例中，还包括如下步骤：
20.采集多个样本原始raw图像和对应的样本rgb图像，组成多个样本图像对；
21.基于每对样本图像在其中的样本rgb图像中进行描色处理，得到目标描色图像；
22.将所述样本图像对作为所述第一处理模型的输入，所述目标描色图像作为所述第一处理模型的拟合目标，训练所述第一处理模型。
23.在一些实施例中，还包括如下步骤：
24.获取多个样本描色图像；
25.生成多个指示不同抑制光晕信息且与样本描色图像分辨率相同的高斯图；
26.将各个所述样本描色图像与相对应的所述高斯图逐像素相乘，得到对应的目标抑制光晕图像；
27.将各个所述样本描色图像分别与对应的各个指示不同抑制光晕信息的数值图组合作为所述第二处理模型的输入，将对应的所述目标抑制光晕图像作为所述第二处理模型的拟合目标，训练所述第二处理模型。
28.在一些实施例中，所述第二处理模型包括依次串联的第一卷积层、第二卷积层、残差块、第三卷积层和第四卷积层，将所述描色图像和指示抑制光晕信息的数值图输入第二处理模型之后，还包括将所述指示抑制光晕信息的数值图添加至所述第二卷积层的输入和所述残差块的输入。
29.本发明的图像处理方法中，基于原始raw图像和rgb图像，通过第一处理模型得到
对应的描色图像，可以提高描色的准确性，并且将描色图像与指示抑制光晕信息的数值图一起通过第二处理模型得到对应的抑制光晕后的图像，实现描色和抑制光晕的自动化处理，提高了图像的整体成像效果，简化了流程，并且可以满足实时性的要求。
30.本发明实施例还提供一种图像处理系统，应用于所述的图像处理方法，所述系统包括：
31.图像采集模块，用于从成像设备获取原始raw图像和成像处理后的rgb图像；
32.第一处理模块，用于将所述原始raw图像和所述rgb图像输入第一处理模型，得到所述第一处理模型输出的描色图像；
33.第二处理模块，用于将所述描色图像和指示抑制光晕信息的数值图输入第二处理模型，得到所述第二处理模型输出的抑制光晕后的图像。
34.本发明通过图像采集模块和第一处理模块，基于原始raw图像和rgb图像，通过第一处理模型得到对应的描色图像，可以提高描色的准确性，并且采用第二处理模块将描色图像与指示抑制光晕信息的数值图一起通过第二处理模型得到对应的抑制光晕后的图像，实现描色和抑制光晕的自动化处理，提高了图像的整体成像效果，简化了流程，并且可以满足实时性的要求。
35.本发明实施例还提供一种图像处理设备，包括：
36.处理器；
37.存储器，其中存储有所述处理器的可执行指令；
38.其中，所述处理器配置为经由执行所述可执行指令来执行所述的图像处理方法的步骤。
39.通过采用本发明所提供的图像处理设备，所述处理器在执行所述可执行指令时执行所述的图像处理方法，由此可以获得上述图像处理方法的有益效果。
40.本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的图像处理方法的步骤。
41.通过采用本发明所提供的计算机可读存储介质，其中存储的程序在被执行时实现所述的图像处理方法的步骤，由此可以获得上述图像处理方法的有益效果。
附图说明
42.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
43.图1是本发明一实施例的图像处理方法的流程图；
44.图2是本发明一实施例的原始raw图像预处理的流程图；
45.图3是本发明一实施例的rgb图像预处理的流程图；
46.图4是本发明一实施例的自编码器采用的网络结构图；
47.图5是本发明一实施例的残差块的网络结构图；
48.图6是本发明一实施例的第二处理模型的网络结构图；
49.图7是本发明一实施例的图像处理系统的示意图；
50.图8是本发明一实施例的图像处理设备的结构示意图；
51.图9是本发明一实施例的计算机存储介质的结构示意图。
具体实施方式
52.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
53.如图1所示，在一实施例中，本发明提供了一种图像处理方法，包括如下步骤：
54.s100：从成像设备获取原始raw图像和成像处理后的rgb图像；
