CN107358241B - 图像处理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本发明实施例公开了一种图像处理方法、装置、存储介质及电子设备。该图像处理方法，通过获取目标图像，并识别目标图像中的目标对象，接着确定目标对象上的局部区域图像，并获取局部区域图像的图像特征，然后从预设特征集合中获取目标对象对应的预设图像特征，再将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果，最后根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。该方案基于图像的图像特征与预设图像特征的比较结果，对图像进行针对性地处理，提升了图像处理的准确性和有效性。

Description

图像处理方法、装置、存储介质及电子设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、存储介质及电子设备。

背景技术

随着互联网的发展和移动通信网络的发展，同时也伴随着电子设备的处理能力和存储能力的迅猛发展，海量的应用程序得到了迅速传播和使用。尤其是与图像处理相关的应用，其图像处理功能越来越强大。目前，很多相机应用程序提供方便快捷的照片美化功能，只需要简单的操作就能够实现照片效果的即时优化。

发明内容

本发明实施例提供一种图像处理方法、装置、存储介质及电子设备，可以提升图像处理的准确性和有效性。

第一方面，本发明实施例提供一种图像处理方法，包括：

获取目标图像，并识别所述目标图像中的目标对象；

确定所述目标对象上的局部区域图像，并获取所述局部区域图像的图像特征；

从预设特征集合中获取所述目标对象对应的预设图像特征；

将所述图像特征与所述目标对象对应的预设图像特征进行比较，得到比较结果；

根据所述比较结果对所述局部区域图像进行处理，以得到处理后的目标图像。

第二方面，本发明实施例提供了一种图像处理装置，包括：

识别模块，用于获取目标图像，并识别所述目标图像中的目标对象；

确定模块，用于确定所述目标对象上的局部区域图像，并获取所述局部区域图像的图像特征；

获取模块，用于从预设特征集合中获取所述目标对象对应的预设图像特征；

比较模块，用于将所述图像特征与所述目标对象对应的预设图像特征进行比较，得到比较结果；

处理模块，用于根据所述比较结果对所述局部区域图像进行处理，以得到处理后的目标图像。

第三方面，本发明实施例还提供了一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述的图像处理方法。

第四方面，本发明实施例还提供了一种电子设备，包括处理器、存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；处理器用于执行上述的图像处理方法。

本发明实施例公开了一种图像处理方法、装置、存储介质及电子设备。该图像处理方法，通过获取目标图像，并识别目标图像中的目标对象，接着确定目标对象上的局部区域图像，并获取局部区域图像的图像特征，然后从预设特征集合中获取目标对象对应的预设图像特征，再将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果，最后根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。该方案基于图像的图像特征与预设图像特征的比较结果，对图像进行针对性地处理，提升了图像处理的准确性和有效性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域技术人员来讲，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。

图1是本发明实施例提供的图像处理***的一种场景构架示意图。

图2是本发明实施例提供的图像处理方法的一种流程示意图。

图3是本发明实施例提供的图像处理方法的一种应用场景图。

图4是本发明实施例提供的图像处理方法的另一种应用场景图。

图5是本发明实施例提供的图像处理装置的另一种流程示意图。

图6是本发明实施例提供的图像处理装置的一种结构示意图。

图7是本发明实施例提供的图像处理装置的另一种结构示意图。

图8是本发明实施例提供的电子设备的一种结构示意图。

图9是本发明实施例提供的电子设备的另一种结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。

本发明实施例提供一种图像处理方法、装置、存储介质及电子设备。以下将分别进行详细说明。

请首先参考图1，图1为本发明实施例提供的图像处理***的一种场景构架示意图，包括电子设备和服务器，电子设备和服务器通过互联网建立通信连接。

当用户通过电子设备中的图像处理功能对图像进行处理时，电子设备可记录处理过程中的输入输出数据，然后，向服务器发送记录的数据，其中，电子设备可采用WEB方式向服务器发送数据，也可以通过电子设备中安装的客户端程序向服务器发送数据。服务器收集多个电子设备发送的数据，基于机器深度学习对接收到数据进行处理，生成符合大众审美观的图像处理的基准数据，以便用户可通过电子设备获取图像处理的基准数据对图像进行处理。

