像素到达图像边界处的参数变化最小路径 时，第二确定模块用于对图像进行多次扫描，确定每个像素的参数变化最小路径值，每次扫 描时采用的扫描顺序不同。
[0051] 并且，上述多次扫描包括第一扫描和第二扫描，并且，第一扫描和第二扫描的扫描 顺序相反。
[0052] 此外，在确定该像素的参数与图像中预先确定的参考背景区域中像素的参数之间 的相似程度时，第二确定模块用于对图像中所有像素的颜色进行划分，得到多个颜色区间； 以及用于根据参考背景区域中像素的颜色区间分布、以及图像中需要确定显著性的像素的 所在的颜色区间，确定每个需要确定显著性的像素与参考背景区域的像素之间的相似程 度。
[0053] 可选地，第二确定模块用于根据以下方法中的至少之一对所有像素进行划分，得 到多个颜色区间：中位切分算法、流行色算法、八叉树颜色量化算法。
[0054] 此外，该装置可以进一步包括：
[0055] 第四确定模块，用于确定图像中各种颜色的分布情况；
[0056] 第五确定模块，用于根据图像中每个像素的颜色、每种颜色的分布情况以及像素 的显著性，确定图像中是否包含显著目标。
[0057] 另外，在确定第一和第二显著性的情况下，该装置可以进一步包括：
[0058] 第四确定模块，用于确定图像中各种颜色的分布情况，并对图像进行划分，得到多 个图像块；
[0059] 第五确定模块，用于对每个图像块，根据该图像块中的颜色分布、该图像块中像素 的第一显著性、以及第二显著性，确定图像中是否包含显著目标，以及确定图像中显著目标 的位置。
[0060] 根据本发明的再一方面，提供了 一种图像处理方法。
[0061] 该方法包括：
[0062] 根据待处理的图像中像素的参数，确定像素的显著性；
[0063] 根据确定的显著性确定相应的像素属于显著区域或背景区域；
[0064] 根据图像中像素所属的区域确定图像中的显著区域和/或背景区域；
[0065] 确定图像中各种颜色的分布情况，并根据图像中每个像素的颜色、每种颜色的分 布情况以及像素的显著性，确定图像中是否包含显著目标。
[0066] 根据本发明的另一方面，提供了 一种图像处理装置。
[0067] 该装置包括：
[0068] 第一确定模块，用于根据待处理的图像中像素的参数，确定像素的显著性；
[0069] 第二确定模块，用于根据确定的显著性确定相应的像素属于显著区域或背景区 域；
[0070] 第三确定模块，用于根据图像中像素所属的区域确定图像中的显著区域和/或背 景区域；
[0071] 第四确定模块，用于确定图像中各种颜色的分布情况；
[0072] 第五确定模块，用于根据图像中每个像素的颜色、每种颜色的分布情况以及像素 的显著性，确定图像中是否包含显著目标。
[0073] 本发明通过确定图像中像素的参数来确定像素的显著性，进而确定图像的显著区 域和背景区域，能够避免采用复杂的计算，同时可以借助参数的灵活选择来避免特征之间 的冗余，提高了检测的效率和准确性，而且能够适用于实际拍摄的复杂图像。
【附图说明】
[0074] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 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发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。
[0075] 图1是根据本发明实施例的图像处理方法的流程图；
[0076] 图2a和图2b分别示出了对于包含显著目标和不包含显著目标的图像进行目标提 取的示意图；
[0077] 图3是根据本发明实施例的图像处理方法的处理实例的示意图；
[0078] 图4、图5a以及图5b是对由9个像素构成的图像进行两次扫描的示意图；
[0079] 图6是根据本发明实施例的图像处理装置的框图；
[0080] 图7是根据本发明另一实施例的图像处理方法的流程图；
[0081] 图8是实现本发明技术方案的计算机的示例性结构框图。
【具体实施方式】
[0082] 在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见， 在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施 例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符 合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有 所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开 内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。