55.在该实施例中，所述成像设备例如可以是自带成像处理算法的摄像机，此处的成像处理算法指的是将原始raw图像处理得到rgb图像的算法；该成像设备可以采用cmos(complementary metal oxide semiconductor，互补金属氧化物半导体)传感器，其采集到的数据为原始raw图像，其内部进行成像处理后，得到rgb图像输出；
56.由于数字图像处理中的非线性操作或者提亮操作等，会导致rgb图像出现过曝、偏色等现象，而最原始的raw图像未经任何处理，能够保留图像最丰富和最原始的信息。因此raw图像能够提供最原始的图像信息，而rgb图像能够提供从raw图像到rgb图像的重建信息，将两者进行结合能够在准确描色的同时，无差别地恢复出图像的内容，且具有较强的鲁棒性，能够适应不同场景的交通信号灯描色及其他应用场景中的图像目标区域描色。
57.s200：将所述原始raw图像和所述rgb图像输入第一处理模型，得到所述第一处理模型输出的描色图像；
58.在该实施例中，所述第一处理模型可以是预先训练好的第一自编码器模型，通过第一自编码器模型自动对图像进行描色，描色得到的图像也是rgb图像，为了与步骤s100中采集的rgb图像进行区分，以下采用描色图像指代；在其他可替代的实施例中，该第一处理模型也可以为其他类型的机器学习模型，例如卷积神经网络等。
59.s300：将所述描色图像和指示抑制光晕信息的数值图输入第二处理模型，得到所述第二处理模型输出的抑制光晕后的图像。
60.在该实施例中，所述第二处理模型为预先训练好的第二自编码器模型，通过第二自编码器模型自动对图像进行抑制光晕处理，实现抑制光晕的自动化，并且抑制光晕的效果可以通过指示抑制光晕信息的数值图来调整，在指示抑制光晕信息的数值图中，包括标识光晕信息的区域和未标识光晕信息的区域，标识光晕信息的区域与未标识光晕信息的区域采用不同的数值表示，通过读取标识光晕信息的区域的形状、数值等可以获取到该数值图指示的光晕信息。
61.本技术通过步骤s100和s200，基于原始raw图像和rgb图像，通过第一处理模型得到对应的描色图像，可以提高描色的准确性，并且采用步骤s300将描色图像与指示抑制光晕信息的数值图一起通过第二处理模型得到对应的抑制光晕后的图像，实现描色和抑制光晕的自动化处理，提高了图像的整体成像效果，简化了流程，并且可以满足实时性的要求。
62.因此，本技术解决了传统的交通信号灯因图像过曝存在的鲁棒性差，描色准确率较低的问题，解决了传统的交通信号灯无法自动实现描色，需要根据具体的规则来实现描色的问题，解决了传统的交通信号灯cpu占用率高，难以实现实时处理的问题。该图像处理方法不需要依赖交通信号灯的规则、能够更加灵活地实现交通灯的描色和抑制光晕的图像处理操作，能够在移动端设备的神经网络运算单元进行加速，减少了cpu的运行性能，实现
了实时性的要求。此外，本发明的图像处理方法不仅可以应用于交通信号灯的图像处理，还可以应用于其他领域的需要进行描色和光晕抑制的图像处理，例如，对设备指示灯图像的处理、对车辆车灯图像的处理等。
63.一般情况下，成像处理算法的输出是8bit，数值范围在0-255之间，而cmos传感器数据一般是12bit或16bit，数值范围在0-4095或0-65535之间。另外，由于存储空间的限制，可以通过简单的预处理操作将raw图像和rgb图像分布归一化到[0-1]之间，最后将其一起作为第一处理模型的输入。所述步骤s200中，将所述原始raw图像和所述rgb图像输入第一处理模型，包括如下步骤：
[0064]
将所述原始raw图像转换到srgb域，并进行归一化处理，得到第一预处理图像；
[0065]
将所述rgb图像进行归一化处理，得到第二预处理图像；
[0066]
将所述第一预处理图像和所述第二预处理图像输入所述第一处理模型。
[0067]
在该实施例中，所述图像处理方法还包括采用如下步骤训练第一处理模型：
[0068]
(1)采集多个样本原始raw图像和对应的样本rgb图像，组成多个样本图像对。
[0069]
具体地，将不同摄像机等成像设备采集到的不同光照、不同场景以及不同曝光时间的raw图像以及对应的经过成像设备进行数字图像处理后的rgb图像进行配对。
[0070]
(2)基于每对样本图像在其中的样本rgb图像中进行描色处理，得到目标描色图像，目标描色图像的数量与样本图像对的数量一一对应；
[0071]