电子设备和服务器之间可以但不限于采用以下传输协议中的任一种：HTTP(Hypertexttransferprotocol，超文本传输协议)、FTP(FileTransferProtocol，文件传输协议)、P2P(PeertoPeer，对等网络)、P2SP(PeertoServer&Peer，点对服务器和点)等。

电子设备可以为移动终端，如手机、平板电脑等，也可以为传统的PC(PersonalComputer，个人电脑)等，本发明实施例对此不进行限定。

在一实施例中，提供一种图像处理方法，如图2所示，流程可以如下：

S101、获取目标图像，并识别目标图像中的目标对象。

其中，目标图像可以是人物图像，也可以是景物图像。目标对象可以是人、可以是物。比如，可以对目标图像进行人脸识别，当识别到人脸时，可将识别到的人脸所在的人体作为目标图像中的目标对象。又比如，当识别到一朵花时，可将识别到的花朵作为目标对象。

S102、确定目标对象上的局部区域图像，并获取局部区域图像的图像特征。

具体地，可利用及其的深度学习或通用的图像处理机制等，并结合目标对象本身，获取出与其它区域存在明显差异的局部区域图像。

在一些实施例中，目标对象为人物对象，则步骤“获取局部区域图像的图像特征”可以包括：

根据人体结构将人物对象划分为多个部位；

获取每一部位对应的优先级；

按照优先级从高到低从多个部位中选取目标部位，并将目标部位的图像作为局部区域图像。

实际应用中，对人物对象划分的方式可以有多种。比如，若针对人体全身图像，可分为：头部、颈部、四肢、躯干等等。又比如，若针对人脸图像，则可分为：额、眼、鼻、耳、唇、眉等等。具体划分方式可根据用户需求或者具体图像所出现的部位而划分。

在一些实施例中，图像特征包括有：颜色特征、纹理特征、形状特征、空间关系特征。颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。纹理特征也是一种全局特征，也描述了图像或图像区域所对应景物的表面性质。形状特征是一种局部特征，有两类表示方法，一类是轮廓特征，主要针对物体的外边界；另一类是区域特征，其关系到整个形状区域。空间关系特征，指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。

图像特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征是许多计算机图像分析算法的起点。特征提取最重要的一个特性是“可重复性”，即同一场景的不同图像所提取的特征应该是相同的。

特征提取是图象处理中的一个初级运算，它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的局部区域图像。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。

具体实施过程中，可利用傅立叶变换法、窗口傅立叶变换法、小波变换法、最小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等，提取局部区域图像的图像特征。

S103、从预设特征集合中获取目标对象对应的预设图像特征。

在一些实施例中，为了便于不同目标对象的预设图像特征的获取，步骤“从预设特征集合中获取目标对象对应的预设图像特征”可以包括：

确定人物对象所属的类别；

从预设特征集合中获取该类别对应的预设图像特征，将该预设图像特征作为目标对象对应的预设图像特征。

本发明实施例中，需预先建立包括图像特征、类别以及两者之间映射关系的特征集合。

在一些实施例中，所属的类别可包括：男性、女性等。同一类型的人物对象，具有相同类型的图像特征，比如，男性有喉结、女性没喉结；男性眉毛粗，女性眉毛细。不同类型的目标对象具有不同类型的图像特征，且对需达到的图像美化效果的需求也不相同。

当然，还可有其他分类方式，比如按年龄划分为：老年、中年、青年、少年、幼年等等。具体实施根据用户需求而定，对此不做限定。

在一些实施例中，预设图像特征可由服务器基于机器的深度学习对电子设备上传各种处理前后的图像、操作过程中的处理参数进行分析和学习处理，识别出各类图像所对应大众较为倾向的处理效果，并基于该处理效果提取图像特征而得到。

