CN114070950B - 图像处理方法及相关装置、设备 - Google Patents

Abstract

本申请公开了一种图像处理方法及相关装置、设备，其中，图像处理方法包括：获取待编码图像和用于加密待编码图像的加密信息；对待编码图像、加密信息和关联信息进行编码处理，得到与待编码图像对应的已编码图像；其中，待编码图像和已编码图像的差异在预设范围内。上述方案，能够提高图像处理的可靠性。

Description

图像处理方法及相关装置、设备

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法及相关装置、设备。

背景技术

在图像处理领域，水印被广泛应用于电子商务、产品宣传等场景。通常需要将待宣传、推广的信息，以广告的形式覆盖在图像上，从而广而告之。由于通过这种方式，信息容易被篡改，故可靠性较低。有鉴于此，如何提高图像处理的可靠性成为亟待解决的问题。

发明内容

本申请提供一种图像处理方法及相关装置、设备。

本申请第一方面提供了一种图像处理方法，包括：获取待编码图像和用于加密待编码图像的加密信息；对待编码图像、加密信息和关联信息进行编码处理，得到与待编码图像对应的已编码图像；其中，关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内。

因此，通过获取待编码图像和用于加密待编码图像的加密信息，从而对待编码图像、加密信息和关联信息进行编码处理，进而得到与待编码图像对应的已编码图像，且关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过将加密信息与关联信息一同编入待编码图像，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

其中，关联信息至少包括属性信息和链接信息中的一项；属性信息与待编码图像中的第一对象存在第一关联关系；链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容。

因此，通过将关联信息设置为至少包括属性信息和链接信息中的一项，且属性信息与待编码图像中的第一对象存在第一关联关系，链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容，能够有利于提高待编码图像关联信息的丰富度，从而能够有利于拓展使用范围。

其中，图像处理方法还包括：基于关联信息的信息量，采用与信息量匹配的预设方式将关联信息进行编码，得到关联信息的预设编码信息；对待编码图像、加密信息和关联信息进行编码处理，得到与待编码图像对应的已编码图像，包括：利用神经网络的编码子网络对待编码图像、加密信息和预设编码信息进行编码处理，得到已编码图像。

因此，通过基于关联信息的信息量，采用与信息量匹配的预设方式将关联信息进行编码，得到关联信息的预设编码信息，从而利用神经网络的编码子网络对待编码图像、加密信息和预设编码信息进行编码处理，得到已编码图像，故能够适应于具有各种信息量的关联信息的编码处理，进而能够有利于进一步提高图像处理的可靠性，此外通过采用神经网络的编码子网络进行编码处理，能够有利于提高图像处理的效率。

其中，在关联信息包括链接信息的情况下，基于关联信息的信息量，采用与信息量匹配的预设方式将关联信息进行编码，得到关联信息的预设编码信息包括如下至少一项：在信息量满足预设条件的情况下，将链接信息转换为短链接信息，并将短链接信息和关联信息中的其他信息转换为采用预设进制编码的预设字符串，作为预设编码信息，短链接信息的信息量不满足预设条件；在信息量不满足预设条件的情况下，将关联信息转换为采用预设进制编码的预设字符串，作为预设编码信息。

因此，在信息量满足预设条件的情况下，将关联信息中包含的链接信息转换为短链接信息，并将短链接信息和关联信息中的其他信息转换为采用预设进制编码的预设字符串，作为预设编码信息，而在信息量不满足预设条件的情况下，直接将关联信息转换为采用预设进制编码的预设字符串，作为预设编码信息，故能够有利于降低后续编码所要处理的信息量，从而能够有利于进一步提高图像处理的效率。

其中，关联信息的信息量包括关联信息包含的字符个数，预设条件包括：字符个数大于预设阈值；和/或，短链接信息为采用预设短链接工具将关联信息进行转换得到的；和/或，预设进制至少包括二进制。

因此，将关联信息的信息量设置为关联信息所包含的字符个数，预设条件设置为字符个数大于预设阈值，能够有利于提高判断关联信息的信息量是否满足预设条件的速度，从而能够有利于提高编码处理的效率；将短链接信息设置为采用预设短链接工具将关联信息进行转换得到的，能够提高转换效率，从而能够有利于提高图像处理的效率；将预设进制设置为至少包括二进制，能够有利于降低编码为预设字符串的难度。

本申请第二方面提供了一种图像处理方法，包括：获取已编码图像和用于解密已编码图像的解密信息；其中，已编码图像为在待编码图像内编码有关联信息的图像，关联信息与待编码图像中的对象存在关联关系，且已编码图像和待编码图像的差异在预设范围内；对已编码图像和解密信息进行解码处理，得到解码结果。

因此，获取已编码图像和用于解密已编码图像的解密信息，且已编码图像为在待编码图像内编码有关联信息的图像，关联信息与待编码图像中的对象存在关联关系，已编码图像和待编码图像的差异在预设范围内，从而对已编码图像和解密信息进行解码处理，得到解码结果，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过解密信息解密已编码图像而获取解码结果，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

其中，关联信息至少包括属性信息和链接信息中的一项；属性信息与待编码图像中的第一对象存在第一关联关系；链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容。

因此，通过将关联信息设置为至少包括属性信息和链接信息中的一项，且属性信息与待编码图像中的第一对象存在第一关联关系，链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容，能够有利于提高待编码图像关联信息的丰富度，从而能够有利于拓展使用范围。

其中，图像处理方法还包括以下至少一项：在解密信息与用于加密待编码图像的加密信息不匹配的情况下，得到的解码结果包括与关联信息不同的信息；在解密信息与加密信息匹配，且关联信息包括属性信息的情况下，解码结果包括属性信息，在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，解码结果包括链接信息，或是解码结果包括解密信息对应的链接信息，且解密信息对应的链接信息与关联信息指示相同的内容。