具体地，针对rgb图像选取交通信号灯的灯珠区域，根据先验信息和规则使用ps技术对其进行描色处理，如先验和规则判断为红色的区域，使用ps技术对相应的区域赋值为(255,0,0)，绿色的区域，使用ps技术对相应的区域赋值为(0,255,0)，黄色的区域，使用ps技术对相应的区域赋值为(255,255,0)，将处理后的图像作为第一处理模型需要拟合的目标描色图像。类似地，当该图像处理方法应用于其他目标区域识别的场景时，可以将颜色进行分类，并且设定每个颜色分类所对应描色值，在识别到一个区域为某一个颜色分类时，则使用ps技术对相应的区域赋值为对应描色值。
[0072]
在将所述样本图像对输入第一处理模型之前，还需要对所述样本图像对中的原始raw图像和所述rgb图像进行预处理。除了上述提到的将raw图像转换到srgb域以及图像归一化的处理，还可以进一步包括其他的预处理方式。如图2示出了原始raw图像的一种具体的预处理流程，即对所述原始raw图像的预处理可以包括bayer格式统一、pach raw处理、通过最近邻插值扩展到srgb域、归一化处理、水平或垂直翻转(对图像进行水平、垂直翻转或随机翻转等方式进行样本数据增广)，最终输出srgb图像。该实施例中，通过最近邻插值扩展到srgb域，能够缩小输入数据间的数值范围，模型更加容易收敛。图3示出了rgb图像的一种具体的预处理流程，可以包括归一化处理、水平或垂直翻转等处理。其他预处理方式同样也可以按照需求进行选择使用，例如进行黑电平矫正或其他数据增广处理等。该实施例通过对原始的传感器图像即原始raw图像进行黑电平矫正、归一化以及raw图像的bayer格式重排，降低模型的训练难度，加速模型的收敛。
[0073]
(3)将所述样本图像对作为所述第一处理模型的输入，所述样本图像对所对应的目标描色图像作为所述第一处理模型的拟合目标，训练所述第一处理模型，得到所述第一处理模型的最优网络参数，用于实现在实时图像处理中的图像描色。
[0074]
在该实施例中，所述步骤s300：将所述描色图像和指示抑制光晕信息的数值图输
入第二处理模型之前，还包括如下步骤：
[0075]
获取指定的抑制光晕信息，所述抑制光晕信息包括抑制光晕范围和/或抑制光晕等级；
[0076]
基于所述抑制光晕信息生成与所述描色图像具有相同分辨率的指示抑制光晕信息的数值图，所述数值图包括指示抑制光晕范围的数值图和/或指示抑制光晕等级的数值图。
[0077]
因此，在该实施例中，可以通过指示抑制光晕范围的数值图和/或指示抑制光晕等级的数值图指定需要抑制的光晕范围和光晕等级。此处光晕范围指的是光晕范围的像素数量，光晕等级指的是对光晕进行抑制的程度，例如设定可支持的光晕等级范围为0-5，指定的光晕等级越大时，对光晕的抑制程度越强，指定的光晕等级越小时，对光晕的抑制程度越弱。
[0078]
在该实施例中，基于所述抑制光晕信息生成与所述描色图像具有相同分辨率的指示抑制光晕信息的数值图，包括如下步骤：
[0079]
基于指定的抑制光晕范围以及预设的抑制光晕范围的最小值和最大值，计算抑制光晕范围的数值，基于所述抑制光晕范围的数值生成与所述描色图像具有相同分辨率的指示抑制光晕范围的数值图；和/或，
[0080]
基于指定的抑制光晕等级以及预设的抑制光晕等级的最小值和最大值，计算抑制光晕等级的数值，基于所述抑制光晕等级的数值生成与所述描色图像具有相同分辨率的指示抑制光晕等级的数值图。
[0081]
具体地，抑制光晕范围的数值可以采用如下公式计算：
[0082]
y1＝(x
1-a1)/(b
1-a1)
[0083]
其中，x1为指定的抑制光晕范围，单位为像素数，a1为抑制光晕范围的最小值，单位为像素数，b1为抑制光晕范围的最大值，单位为像素数，y1为输出的抑制光晕范围数据。举例说明，如指定的抑制光晕范围为50个像素，支持的光晕范围为0-250个像素，则通过公式归一化后的数值为0.2，然后根据这个数值生成一个与输入的描色图像具有相同分辨率的数值图，数值均为0.2。
[0084]
指示抑制光晕等级的数值图的生成方式与指示抑制光晕范围的数值图的生成方式类似。即可以采用如下公式计算：
[0085]
y2＝(x
2-a2)/(b
2-a2)
[0086]
其中，x2为指定的抑制光晕等级，单位为像素数，a2为抑制光晕等级的最小值，单位为像素数，b2为抑制光晕等级的最大值，单位为像素数，y2为输出的抑制光晕等级数据。
[0087]