为了提升图像处理速度，可将预设图像特征值下载保存在电子设备中的存储空间内。

在一些实施例中，服务器可以收集不同用户针对某一图像的图像处理操作，从中获取同一类别图像的共同图像特征。比如，在使用电子设备中修图软件进行图像处理时，通过电子设备将原始图像、处理过程中的图像调整参数以及处理后的图像，上传至服务器，以使服务器可以利用学习算法对上传各种图像数据、操作数据进行分析和学习处理。服务器通过自行分析和学习的处理过程，识别出不同类别的图像所对应大众较为倾向的处理效果，并基于该处理效果提取图像特征，建立类别与图像特征的映射关系，以得到特征集合。

具体实施过程中，在电子设备上传图像数据、操作数据至服务器时，可将类似于“一键美颜”“自动美图”等自动处理图像的操作过滤掉，进而得到更加贴近用户真实想法的数据。

S104、将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果。

在一些实施例中，步骤“将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果”可包括以下流程：

分析该预设图像特征，得到第一特征值；

分析该图像特征，得到第二特征值；

将第一特征值与第二特征值进行比较，计算特征差值，将特征差值作为比较结果。

其中，特征值为对每一图像特征的量化数据值，可基于相关图像算法对图像特征进行解析，并通过二值化处理而计算得到。

S105、根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。

在一些实施例中，如上所述比较结果为第一特征值与第二特征值的特征差值，则步骤“根据比较结果局部区域图像进行处理”包括：

根据特征差值获取对应的图像调整参数；

根据图像调整参数调整局部区域图像的图像特征。

在一些实施例中，步骤“根据图像调整参数调整局部区域图像的图像特征”可包括以下流程：

从局部区域图像中提取颜色特征图层、纹理特征图层、形状特征图层以及空间关系特征图层，得到特征图层集合；

根据调整参数从特征图层集合中选取目标特征图层进行调整；

将调整后的目标特征图层和特征集合中未选中的特征图层进行合成。

每一个图层都是由许多像素组成的，而图层又通过上下叠加的方式来组成整个图像。比如，以局部区域图像为“眼睛”为例，从眼睛中提取颜色特征图层(如东方人和西方人眼睛颜色的差异)、纹理特征图层(虹膜中的斑点、细丝、冠状、条纹、隐窝等纹理)、形状特征图层(如丹凤眼、圆眼等形状)以及空间关系特征图层(如瞳孔相对于巩膜的位置)。然后，根据具体的调整参数从这些特征图层中选取需要调整的特征图层进行调整，如，由于熬夜导致眼睛遍布血丝，则可对眼睛纹理特征图层进行调整，以将血丝去除。

比如，以皮肤为例，包括图像特征：白皙程度(颜色特征)和粗糙程度(纹理特征)，若目标图像中的皮肤的两个图像特征的量化数据值分别为：3、5，而预设皮肤的图像特征的量化数据值分别为：5、5，则获取特征差值为：2、0。然后，根据该特征差值获取相应的图像调整参数，并基于预设图像处理算法，按照该图像调整参数对皮肤图像进行处理。

当存在多个局部区域图像时，参考图3，以人脸为例，处理前的图像(图3左图)包括：眉毛A1、眼睛B1、唇部C1以及脸型D1。若眉毛A1的图像特征与眉毛的预设图像特征之间不存在特征差值，眼睛B1的图像特征与眼睛的预设图像特征之间存在特征差值a，唇部C1与唇部的预设图像特征之间存在特征差值b，脸型D1与脸型的预设图像特征之间不存在特征差值。则基于特征差值a获取相应的图像调整参数，并根相应图像处理算法，按照获取的图像调整参数对图像进行处理；基于特征差值b获取相应的图像调整参数，并根据相应图像处理算法，按照获取的图像调整参数自动对局部区域图像的图像特征进行调整。最后，输出处理后的图像(图3右图)，进行了大眼(参考B2)唇型改变、唇色加深(参考C2)处理，而眉毛A2和脸型D2则无变化。