因此，在解密信息与用于加密待编码图像的加密信息不匹配的情况下，得到的解码结果设置为包括与关联信息不同的信息，从而能够在解密信息与加密信息不匹配的情况下，保护关联信息不被窃取，提高关联信息的安全性；在解密信息与加密信息匹配，且关联信息包括属性信息的情况下，解码结果设置为包括属性信息，从而能够在解密信息与加密匹配的情况下，得到关联信息所包含的属性信息，从而能够有效保护关联信息所包含的属性信息，提高关联信息的安全性；在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，解码结果包括链接信息，从而能够有效保护关联信息所包含的链接信息，提高关联信息的安全性；或是解码结果包括解密信息对应的链接信息，且解密信息对应的链接信息与关联信息指示相同的内容，从而不仅能够提高关联信息的安全性，而且由于解密信息对应的链接信息与关联信息指示相同的内容，故还能拓展图像处理的使用场景。

其中，在得到解码结果之后，方法还包括：在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，加载解码结果中所包含的链接信息，并显示与链接信息对应的页面。

因此，在得到解码结果之后，在解密信息与加密信息匹配的情况下，能够加载解码结果中所包含的链接信息，并显示与链接信息对应的页面，能够有利于提高用户体验。

其中，获取已编码图像，包括：获取摄像器件对设有已编码图像的场景进行拍摄得到的原始图像；对原始图像进行边框检测，得到原始图像中与待解码图像对应的目标区域；提取目标区域的图像数据，并对图像数据进行预设处理，得到已编码图像。

因此，通过获取摄像器件对设有已编码图像的场景进行拍摄得到原始图像，从而对原始图像进行边框检测，得到原始图像中与待解码图像对应的目标区域，并提取目标区域的图像数据，并对图像数据进行预设处理，得到已编码图像，故能够在翻拍待解码图像的应用场景中，自动提取到已编码图像，能够有利于提高用户体验。

其中，对已编码图像和解密信息进行解码处理，得到解码结果之前，方法还包括：获取样本图像、样本加密信息和样本解密信息；利用神经网络的编码子网络对样本图像、样本加密信息和第一标识信息进行编码处理，得到与样本图像对应的第一已编码图像；采用预设加噪方式，在第一已编码图像中加入噪声，得到第二已编码图像；利用解码子网络对第二已编码图像和样本解密信息进行解码处理，得到第二标识信息；基于第一已编码图像和样本图像之间的差异，调整编码子网络的网络参数；以及，基于第二标识信息和第一标识信息之间的差异及样本加密信息和样本解密信息之间的差异，调整解码子网络的网络参数。

因此，通过获取样本图像、样本加密信息和样本解密信息，从而利用神经网络的编码子网络对样本图像、样本加密信息和第一标识信息进行编码处理，得到与样本图像对应的第一已编码图像，并采用预设加噪方式，在第一已编码图像中加入噪声，得到第二已编码图像，进而利用解码子网络对第二已编码图像和样本解密信息进行解码处理，得到第二标识信息，并基于第一已编码图像和样本图像之间的差异，调整编码子网络的网络参数， 以及基于第二标识信息和第一标识信息之间的差异及样本加密信息和样本解密信息之间的差异，调整解码子网络的网络参数，从而在训练过程中，能够模拟翻拍等应用场景中存在的噪声，进而能够有利于提高神经网络的鲁棒性，有利于提高图像处理的可靠性。

本申请第三方面提供了一种图像处理装置，包括获取模块和编码模块，获取模块用于获取待编码图像和用于加密待编码图像的加密信息；编码模块用于对待编码图像、加密信息和关联信息进行编码处理，得到与待编码图像对应的已编码图像；其中，关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内。

本申请第四方面提供了一种图像处理装置，包括获取模块和解码模块，获取模块用于获取已编码图像和用于解密已编码图像的解密信息；其中，已编码图像为在待编码图像内编码有关联信息的图像，关联信息与待编码图像中的对象存在关联关系，且已编码图像和待编码图像的差异在预设范围内；解码模块用于对已编码图像和解密信息进行解码处理，得到解码结果。

本申请第五方面提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述第一方面中的图像处理方法，或实现上述第二方面中的图像处理方法。

本申请第六方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述第一方面中的图像处理方法，或实现上述第二方面中的图像处理方法。

上述方案，通过获取待编码图像和用于加密待编码图像的加密信息，从而对待编码图像、加密信息和关联信息进行编码处理，进而得到与待编码图像对应的已编码图像，且关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过将加密信息与关联信息一同编入待编码图像，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

附图说明

图1是训练神经网络一实施例的状态示意图；

图2是训练神经网络一实施例的流程示意图；

图3是神经网络的编码子网络一实施例的框架示意图；

图4是神经网络的解码子网络一实施例的框架示意图；

图5是本申请图像处理方法一实施例的流程示意图；

图6是本申请图像处理方法另一实施例的流程示意图；

图7是本申请图像处理装置一实施例的框架示意图；

图8是本申请图像处理装置另一实施例的框架示意图；

图9是本申请电子设备一实施例的框架示意图；

图10是本申请计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“***”和“网络”在本文中常被可互换使用。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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。

为了便于理解，首先说明本申请图像处理方法的实施例中涉及到的神经网络。请结合参阅图1和图2，图1是训练神经网络一实施例的状态示意图，图2是训练神经网络一实施例的流程示意图，本公开实施例中的神经网络可以认为用于图像处理的模型。具体地，可以通过如下步骤训练得到神经网络：

步骤S21：获取样本图像、样本加密信息和样本解密信息。

样本图像可以根据实际应用需要进行设置，例如，在电子商务场景中，样本图像可以是产品外观图像、产品渲染图像等；或者，在产品宣传场景中，样本图像可以是产品介绍图像、产品宣贯图像等，其他场景可以以此类推，在此不再一一举例。本公开实施例中所指的产品包括但不限于电器、服饰等实物产品，也可以是演唱会、音乐剧、游戏等虚拟产品，在此不做限定。