[0083] 在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中 仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明 关系不大的其他细节。
[0084] 根据本发明的实施例，提供了 一种图像处理方法。
[0085] 如图1所示，根据本发明的图像处理方法包括：
[0086] 步骤S101，根据待处理的图像中像素的参数，确定像素的显著性；
[0087] 步骤S103,根据确定的显著性确定相应的像素属于显著区域或背景区域；
[0088] 步骤S105,根据图像中像素所属的区域确定图像中的显著区域和/或背景区域。
[0089] 在上述方法中，像素的显著性用于表示一像素的参数与图像中其他像素的参数之 间的差异，差异越大则说明该像素的显著性越高，差异越小则该像素的显著性越低。
[0090] 其中，在确定图像中像素的显著性时，所执行的步骤可以包括以下至少之一：
[0091] 对于每个需要确定显著性的像素，确定该像素到达图像边界处的参数变化最小路 径，并确定该像素的参数相对于该路径上位于图像边界处像素的参数的变化情况，将该确 定的参数变化情况作为该像素的第一显著性；和/或
[0092] 对于每个需要确定显著性的像素，确定该像素的参数与图像中预先确定的参考背 景区域中像素的参数之间的相似程度，将该相似程度作为该像素的第二显著性。在一个实 施例中，参考背景区域包括图像的至少部分边缘区域。例如，可以将距离图像边界一定距离 与图像边界之间的区域作为图像的边缘区域，而参考背景区域可以是该区域，也可以是该 区域的一部分。在其他实施例中，参考背景区域可以由用户预先指定。
[0093] 可选地，在确定显著性时，可以参照的参数包括像素的颜色、强度、灰度等。不论是 确定第一显著性还是确定第二显著性，均可以参照一个或多个参数进行确定。并且，在确定 第一显著性和第二显著性时，可以使用相同或不同的参数。
[0094] 在一个实施例中，可以组合使用第一显著性和第二显著性得到像素的显著性。在 其他实施例中，可以单独使用第一显著性或第二显著性来得到像素的显著性。
[0095] 具体而言，在确定第一显著性的过程中，在确定每个需要确定显著性的像素到达 图像边界处的参数变化最小路径时，对图像进行多次扫描，确定每个像素的参数变化最小 路径值，每次扫描时采用的扫描顺序不同。例如，在一次扫描中，在确定一像素的参数变化 最小路径值时，根据本次扫描完成的像素的参数变化最小路径值确定当前像素的参数变化 最小路径值。
[0096] 并且，在一个实施例中，多次扫描包括第一扫描和第二扫描，并且，第一扫描和第 二扫描的扫描顺序相反。在其他实施例中，扫描的次数可以多于两次。
[0097] 此外，在确定第二显著性的过程中，在确定该像素的参数与图像中预先确定的参 考背景区域中像素的参数之间的相似程度时，可以对图像中所有像素的颜色进行划分，得 到多个颜色区间；根据参考背景区域中像素的颜色区间分布、以及图像中需要确定显著性 的像素的所在的颜色区间，确定每个需要确定显著性的像素与参考背景区域的像素之间的 相似程度。
[0098] 可选地，对所有像素进行划分，得到多个颜色区间的方法包括以下至少之一：中位 切分算法、流行色算法、八叉树颜色量化算法。在其他实施例中，还可以采用以上没有列举 的其他方法。
[0099] 例如，在采用中为切分算法时，可以确定图像中所有像素的颜色在空间颜色坐标 系中的分布，并且在颜色坐标系中确定包含所有像素的最小立方体，并对最小立方体进行 多次划分，得到多个子立方体，将每个子立方体作为一个颜色区间。
[0100] 本发明的技术方案不仅能够有效区分显著区域和背景区域，而且能够确定图像中 是否存在显著目标，并且确定图像中显著目标的位置，从而有助于提取显著目标。
[0101] 在实际应用中，有些用户会为了拍摄某个目标而拍照，这样，图像中的目标就是显 著目标，是用户主要关注的对象。但是，在很多情况下，用户仅仅是为了拍摄风景，例如，拍 摄一些建筑物，此时，虽然图像中的建筑物存在于显著区域，但是，图像中并没有特定的需 要关注的显著目标。
[0102] 为了确定图像中的显著目标，论文《Existence Detection of Objects in Images for Robot Vision Using Saliency Histogram Features》提出，直接将其他 saliency detection算法中得到的简单的sal