也即，在打开一张图片时，可自动识别哪些部位需要进行处理，并针对性地对该部位进行图像处理，而保持图像的其他参数不变。

比如，参考图4，结合图3所示，在同一美化标准的基础上，可知眉毛A2与眉毛的预设图像特征之间不存在特征差值，眼睛B2与眼睛的预设图像特征之间不存在特征差值，唇部C2与唇部的预设图像特征之间不存在特征差值，脸型D2与脸型的预设图像特征之间存在特征差值d，则基于特征差值d获取相应的图像调整参数，并根据图像处理算法，按照获取的图像调整参数对图像进行处理。最后，输出处理后的图像(图4右图)，进行了脸型改变(参考D3)处理，而眉毛A3、眼睛B3和脸型唇部C3则无变化。

在一些实施例中，可将获取的特征差值直接作为图像调整参数，基于相应图像处理算法按照该特征差值对局部区域图像的图像特征进行处理。

而对于景物图像，则可以基于对应特征的算法按照特征差值进行图像处理，如实现不同的滤镜处理。

由上可知，本发明实施例提供了一种图像处理方法，获取目标图像，并识别目标图像中的目标对象，接着确定目标对象上的局部区域图像，并获取局部区域图像的图像特征，然后从预设特征集合中获取目标对象对应的预设图像特征，再将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果，最后根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。该方案基于图像的图像特征与预设图像特征的比较结果，对图像进行针对性地处理，提升了图像处理的准确性和有效性。

在一实施例中，还提供另一种图像处理方法，如图5所示，流程可以如下：

S201、获取目标图像，并识别目标图像中的目标对象。

其中，目标图像可以是人物图像，也可以是景物图像。目标对象可以是人、可以是物。比如，可以对目标图像进行人脸识别，当识别到人脸时，可将识别到的人脸所在的人体作为目标图像中的目标对象。

S202、确定目标对象上的局部区域图像，并获取局部区域图像的图像特征。

具体地，可利用及其的深度学习或通用的图像处理机制等，并结合目标对象本身，获取出与其它区域存在明显差异的局部区域图像。

在一些实施例中，以目标对象为人物对象为例，则步骤“获取局部区域图像的图像特征”可以包括：

根据人体结构将人物对象划分为多个部位；

获取每一部位对应的优先级；

按照优先级从高到低从多个部位中选取目标部位，并将目标部位的图像作为局部区域图像。

实际应用中，对人物对象划分的方式可以有多种。比如，若针对人体全身图像，可分为：头部、颈部、四肢、躯干等等。又比如，若针对人脸图像，则可分为：额、眼、鼻、耳、唇、眉等等。具体划分方式可根据用户需求或者具体图像所出现的部位而划分。

具体实施过程中，可利用傅立叶变换法、窗口傅立叶变换法、小波变换法、最小二乘法、边界方向直方图法等提取局部区域图像的图像特征。

S203、确定目标对象的所属的类别，根据该类别从预设特征集合中获取目标对象对应的预设图像特征。

在一些实施例中，所属的类别可包括：男性、女性等。同一类型的人物对象，具有相同类型的图像特征，比如，男性有喉结、女性没喉结；男性眉毛粗，女性眉毛细。不同类型的目标对象具有不同类型的图像特征，且对需达到的图像美化效果的需求也不相同。

当然，还可有其他分类方式，比如按年龄划分为：老年、中年、青年、少年、幼年等等。具体实施根据用户需求而定，对此不做限定。

本发明实施例中，需预先建立包括图像特征、类别以及两者之间映射关系的特征集合。

在一些实施例中，服务器可以收集不同用户针对某一图像的图像处理操作，从中获取同一类别图像的共同图像特征。比如，在使用电子设备中修图软件进行图像处理时，通过电子设备将原始图像、处理过程中的图像调整参数以及处理后的图像，上传至服务器，以使服务器可以利用学习算法对上传各种图像数据、操作数据进行分析和学习处理。服务器通过自行分析和学习的处理过程，识别出不同类别的图像所对应大众较为倾向的处理效果，并基于该处理效果提取图像特征，建立类别与图像特征的映射关系，以得到特征集合。