在完成神经网络的训练后，样本加密信息与样本解密信息匹配，即使用样本加密信息进行加密的样本图像，可以通过样本解密信息进行解密，得到样本图像。样本加密信息和样本解密信息可以设置为相同，也可以设置为不同。样本加密信息和样本解密信息可以设置为数字组成的字符串，也可以设置为字母组成的字符串，还可以设置为数字、字母组成的字符串，此外，样本加密信息和样本解密信息中还可以包含特殊字符，例如，@、#、$等等，在此不做限定，样本加密信息和样本解密信息具体可以根据实际应用需要进行设置，在此不做限定。

步骤S22：利用神经网络的编码子网络对样本图像、样本加密信息和第一标识信息进行编码处理，得到与样本图像对应的第一已编码图像。

本公开实施例中，第一标识信息是期望编入样本图像中的信息。具体地，第一标识信息可以是链接信息，例如：产品的购买链接、宣传链接等，具体可以是图3所示的“https://……”等，在此不做限定。或者，第一标识信息也可以是属性信息，例如：产品的售价、售卖产品的店铺地址、促销活动。第一标识信息还可以根据实际应用需要设置为其他具体信息，例如，针对房地产销售场景，第一标识信息还可以包括：售楼处地址、楼盘介绍等，其他场景可以根据实际情况进行设置，在此不再一一举例。

在一个实施场景中，可以基于第一标识信息的信息量，采用与信息量匹配的预设方式将第一标识信息进行编码，得到第一标识信息的样本编码信息，从而利用神经网络的编码子网络对样本图像、样本加密信息和样本编码信息进行编码处理，得到第一已编码图像。通过基于信息量进行编码处理为样本编码信息，能够有利于降低后续编码处理的工作量，提高编码处理效率。

在一个具体的实施场景中，当第一标识信息包括链接信息且第一标识信息的信息量满足预设条件时，可以将第一标识信息中所包含的链接信息转换为短链接信息，具体可以采用预设短链接工具将其进行转换，预设短链接工具可以包括但不限于：新浪短网址服务（sina.lt）、百度短地址服务（dwz.cn）等等，此外，预设短链接工具还可以是用户自定义的短链接工具，具体可以根据实际应用需要进行设置。在转换之后，还可以进一步将短链接信息和第一标识信息中所包含的其他信息转换为采用预设进制编码的预设字符串，作为样本编码信息，从而利用神经网络的编码子网络对样本图像、样本加密信息和样本编码信息进行编码处理，得到第一已编码图像。具体地，预设进制至少可以包括二进制。

在另一个具体的实施场景中，当第一标识信息的信息量不满足预设条件时，可以直接将第一标识信息转换为采用预设进制编码的预设字符串，作为样本编码信息，从而利用神经网络的编码子网络对样本图像、样本加密信息和样本编码信息进行编码处理，得到第一已编码图像。

在又一个具体的实施场景中，第一标识信息的信息量包括第一标识信息所包含的字符个数，上述预设条件可以包括第一标识信息所包含的字符个数大于预设阈值，预设阈值可以根据实际应用需要进行设置。例如，可以设置为50、60、70等等，在此不做限定。

在又一个具体的实施场景中，在利用神经网络的编码子网络对样本图像、样本加密信息和样本编码信息进行编码处理之前，还可以对样本图像进行缩放处理至预设尺寸，且预设尺寸符合编码子网络的输入标准，以适应编码子网络。具体地，预设尺寸可以根据实际应用需要进行设置，例如，预设尺寸可以设置为640*480，即编码子网络的输入标准为640*480，则可以将样本图像缩放至640*480。预设尺寸也可以根据实际情况设置为其他尺寸，如240*360、360*480等，在此不做限定。

编码子网络的具体网络结构可以根据实际应用需要进行设置，例如，可以为残差网络等，在此不做限定。在一个实施场景中，编码子网络可以为U-Net，具体请结合参阅图3，图3是神经网络的编码子网络一实施例的框架示意图。如图3所示，矩形表示图像，矩形上方的数字表示图像的通道数，直线实线箭头表示卷积处理，直线虚线箭头表示池化处理，加粗直线虚线箭头表示反卷积处理，折线虚线箭头表示跳转连接，通道数为3的样本图像经过一系列处理后，得到通道数为32的特征图，该特征图与信息（即第一标识信息处理后的样本编码信息、样本加密信息）一同进行卷积处理，得到另一通道数为32的特征图，再经过一系列处理，还原得到通道数为3的第一已编码图像。或者，还可以根据实际应用需要，将信息（即第一标识信息处理后的样本编码信息、样本加密信息）与通道数为3的样本图像一同进行卷积处理，在此不做限定。如图3所示，样本图像与第一编码图像的尺寸和通道数相同。此外，在样本图像经过缩放处理以适应编码子网络的情况下，还可以将第一已编码图像进行与上述缩放处理相反的操作，以将图像尺寸进行还原。在其他实施场景中，当编码子网络为其他网络结构时，具体的编码过程可以以此类推，在此不再一一举例。

在另一个实施场景中，在其他应用场景中，也可以将第一标识信息替换为其他信息，从而将其他信息编入样本图像中。例如，在数字产品产权保护场景中，可以将样本链接信息替换为版权标识信息，如版权方签名等；或者，在图片溯源场景中，可以将样本链接信息替换为图源标识信息，如图源方身份识别符等。具体可以根据实际应用需要进行设置，在此不再一一举例。