现对抑制光晕等级的数值图的生成方式进行举例说明，如指定的抑制光晕范围的等级为2，可支持的等级范围为0-5，则通过公式归一化后的数值为0.4。因此，该实施例中，通过生成指示抑制光晕信息的数值图并对其进行归一化，可以提高模型的准确率。
[0088]
在其他实施方式中，所述抑制光晕范围的数值和所述抑制光晕等级的数值也可以采用其他的方式来获得。例如，直接计算指定的抑制光晕范围与抑制光晕范围的最大值的比例，将此比例作为对应的抑制光晕范围的数值，直接计算指定的抑制光晕等级与抑制光晕等级的最大值的比例，将此比例作为对应的抑制光晕等级的数值。在另一种实施方式中，也可以预先设定指定的抑制光晕范围与抑制光晕范围的数值之间的第一映射表，根据指定
的抑制光晕范围来查第一映射表，得到对应的抑制光晕范围的数值。同样地，也可以预先设定指定的抑制光晕等级与抑制光晕等级的数值之间的第二映射表，根据指定的抑制光晕等级来查找第二映射表，得到对应的抑制光晕等级的数值。
[0089]
在该实施例中，如果不对抑制光晕位置进行限制，则会在其他非指定区域内进行光晕抑制，如路灯、车灯等区域。为解决该技术问题，所述指定的抑制光晕信息还可以包括指定的抑制光晕位置，所述数值图还包括指示抑制光晕位置的数值图，该数值图中，仅在指定范围内有非零数值，其余为0，可以指定只在特定区域进行光晕抑制。
[0090]
在该实施例中，基于所述抑制光晕信息生成与所述描色图像具有相同分辨率的指示抑制光晕信息的数值图，包括如下步骤：
[0091]
基于所述指定的抑制光晕位置，生成与所述描色图像具有相同分辨率的指示抑制光晕位置的数值图，其中对应于抑制光晕位置的像素数值为第一数值，对应于非抑制光晕位置的像素数值为第二数值，第一数值不同于第二数值。
[0092]
例如，第一数值为非零数值，第二数值为0。首先创建一个全0数值图，图像分辨率大小与描色图像保持一致，然后根据灯牌检测算法得到灯牌区域的坐标，根据该坐标在上述的全0数值图上对该灯牌区域的坐标相应的区域赋值为抑制光晕等级的归一化后的数值。
[0093]
在该实施例中，所述图像处理方法还包括采用如下步骤训练所述第二处理模型：
[0094]
获取多个样本描色图像；
[0095]
生成多个指示不同抑制光晕信息且与样本描色图像分辨率相同的高斯图，即根据不同的抑制光晕范围和不同的抑制光晕等级制作训练数据集，每个样本描色图像可以分别与一个指示抑制光晕范围的高斯图、一个指示不同抑制光晕等级的高斯图和指示抑制光晕位置的高斯图组成一个样本图像对；
[0096]
将所述样本描色图像与相对应的所述高斯图逐像素相乘，得到对应于每个样本图像对的目标抑制光晕图像；
[0097]
将各个所述样本描色图像分别与各个指示不同抑制光晕信息的数值图组合作为所述第二处理模型的输入，将对应的目标抑制光晕图像作为所述第二处理模型的拟合目标，训练所述第二处理模型。
[0098]
在该实施例中，所述第一处理模型和所述第二处理模型可以是任意图像像素级任务的网络结构，此处选择uresnet网络结构作为示例进行说明。uresnet网络结构的具体结构如图4所以，包括四个卷积层(卷积1、卷积2、卷积3、卷积4)、两个池化层(池化1、池化2)、残差块和两个上采样层(上采样1、上采样2)。图5示出了残差块的具体结构，其中，残差块包括两个卷积层(卷积5、卷积6)和通道合并层。使用uresnet网络结构作为图像描色和抑制光晕的自编码器，通过去除跨层连接能够较好地保留图像的细节。
[0099]
另外，所述步骤s300中，将所述描色图像和指示抑制光晕信息的数值图输入第二处理模型之后，还包括将所述指示抑制光晕信息的数值图添加至所述第二卷积层的输入和所述残差块的输入。在该实施例中，如图6所示，除了将指示抑制光晕等级的数值图、指示抑制光晕范围的数值图和指示抑制光晕位置的数值图与描色图像一起输入到第一卷积层(卷积1)之外，还将指示抑制光晕等级的数值图、指示抑制光晕范围的数值图和指示抑制光晕位置的数值图逐层输入到第二卷积层(卷积2)和残差块中，该步骤能够加强数值图对自编
码器中的编码部分的监督作用，使得数值图能够更好地作用在图像上，能够提高抑制光晕的效果。
[0100]
在该实施例中，所述自编码器所采用的损失函数由像素损失函数和高层语义损失函数组成，表达式如下所示：
[0101][0102]
其中，α1、α2分别为像素损失函数、高层语义损失函数的权重；y代表自编码器的输出图像像素值；代表目标图像的像素值；l
pixel