为了提升图像处理速度，可将预设图像特征值下载保存在电子设备中的存储空间内。

S205、分析该预设图像特征，得到第一特征值，分析该图像特征，得到第二特征值。

其中，特征值为对每一特征的量化数据值。具体地，每一图像特征可包括多个子特征，每一子特征具有相应的特征值。比如，以肤色特征为例，包括子特征：白皙程度、粗糙程度、色调等等。

S206、将第一特征值与第二特征值进行比较，计算特征差值。

其中，特征值为对每一图像特征的量化数据值，可基于相关图像算法对图像特征进行解析，并通过二值化处理而计算得到。

比如，以皮肤为例，包括图像特征：白皙程度(颜色特征)和粗糙程度(纹理特征)，若目标图像中的皮肤的两个图像特征的量化数据值分别为：3、5，而预设皮肤的图像特征的量化数据值分别为：5、5，则获取特征差值为：2、0。

S207、根据特征差值获取对应的图像调整参数。

以上述皮肤的图像特征与皮肤的预设图像特征的特征差值：2、0为例，获取该颜色特征差值对应的图像调整参数。实际应用中，可设计一换算公式，将获取的特征差值待如该换算公式以获取相应的图像调整参数。

另外，也可划分差值区间，每一差值区间对应不同的图像调整参数。通过将获取的特征差值与设置的差值区间进行匹配，确定特征差值获取对应的图像调整参数。

在一些实施例中，可将获取的特征差值直接作为图像调整参数。

S208、根据获取的图像调整参数调整局部区域图像的图像特征，并输出处理后的图像。

在一些实施例中，可从局部区域图像中提取颜色特征图层、纹理特征图层、形状特征图层以及空间关系特征图层，得到特征图层集合，然后，根据调整参数从特征图层集合中选取目标特征图层进行调整，再将调整后的目标特征图层和特征集合中未选中的特征图层进行合成，得到最终图像。

具体实施时，根据图像特征确定相应的图像处理算法，按照获取的图像调整参数对局部区域图像的图像特征进行调整，并输出处理后的图像。

当存在多个图像特征时，以人脸为例，包括：肤色特征、脸型特征、眼睛特征，若肤色与预设肤色之间不存在特征差值，脸型与预设脸型之间存在特征差值，眼睛与预设眼睛之间不存在特征差值，则只基于脸型与预设脸型之间的特征差值，获取相应的图像调整参数，并根据相应图像处理算法，按照获取的图像调整参数对局部区域图像的图像特征进行调整，并输出处理后的图像。

由上可知，本发明实施例提供的图像处理方法，通过获取目标图像，并识别目标图像的目标对象，接着确定目标对象中的局部区域图像，然后获取局部区域图像的图像特征，再获取目标对象对应的预设图像特征，分别对图像特征和预设图像特征进行分析，得到第一特征值和第二特征值，并计算两者之间的特征差值，然后，根据特征差值获取对应的图像调整参数，按照该图像调整参数对局部区域图像进行处理，并输出处理后的图像。该方案基于图像的图像特征与预设图像特征之间的差异，对存在特征差异的局部区域图像进行针对性的处理，提升了图像处理的准确性和有效性。

在本发明又一实施例中，还提供一种图像处理装置，该图像处理装置可以软件或硬件的形式集成在电子设备中，该电子设备具体可以包括手机、平板电脑、笔记本电脑等设备。如图6所示，该图像处理装置300可以包括识别模块301、确定模块302、获取模块303、比较模块304以及处理模块305，其中：

识别模块301，用于获取目标图像，并识别目标图像中的目标对象。

其中，目标图像可以是人物图像，也可以是景物图像。目标对象可以是人、可以是物。比如，可以对目标图像进行人脸识别，当识别到人脸时，可将识别到的人脸所在的人体作为目标图像中的目标对象。又比如，当识别到一朵花时，可将识别到的花朵作为目标对象