步骤S23：采用预设加噪方式，在第一已编码图像中加入噪声，得到第二已编码图像。

本公开实施例中，预设加噪处理用于模拟实际应用时常见的图像信息丢失情景，以提高图像处理的鲁棒性。具体地，预设加噪方式可以包括但不限于：随机剪切、部分替换、图像压缩、屏幕截图、模糊处理、图像翻拍（即随机改变图像对比度、亮度、饱和度），具体可以根据实际应用需要进行设置，在此不做限定。

步骤S24：利用解码子网络对第二已编码图像和样本解密信息进行解码处理，得到第二标识信息。

具体地，在利用解码子网络对第二已编码图像和样本解密信息进行解码处理之前，可以先对第二已编码图像进行边框检测，得到第二已编码图像中与第一已编码图像对应的目标区域，从而提取目标区域的图像数据，并对图像数据进行预设处理，得到一样本已编码图像，进而可以利用解码子网络对样本已编码图像和样本解密信息进行解码处理，得到第二标识信息。通过对第二已编码图像进行边框检测，提取与第一编码图像对应的目标区域，并基于目标区域的图像数据进行后续的解码处理，能够有利于提高后续解码处理的准确性。

在一个实施场景中，可以采用基于深度学习的边框检测模型进行边框检测，或者，采用诸如边缘提取等传统图像处理方式进行边框检测，具体可以根据实际应用需要进行设置，在此不做限定。在一个具体的实施场景中，边框检测模型可以包括但不限于：OpenCV提供的边框检测（如，cv2.findContours）等，在此不做限定。在另一个具体的实施场景中，边缘提取可以包括但不限于：Canny算子、Roberts算子等，在此不做限定。

在另一个实施场景中，对图像数据进行预设处理的操作具体可以包括：将图像数据进行缩放处理至预设尺寸，预设尺寸符合解码子网络的输入标准，以适应解码子网络。预设尺寸具体可以根据实际应用需要进行设置，例如，预设尺寸可以是640*480，即解码子网络的输入标准为640*480，则可以将图像数据缩放至640*480。预设尺寸也可以根据实际情况设置为其他尺寸，如240*360、360*480等，在此不做限定。

解码子网络的具体结构可以根据实际应用需要进行设置，例如，可以设置为残差网络、Google-Net等，在此不做限定。请结合参阅图4，图4是神经网络的解码子网络一实施例的框架示意图。如图4所示，矩形表示图像，矩形上方的数字表示图像的通道数，直线实线箭头表示卷积处理，直线虚线箭头表示池化处理，如图3所示，通道数为3的第二已编码图像经过一系列卷积处理、池化处理之后，最终得到第二标识信息。在其他实施场景中，当解码子网络为其他网络结构时，解码处理的步骤可以以此类推，在此不再一一举例。

在一个实施场景中，若在编码处理过程中，采用与第一标识信息的信息量匹配的预设方式将第一标识信息进行编码时，则在解码过程中，可以对解码处理得到的预测编码信息进行与预设方式相反的操作，得到第二标识信息。具体地，可以将以预设进制编码的预测编码信息转换为字符串，并在检测到该字符串为短链接信息时，将短链接信息进行转换，得到第二标识信息，而在检测到该字符串不为短链接信息时，直接将该字符串作为第二标识信息。具体地，可以在采用短链接转换时，在转换得到的短链接信息的开头或结尾等位置添加短链接标识（如，链接信息中较少使用的+、*等等），以标识链接信息为短链接信息，从而在解码处理时，若检测到字符串中包含短链接标识，则可以字符串为短链接信息。

步骤S25：基于第一已编码图像和样本图像之间的差异，调整编码子网络的网络参数。

为了便于描述，样本图像可以记为，第一已编码图像可以记为/>，第一标识信息可以记为/>，第二标识信息可以记为/>，样本加密信息可以记为/>，样本解密信息可以记为/>。

在一个实施场景中，可以采用预设判别器鉴别第一已编码图像和样本图像之间的差异。具体地，预设判别器可以包括顺序连接的卷积层、激活层、池化层等，也可以根据实际应用需要进行设置，在此不做限定。则可以采用最小平均方差（Least MeanSquare，LMS）损失函数计算第一已编码图像/>和样本图像/>之间的第一损失值，并最小化第一损失值，以使预设判别器无法分辨样本图像/>和第一已编码图像/>，从而使第一已编码图像与样本图像在视觉上达到较高的一致性，即用户很难用人眼分辨出第一已编码图像与样本图像的区别，也就意味着第一已编码图像与样本图像在视觉上的区别基本可以忽略不计。此外，最小化预设判别器的第二损失值，以使预设判别器尽可能分辨出样本图像和第一已编码图像/>，从而使预设判别器仍然能够分辨第一已编码图像与样本图像在视觉上存在的不一致性，即用户仔细分辨仍然可以分辨出第一已编码图像在视觉上的区别。基于第一损失值和第二损失值调整编码子网络和预设判别器的网络参数，直至满足预设结束条件为止。在一个具体的实施场景中，预设结束条件可以包括：预设判别器正确分辨出第一已编码图像/>和样本图像/>的概率，以及不能分辨出第一已编码图像/>和样本图像/>的概率均在预设范围内，具体地，预设范围可以设置为50%附近的区间，如：45%至55%、47%至53%、48%至52%等等，在此不做限定。通过上述方式，预设判别器在训练过程中，能够不断优化其判别性能，最终当上述能够分辨和不能分辨的概率均在预设范围内时，可以认为预设判别器也无法区别第一已编码图像和样本图像之间的区别，此时可以认为第一已编码图像与样本图像在视觉上已经达到了高度一致。

步骤S26：基于第二标识信息和第一标识信息之间的差异及样本加密信息和样本解密信息之间的差异，调整解码子网络的网络参数。

为了便于描述，样本图像可以记为，第一已编码图像可以记为/>，第一标识信息可以记为/>，第二标识信息可以记为/>，样本加密信息可以记为/>，样本解密信息可以记为/>。