代表像素损失函数,在像素级别上对图像进行约束；l
vgg
代表高层语义损失函数，在颜色以及细节等方面对图像进行约束。
[0103]
l
pixel
的表达式如下式所示：
[0104][0105]
l
vgg
的表达式如下所示：
[0106][0107]
其中，代表网络提取的特征向量，一般为vgg16的网络结构提取的特征向量，通过高层语义损失函数的约束，能够得到更加真实的输出图像，保留细节和颜色纹理。
[0108]
如图7所示，本发明实施例还提供一种图像处理系统，应用于所述的图像处理方法，所述系统包括：
[0109]
图像采集模块m100，用于从成像设备获取原始raw图像和成像处理后的rgb图像；
[0110]
第一处理模块m200，用于将所述原始raw图像和所述rgb图像输入第一处理模型，得到所述第一处理模型输出的描色图像；
[0111]
第二处理模块m300，用于将所述描色图像和指示抑制光晕信息的数值图输入第二处理模型，得到所述第二处理模型输出的抑制光晕后的图像。
[0112]
本发明通过图像采集模块m100和第一处理模块m200，基于原始raw图像和rgb图像，通过第一处理模型得到对应的描色图像，可以提高描色的准确性，并且采用第二处理模块m300将描色图像与指示抑制光晕信息的数值图一起通过第二处理模型得到对应的抑制光晕后的图像，实现描色和抑制光晕的自动化处理，提高了图像的整体成像效果，简化了流程，并且可以满足实时性的要求。
[0113]
本发明实施例还提供一种图像处理设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的图像处理方法的步骤。
[0114]
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0115]
下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0116]
如图8所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储
单元620和处理单元610)的总线630、显示单元640等。
[0117]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
[0118]
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
[0119]
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0120]
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0121]
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0122]
通过采用本发明所提供的图像处理设备，所述处理器在执行所述可执行指令时执行所述的图像处理方法，由此可以获得上述图像处理方法的有益效果。
[0123]
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的图像处理方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
[0124]
参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0125]
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0126]
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0127]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或集群上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0128]
通过采用本发明所提供的计算机可读存储介质，其中存储的程序在被执行时实现所述的图像处理方法的步骤，由此可以获得上述图像处理方法的有益效果。
[0129]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。