确定模块302，用于确定目标对象上的局部区域图像，并获取局部区域图像的图像特征。

具体地，可利用及其的深度学习或通用的图像处理机制等，并结合目标对象本身，获取出与其它区域存在明显差异的局部区域图像。

一个图像可具有一个或多个图像特征。比如，以人脸为例，图像特征可以是包括诸如脸型、肤色、鼻高、眼睛大小等一个或多个特征。具体实施过程中，可利用傅立叶变换法、窗口傅立叶变换法、小波变换法、最小二乘法、边界方向直方图法等，提取局部区域图像的图像特征。

获取模块303，用于从预设特征集合中获取目标对象对应的预设图像特征。

比较模块304，用于将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果。

在一些实施例中，预设图像特征可由服务器基于机器的深度学习对电子设备上传各种处理前后的图像、操作过程中的处理参数进行分析和学习处理，识别出各类图像所对应大众较为倾向的处理效果，并基于该处理效果提取图像特征而得到。

处理模块305，用于根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。

参考图7，在一些实施例中，比较模块304包括：

分析子模块3041，用于分析预设图像特征，得到第一特征值，分析图像特征，得到第二特征值；

比较子模块3042，用于将第一特征值与第二特征值进行比较，计算特征差值，将特征差值作为比较结果。

其中，特征值为对每一图像特征的量化数据值，可基于相关图像算法对图像特征进行解析，并通过二值化处理而计算得到。

继续参考图7，在一些实施例中，处理模块305包括：

参数获取子模块3051，用于根据特征差值获取对应的图像调整参数；

处理子模块3052，用于根据图像调整参数调整局部区域图像的图像特征。

实际应用中，可设计一换算公式，将获取的特征差值待如该换算公式以获取相应的图像调整参数。

另外，也可划分差值区间，每一差值区间对应不同的图像调整参数。通过将获取的特征差值与设置的差值区间进行匹配，确定特征差值获取对应的图像调整参数。

在一些实施例中，处理子模块3052用于：

从局部区域图像中提取颜色特征图层、纹理特征图层、形状特征图层以及空间关系特征图层，得到特征图层集合；

根据调整参数从特征图层集合中选取目标特征图层进行调整；

将调整后的目标特征图层和特征集合中未选中的特征图层进行合成。

在一些实施例中，目标对象为人物对象，获取模块303用于：

确定子模块3031，用于确定人物对象的所属的类别；

特征获取子模块3032，用于从预设特征集合中获取该类别对应的预设图像特征，将预设图像特征作为目标对象对应的预设图像特征。

其中，所属的类型可包括：男性、女性等。同一类型的人物对象，具有相同类型的图像特征，比如，男性有喉结、女性没喉结；男性眉毛粗，女性眉毛细。不同类型的目标对象具有不同类型的图像特征，且对需达到的图像美化效果的需求也不相同。

在一些实施例中，目标对象为人物对象；如图7所示，确定模块302包括：

划分子模块3021，用于根据人体结构将人物对象划分为多个部位；

级别获取子模块3022，用于获取每一部位对应的优先级；

选取子模块3023，用于按照优先级从高到低从多个部位中选取目标部位，并将目标部位的图像作为局部区域图像。

由上可知，本发明实施例提供的图像处理装置，通过获取目标图像，并识别目标图像的目标对象，接着确定目标对象上的局部区域图像，并获取局部区域图像的图像特征，然后从预设特征集合中获取目标对象对应的预设图像特征，再将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果，最后根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。该方案基于图像的图像特征与预设图像特征的比较结果，对图像进行针对性的处理，提升了图像处理的准确性和有效性。

在本发明又一实施例中还提供一种电子设备，该电子设备可以是智能手机、平板电脑等设备。如图8所示，电子设备400包括处理器401、存储器402。其中，处理器401与存储器402电性连接。