当样本加密信息和样本解密信息一致时，可以利用交叉熵损失（cross-entropy）函数计算第三损失值，并基于第三损失值，调整解码子网络的网络参数。具体地，此时第三损失值的计算方式可以参阅下式（1）：

……（1）

当样本加密信息和样本解密信息不一致时，可以利用预设损失函数计算第四损失值，并基于第四损失值，调整解码子网络的网络参数。具体地，此时第四损失值的计算方式可以参阅下式（2）：

……（2）

通过上述方式，可以在训练过程中，使得第二标识信息和第一标识信息之间的差异贴近于样本加密信息和样本解密信息之间的差异，故当样本加密信息与样本解密信息较为相近时，第二标识信息与第一标识信息也较为相近，反之，当样本加密信息与样本解密信息相差较大时，第二标识信息与第一标识信息也相差较远。

上述方案，能够使训练得到的编码子网络编码处理得到的图像与输入编码子网络的原始图像尽可能一致，且能够利用输入到编码子网络的加密信息对第一标识信息进行有效加密，即用户输入的解密信息与加密信息差异，及输入的第一标识信息和输出的第二标识信息相对应，故神经网络能够自动学习判断密钥是否正确，故此，即使神经网络和相关算法泄漏，依靠加密信息也能够有效保护标识信息，使其不易被篡改，能够提高图像处理的可靠性。

请参阅图5，图5是本申请图像处理方法一实施例的流程示意图。具体而言，可以包括如下步骤：

步骤S51：获取待编码图像和用于加密待编码图像的加密信息。

待编码图像可以根据实际应用需要进行设置，例如，在电子商务场景中，待编码图像可以是产品外观图像、产品渲染图像；或者，在产品宣传场景中，待编码图像可以是产品介绍图像、产品宣贯图像等，其他场景可以以此类推，在此不再一一举例。本公开实施例中所指的产品包括但不限于电器、服饰等实物产品，也可以是演唱会、音乐剧、游戏等虚拟产品，在此不做限定。

加密信息可以设置为数字组成的字符串，也可以设置为字母组成的字符串，还可以设置为数字与字母组成的字符串，此外，加密信息还可以包括特殊字符，具体可以参阅前述公开实施例中的相关描述，在此不再赘述。在一个具体的实施场景中，加密信息是在对待编码图像进行编码处理时，由用户自定义输入的，例如，当用户确定执行对待编码图像的编码处理时，可以提示用户输入加密信息，从而可以获取用户自定义输入的加密信息；或者，加密信息也可以预先设置的，例如，在用户首次确定执行编码处理时，由用户自定义设置一加密信息，用于本次以及后续对待编码图像的加密，具体可以根据实际应用需要进行设置，在此不做限定。

步骤S52：对待编码图像、加密信息和关联信息进行编码处理，得到与待编码图像对应的已编码图像。

本公开实施例中，待编码图像和已编码图像的差异在预设范围内。具体地，预设范围可以包括：待编码图像的各个像素点的像素值与已编码图像中对应像素点的像素值之间的差值在预设数值范围内。在一个具体的实施场景中，待编码图像和已编码图像通过人眼观察无法分辨。

本公开实施例中，关联信息与待编码图像中的对象存在关联关系。关联关系可以包括但不限于：关联信息可用于购买该对象，关联信息可用于介绍该对象，具体可以根据实际应用需要进行设置。此外，关联信息可以是用户设置的，也可以是通过对待编码图像进行识别而得到的。以待编码图像为某产品的宣传图像为例，用户可以设置该产品的购买链接作为关联信息，也可以通过识别宣传图像上该产品的宣传标语作为关联信息，还可以将上述购买链接和宣传标语一同作为关联信息。其他场景可以根据实际应用需要进行设置，在此不再一一举例。

在一个实施场景中，关联信息至少可以包括属性信息和链接信息中的一项。具体地，属性信息与待编码图像中的第一对象存在第一关联关系，链接信息可用于指示访问与待编码图像中的第二对象存在第二关联的内容。

在一个具体的实施场景中，第一对象和第二对象可以是待编码图像中的部分对象或全部对象。以待编码图像是手机宣传海报为例，第一对象、第二对象可以是宣传海报中某一款或某几款手机或所有款式的手机；以待编码图像是房产销售海报为例，第一对象、第二对象可以是销售海报中某一种或某几种户型或所有户型；以待编码图像是电影海报为例，第一对象、第二对象可以是电影海报中某一位演员或某几位演员或全部演员。其他场景可以根据实际应用需要进行设置，在此不再一一举例。

在另一个具体的实施场景中，第一对象和第二对象可以相同，也可以不同。仍以待编码图像是手机宣传海报为例，第一对象可以是宣传海报中A款手机，第二对象可以也是A款手机，也可以是B款手机；仍以待编码图像是房产销售海报为例，第一对象可以是销售海报中甲户型，第二对象可以也是甲户型，也可以是乙户型；仍以待编码图像是电影海报为例，第一对象可以是演员A，第二对象可以也是演员A，也可以是演员B。其他场景可以根据实际应用需要进行设置，在此不再一一举例。

在又一个具体的实施场景中，第一关联关系和第二关联关系可以相同，也可以不同。仍以待编码图像是手机宣传海报为例，第一关联关系可以是属性信息用于购买第一对象（如A款手机），第二关联关系可以是链接信息用于购买第二对象（如B款手机），即两者相同，或者，第一关联关系可以是属性信息用于介绍第一对象（如A款手机），第二关联关系可以是链接信息用于购买第二对象（如B款手机），即两者不同。仍以待编码图像是房产销售海报为例，第一关联关系可以是属性信息用于介绍第一对象（如甲户型），第二关联关系可以是链接信息用于介绍第二对象（如乙户型），即两者相同；或者，第一关联关系可以是属性信息用于介绍第一对象（如甲户型），第二关联关系可以是链接信息用于预约购买第二对象（如甲户型），即两者不同。仍以待编码图像是电影海报为例，第一关联关系可以是属性信息用于介绍第一对象（如演员A），第二关联关系可以是链接信息用于介绍第二对象（如演员B），即两者相同；或者，第一关联关系可以是属性信息用于介绍第一对象（如演员A），第二关联关系可以是链接信息用于指示关注第二对象（如演员B）的社交账号。其他场景可以根据实际应用需要进行设置，在此不再一一举例。

在又一个具体的实施场景中，链接信息可以实现介绍、购买、预约等功能，如链接信息可以包括：购买链接，宣传链接，在此不做限定。属性信息可以实现介绍、推广、宣传等功能，如属性信息可以包括：产品售价、商铺/活动地址、优惠信息等。属性信息和链接信息还可以根据实际应用需要设置为其他信息，例如，针对房地产销售场景，属性信息还可以包括：售楼处地址、楼盘介绍等，链接信息还可以包括：楼盘/户型三维模型的链接地址，其他场景可以根据实际情况进行设置，在此不再一一举例。

在一个实施场景中，为了提高编码处理的效率，可以预先训练一神经网络，该神经网络可以包括编码子网络，从而可以利用神经网络的编码子网络对待编码图像、加密信息和关联信息进行编码处理，得到已编码图像。神经网络的具体结构以及训练步骤具体可以参阅前述公开实施例，在此不再赘述。

在另一个实施场景中，为了降低编码处理的负荷，还可以基于关联信息的信息量，采用与信息量匹配的预设方式将关联信息进行编码，得到关联信息的预设编码信息，从而可以利用神经网络的编码子网络对待编码图像、加密信息和预设编码信息进行编码处理，得到已编码图像，故能够适应于具有各种信息量的关联信息的编码处理，降低编码处理的负荷，进而能够有利于进一步提高图像处理的可靠性，此外通过采用神经网络的编码子网络进行编码处理，能够有利于提高图像处理的效率。

在一个具体的实施场景中，当关联信息包括链接信息，且关联信息的信息量满足预设条件时，可以将关联信息中的链接信息转换为短链接信息，并将短链接信息和关联信息中的其他信息转换为采用预设进制编码的预设字符串，作为预设编码信息。具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

在另一个具体的实施场景中，当关联信息的信息量不满足预设条件时，可以直接将关联信息转换为采用预设进制编码的预设字符串，作为预设编码信息。具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

在又一个具体的实施场景中，上述关联信息的信息量可以包括关联信息所包含的字符个数，上述预设条件可以包括字符个数大于预设阈值。预设阈值可以根据实际应用需要进行设置，在此不做限定。

在又一个具体的实施场景中，在利用神经网络的编码子网络对待编码图像、加密信息和预设编码信息进行编码处理之前，还可以对待编码图像进行缩放处理至预设尺寸，以适应编码子网络。具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

在另一个实施场景中，在其他应用场景中，也可以将关联信息替换为其他信息，从而将其他信息编入待编码图像中。例如，在数字产品产权保护场景中，可以将关联信息替换为版权标识信息，如版权方签名、授权使用数字产品的对象签名等，从而当发现数字产品被盗用时，可以通过解码获取数字产品中所编码的关联信息，以为版权方维权提供支持；或者，在图片溯源场景中，可以将关联信息替换为图源标识信息，如图源方身份识别符等。例如，同一图片在被多家厂商使用时，不同的厂家所使用的图片在编码过程中所使用的关联信息是不同的，例如，厂家A对应关联信息01，厂家B对应关联信息02等等，则当图片流传在外时，即可通过解码流传在外的图片，得到关联信息，从而根据解码得到的关联信息确定导致图片流传的厂商是哪一家，进而可以达到图片溯源的效果。与之类似地，还可以对影片拷贝溯源，即不同院线的影片拷贝可以编码不同的关联信息，当发现有盗版流传在外时，即可通过解码流传在外的影片资源，得到关联信息，从而根据解码得到的关联信息确定导致影片拷贝流传的院线是哪一家。具体可以根据实际应用需要进行设置，在此不再一一举例。

上述方案，通过获取待编码图像和用于加密待编码图像的加密信息，从而对待编码图像、加密信息和关联信息进行编码处理，进而得到与待编码图像对应的已编码图像，且关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过将加密信息与关联信息一同编入待编码图像，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

请参阅图6，图6是本申请图像处理方法另一实施例的流程示意图。具体而言，可以包括如下步骤：

步骤S61：获取已编码图像和用于解密已编码图像的解密信息。

本公开实施例中，已编码图像为在待编码图像内编码有关联信息的图像，且已编码图像和待编码图像的差异在预设范围内。具体地，已编码图像可以是利用上述图像处理方法实施例中的步骤对待编码图像、关联信息和加密信息进行编码处理得到的图像，具体可以参阅前述公开实施例中的相关步骤，在此不再赘述。

本公开实施例中，关联信息与待编码图像中的对象存在关联关系。在一个实施场景中，关联信息至少包括属性信息和链接信息中的一项，属性信息与待编码图像中的第一对象存在第一关联关系，链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容。具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

在一个实施场景中，可以获取摄像器件对设有已编码图像的场景进行拍摄得到的原始图像，从而对原始图像进行边框检测，得到原始图像中与待解码图像对应的目标区域，进而提取目标区域的图像数据，并对图像数据进行预设处理，得到已编码图像。故此，能够适应于翻拍等应用场景中，从而能够有利于提高后续解码处理的准确性。

在一个具体的实施场景中，可以采用基于深度学习的边框检测模型进行边框检测，或者，采用诸如边缘提取等传统图像处理方式进行边框检测，在此不做限定。具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