处理器401是电子设备400的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能：

获取目标图像，并识别目标图像中的目标对象；

确定目标对象上的局部区域图像，并获取局部区域图像的图像特征；

从预设特征集合中获取目标对象对应的预设图像特征；

将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果；

根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。

在一些实施例中，处理器401执行以下步骤：

分析预设图像特征，得到第一特征值；

分析图像特征，得到第二特征值；

将第一特征值与第二特征值进行比较，计算特征差值，将特征差值作为比较结果。

在一些实施例中，处理器401还执行以下步骤：根据特征差值获取对应的图像调整参数；根据图像调整参数调整局部区域图像的图像特征。

在一些实施例中，处理器401还执行以下步骤：

从局部区域图像中提取颜色特征图层、纹理特征图层、形状特征图层以及空间关系特征图层，得到特征图层集合；

根据调整参数从特征图层集合中选取目标特征图层进行调整；

将调整后的目标特征图层和特征集合中未选中的特征图层进行合成。

在一些实施例中，处理器401还执行以下步骤：确定目标对象所属的类别；从预设特征集合中获取该类别对应的预设图像特征，将预设图像特征作为目标对象对应的预设图像特征。

在一些实施例中，目标对象为人物对象；处理器401还执行以下步骤：根据人体结构将人物对象划分为多个部位；获取每一部位对应的优先级；按照优先级从高到低从多个部位中选取目标部位，并将目标部位的图像作为局部区域图像。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可在处理器中执行的指令。应用程序可以组成各种功能模块。处理器401通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

在一些实施例中，如图9所示，电子设备400还包括：显示屏403、控制电路404、射频电路405、输入单元406、音频电路407、传感器408以及电源409。其中，处理器401分别与显示屏403、控制电路404、射频电路405、输入单元406、音频电路407、传感器408以及电源409电性连接。

显示屏403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。其中，该显示屏403可以作为本发明实施例中的屏幕，用于显示信息。

控制电路404与显示屏403电性连接，用于控制显示屏403显示信息。

射频电路405用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。

输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元406可以包括指纹识别模组。

音频电路407可通过扬声器、传声器提供用户与电子设备之间的音频接口。

传感器408用于采集外部环境信息。传感器408可以包括环境亮度传感器、加速度传感器、光传感器、运动传感器、以及其他传感器。

电源409用于给电子设备400的各个部件供电。在一些实施例中，电源409可以通过电源管理***与处理器401逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。

尽管图9中未示出，电子设备400还可以包括摄像头、蓝牙模块等，在此不再赘述。

由上可知，本发明实施例提供的电子设备，通过获取目标图像，并识别目标图像的目标对象，接着确定目标对象上的局部区域图像，并获取局部区域图像的图像特征，然后从预设特征集合中获取目标对象对应的预设图像特征，再将图像特征与目标对象对应的预设图像特征进行比较，得到比较结果，最后根据比较结果对局部区域图像进行处理，以得到处理后的目标图像。该方案基于图像的图像特征与预设图像特征的比较结果，对图像进行针对性的处理，提升了图像处理的准确性和有效性。

本发明又一实施例中还提供一种存储介质，该存储介质中存储有多条指令，该指令适于由处理器加载以执行上述任一图像处理方法的步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取记忆体(RAM，RandomAccessMemory)、磁盘或光盘等。

在描述本发明的概念的过程中使用了术语“一”和“所述”以及类似的词语(尤其是在所附的权利要求书中)，应该将这些术语解释为既涵盖单数又涵盖复数。此外，除非本文中另有说明，否则在本文中叙述数值范围时仅仅是通过快捷方法来指代属于相关范围的每个独立的值，而每个独立的值都并入本说明书中，就像这些值在本文中单独进行了陈述一样。另外，除非本文中另有指明或上下文有明确的相反提示，否则本文中所述的所有方法的步骤都可以按任何适当次序加以执行。本发明的改变并不限于描述的步骤顺序。除非另外主张，否则使用本文中所提供的任何以及所有实例或示例性语言(例如，“例如”)都仅仅为了更好地说明本发明的概念，而并非对本发明的概念的范围加以限制。在不脱离精神和范围的情况下，所属领域的技术人员将易于明白多种修改和适应。