在另一个具体的实施场景中，可以预先训练一神经网络，且神经网络包括解码子网络，用于对已编码图像和解密信息进行解码处理，则对图像数据进行预设处理的操作具体可以包括：将图像数据进行缩放处理至预设尺寸，以适应解码子网络。预设尺寸具体可以根据实际应用需要进行设置，具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

步骤S62：对已编码图像和解密信息进行解码处理，得到解码结果。

在一个实施场景中，为了提高解码处理的效率，可以预先训练一神经网络，神经网络包括解码子网络，则可以利用解码子网络对已编码图像和解密信息进行解码处理，得到解码结果。解码子网络的具体结构以及训练解码子网络的具体步骤，可以参阅前述公开实施例中的相关描述，在此不再赘述。

在一个实施场景中，解码结果与关联信息的差异，及解密信息与用于加密待编码图像的加密信息的差异相对应。具体地，解密信息与加密信息的差异越大，解码结果与关联信息的差异也越大，反之，解密信息与加密信息的差异越小，解码结果与关联信息的差异也越小。具体可以参阅前述公开实施例中的相关描述，在此不再赘述。

在一个实施场景中，在解密信息与加密信息不匹配的情况下，所得到的解码结果可以包括与关联信息不同的信息。

在一个具体的实施场景中，解密信息与加密信息匹配可以是两者完全一致或是唯一匹配（即解密信息与加密信息不同，但解密信息是唯一可以用于解密使用加密信息加密内容的信息），或者，与加密信息匹配的解密信息也可以有多个，解密信息具体可以是加密信息与解码标识符的组合，解码标识符至少可以用于标识执行解码的用户。在一种实现方式中，在用户通过小程序、应用程序等实现解码操作，则可以通过用户访问小程序、应用程序时的账户等可以区分用户身份的信息，对不同用户进行标识，该用于区分用户身份的信息可以直接作为解码标识符，或是经过特定处理后作为解码标识符。其中，特定处理可以包括但不限于如下至少一项：对用于区分用户身份的信息进行格式处理、字符变形等。当然，在实际应用过程中，还可以通过用户使用的终端，来区分用户身份，比如，终端具备的唯一标识，或是终端中SIM、eSIM等可访问到的能够区分不同终端或是使用用户的标识信息，在此对于解码标识符的数据来源、数据类型等不予限定，可以包括但不限于上述例举的情况。在一种实现方式中，解码标识符具体可以采用加密信息所采用的约定类型字符（如数字）之外的其他类型字符（如字母）进行表示，例如，加密信息为“123456”，A用户的解码标识符为“A”、B用户的解码标识符为“B”，则对于A用户而言，其解密信息为“123456A”，对于B用户而言，其解密信息为“123456B”，其他场景可以以此类推，在此不做限定。

在另一个具体的实施场景中，与关联信息不同的信息可以是随机生成的信息，也可以是预先设置的信息。以关联信息包括链接信息为例，链接信息可以链接至一预设页面（如，产品介绍页面），预先设置的信息可以是能够链接至其他页面（如，空白页面）的其他链接信息，或者，也可以是与链接信息不同的随机字符串，在此不做限定。或者，以关联信息包括属性信息为例，属性信息可以是对象简介信息，预先设置的信息可以是空信息，或者，也可以是与属性信息不同的随机字符串。需要说明的是，对于预先设置的信息的设置方式、信息格式、内容等，在此不做限定。

在另一个实施场景中，在解密信息与加密信息匹配，且关联信息包括属性信息的情况下，解码结果可以包括属性信息。以已编码图像是手机宣传海报为例，与手机宣传海报中手机具有关联关系的关联信息包括手机的属性信息（如，手机参数、售价等），则在解密信息与加密信息匹配的情况下，解码结果可以包括手机的上述属性信息；以已编码图像是房产销售海报为例，与房产销售海报中户型具有关联关系的关联信息包括户型的属性信息（如，户型介绍、售价等），则在解密信息与加密信息匹配的情况下，解码结果可以包括户型的上述属性信息；以已编码图像是电影海报为例，与电影海报中演员具有关联关系的关联信息包括演员的属性信息（如，演员介绍、角色等），则在解密信息与加密信息匹配的情况下，解码结果可以包括演员的上述属性信息。其他场景可以根据实际应用需要进行设置，在此不再一一举例。

在又一个实施场景中，在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，解码结果可以包括链接信息。以已编码图像是手机宣传海报为例，与手机宣传海报中手机具有关联关系的关联信息包括手机的链接信息（如，购买链接、预约链接等），则在解密信息与加密信息匹配的情况下，解码结果可以包括手机的上述链接信息；以已编码图像是房产销售海报为例，与房产销售海报中户型具有关联关系的关联信息包括户型的链接信息（如，户型介绍链接、户型预约链接等），则在解密信息与加密信息匹配的情况下，解码结果可以包括户型的上述链接信息；以已编码图像是电影海报为例，与电影海报中演员具有关联关系的关联信息包括演员的链接信息（如，演员社交空间首页链接等），则在解密信息与加密信息匹配的情况下，解码结果可以包括演员的上述链接信息。其他场景可以根据实际应用需要进行设置，在此不再一一举例。

在又一个实施场景中，在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，解码结果可以包括解密信息对应的链接信息，且解密信息对应的链接信息与关联信息指示相同的内容。具体地，不同解码信息对应的链接信息可以不同，且不同的链接信息可以与关联信息指示相同的内容。如前所述，解密信息具体可以是加密信息与解码标识符的组合，解码标识符具体可以采用加密信息所采用的约定类型字符（如数字）之外的其他类型字符（如字母）进行表示。故在解码时，可以先提取解密信息中约定类型字符，并利用约定类型字符参与上述解码，得到关联信息所包括链接信息，再将得到的链接信息与其他类型字符（即解码标识符）进行拼接，则可以得到与解密信息对应的链接信息。具体地，为了使后台进行链接解析时能够区分实际链接，可以在将链接信息与其他类型字符（即解码标识符）进行拼接时，在链接信息与其他类型字符（即解码标识符）之间设置链接信息中不使用的字符（如，+、*等字符），以分隔链接信息与其他类型字符。