以上对本发明实施例所提供的一种图像处理方法、装置、存储介质及电子设备进行了详细介绍，本文中应用程序了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用程序范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种图像处理方法，其特征在于，包括：

获取目标图像，并识别所述目标图像中的目标对象；

确定所述目标对象上的局部区域图像，并获取所述局部区域图像的图像特征；其中，所述图像特征包括多个不同部位的图像特征；具体包括：根据人体结构将人物对象划分为多个部位，其中，人物对象包括人体全身或人脸；获取每一部位对应的优先级；按照优先级从高到低从所述多个部位中选取目标部位，并将所述目标部位的图像作为局部区域图像；

从预设特征集合中获取所述目标对象对应的预设图像特征；

将所述图像特征与所述目标对象对应的预设图像特征进行比较，得到比较结果；包括：分析所述预设图像特征，得到第一特征值；分析所述图像特征，得到第二特征值；将所述第一特征值与所述第二特征值进行比较，计算特征差值，将所述特征差值作为比较结果；

根据所述比较结果对所述局部区域图像进行处理，以得到处理后的目标图像，包括：当某一部位的图像特征不存在特征差值，则无需对该部位的图像进行处理；当另一部位的图像特征存在特征差值时，则根据所述特征差值获取对应的图像调整参数；根据所述图像调整参数调整该部位的图像，包括：从所述局部区域图像中提取颜色特征图层、纹理特征图层、形状特征图层以及空间关系特征图层，得到特征图层集合；根据所述调整参数从所述特征图层集合中选取目标特征图层进行调整；将调整后的目标特征图层和所述特征集合中未选中的特征图层进行合成。

2.如权利要求1所述的图像处理方法，其特征在于，所述目标对象为人物对象；从预设特征集合中获取所述目标对象对应的预设图像特征的步骤包括：

确定所述人物对象所属的类别；

从预设特征集合中获取所述类别对应的预设图像特征，将所述预设图像特征作为所述目标对象对应的预设图像特征。

3.一种图像处理装置，其特征在于，包括：

识别模块，用于获取目标图像，并识别所述目标图像中的目标对象；

确定模块，用于确定所述目标对象上的局部区域图像，并获取所述局部区域图像的图像特征；其中，所述图像特征包括多个不同部位的图像特征；具体用于：根据人体结构将人物对象划分为多个部位，其中，人物对象包括人体全身或人脸；获取每一部位对应的优先级；按照优先级从高到低从所述多个部位中选取目标部位，并将所述目标部位的图像作为局部区域图像；

获取模块，用于从预设特征集合中获取所述目标对象对应的预设图像特征；

比较模块，用于将所述图像特征与所述目标对象对应的预设图像特征进行比较，得到比较结果；

处理模块，用于根据所述比较结果对所述局部区域图像进行处理，以得到处理后的目标图像；具体用于：包括：当某一部位的图像特征不存在特征差值，则无需对该部位的图像进行处理；当另一部位的图像特征存在特征差值时，则根据所述特征差值获取对应的图像调整参数；根据所述图像调整参数调整该部位的图像；包括：从所述局部区域图像中提取颜色特征图层、纹理特征图层、形状特征图层以及空间关系特征图层，得到特征图层集合；根据所述调整参数从所述特征图层集合中选取目标特征图层进行调整；将调整后的目标特征图层和所述特征集合中未选中的特征图层进行合成；

其中，所述比较模块包括：

分析子模块，用于分析所述预设图像特征，得到第一特征值，以及分析所述图像特征，得到第二特征值；

比较子模块，用于将所述第一特征值与所述第二特征值进行比较，计算特征差值，将所述特征差值作为比较结果。

4.一种存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行如权利要求1-2中任一项所述的图像处理方法。

5.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；所述处理器用于执行如权利要求1-2中任一项所述的图像处理方法。

Images