在一个具体的实施场景中，根据具体的应用场景，解码标识符也可以设置相应的作用，从而可以有利于拓展使用范围。例如，当解码标识符用于区别不同的服务人员时，则可以提取用户解码时所采用的解密信息中的解码标识符，确定对接该用户的服务人员。以房产销售为例，当用户1、用户2均通过解密信息“123456A”得到链接信息，并链接至同一页面时，可以根据解码标识符“A”将用户1、用户2作为销售人员A需要跟进的服务对象，而当用户3、用户4均通过解密信息“123456B”得到链接信息，并链接至同一页面时，可以根据解码标识符“B”将用户3、用户4作为销售人员B需要跟进的服务对象。其他场景可以以此类推，在此不再一一举例。

在一个实施场景中，在得到解码结果之后，若解密信息与加密信息匹配且关联信息包括链接信息，则还可以加载该链接信息，并显示与该链接信息对应的页面。例如，该链接信息为产品的购买链接，则可以加载该购买链接，从而显示与该购买链接对应的页面；或者，该链接信息为产品的宣传链接，则可以加载该宣传链接，从而显示与该宣传链接对应的页面，其他场景可以以此类推，在此不再一一举例。本公开实施例中所指的产品包括但不限于电器、服饰等实物产品，也可以是演唱会、音乐剧、游戏等虚拟产品，在此不做限定。

在一个实施场景中，若已编码图像在编码处理过程中，采用与关联信息的信息量匹配的预设方式将关联信息进行编码时，则在解码过程中，可以对解码处理得到的编码信息进行与预设方式相反的操作，得到解码结果。具体地，可以将以预设进制编码的编码信息转换为字符串，并在检测到该字符换为短链接信息时，将短链接信息进行转换，得到解码结果，在检测到该字符串不为短链接信息时，直接将该字符串作为与解密信息解码结果。检测字符串是否为短链接信息的具体方式可以参阅前述公开实施例中的相关描述，在此不再赘述。

上述方案，获取已编码图像和用于解密已编码图像的解密信息，且已编码图像为在待编码图像内编码有关联信息的图像，关联信息与待编码图像中的对象存在关联关系，已编码图像和待编码图像的差异在预设范围内，从而对已编码图像和解密信息进行解码处理，得到解码结果，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过解密信息解密已编码图像而获取解码结果，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

请参阅图7，图7是本申请图像处理装置70一实施例的框架示意图。图像处理装置70包括获取模块71和编码模块72，获取模块71用于获取待编码图像和用于加密待编码图像的加密信息；编码模块72用于对待编码图像、加密信息和关联信息进行编码处理，得到与待编码图像对应的已编码图像；其中，关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内。

上述方案，通过获取待编码图像和用于加密待编码图像的加密信息，从而对待编码图像、加密信息和关联信息进行编码处理，进而得到与待编码图像对应的已编码图像，且关联信息与待编码图像中的对象存在关联关系，待编码图像和已编码图像的差异在预设范围内，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过将加密信息与关联信息一同编入待编码图像，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

在一些公开实施例中，关联信息至少包括属性信息和链接信息中的一项；属性信息与待编码图像中的第一对象存在第一关联关系；链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容。

区别于前述实施例，通过将关联信息设置为至少包括属性信息和链接信息中的一项，且属性信息与待编码图像中的第一对象存在第一关联关系，链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容，能够有利于提高待编码图像关联信息的丰富度，从而能够有利于拓展使用范围。

在一些公开实施例中，图像处理装置70还包括转换模块，用于基于关联信息的信息量，采用与信息量匹配的预设方式将关联信息进行编码，得到关联信息的预设编码信息，编码模块72具体用于利用神经网络的编码子网络对待编码图像、加密信息和预设编码信息进行编码处理，得到已编码图像。

区别于前述实施例，通过基于关联信息的信息量，采用与信息量匹配的预设方式将关联信息进行编码，得到关联信息的预设编码信息，从而利用神经网络的编码子网络对待编码图像、加密信息和预设编码信息进行编码处理，得到已编码图像，故能够适应于具有各种信息量的关联信息的编码处理，进而能够有利于进一步提高图像处理的可靠性，此外通过采用神经网络的编码子网络进行编码处理，能够有利于提高图像处理的效率。

在一些公开实施例中，转换模块包括第一转换子模块，用于在关联信息包括链接信息的情况下，在信息量满足预设条件的情况下，将关联信息转换为短链接信息，并将短链接信息和关联信息中的其他信息转换为采用预设进制编码的预设字符串，作为预设编码信息，短链接信息的信息量不满足预设条件，转换模块包括第二转换子模块，用于在信息量不满足预设条件的情况下，将关联信息转换为采用预设进制编码的预设字符串，作为预设编码信息。

区别于前述实施例，在信息量满足预设条件的情况下，将关联信息中包含的连接信息转换为短链接信息，并将短链接信息和关联信息中的其他信息转换为采用预设进制编码的预设字符串，作为预设编码信息，且短链接信息的信息量不满足预设条件，而在信息量不满足预设条件的情况下，直接将关联信息转换为采用预设进制编码的预设字符串，作为预设编码信息，故能够有利于降低后续编码所要处理的信息量，从而能够有利于进一步提高图像处理的效率。

在一些公开实施例中，关联信息的信息量包括关联信息包含的字符个数，预设条件包括：字符个数大于预设阈值；和/或，短链接信息为采用预设短链接工具将关联信息进行转换得到的；和/或，预设进制至少包括二进制。

区别于前述实施例，将关联信息的信息量设置为关联信息所包含的字符个数，预设条件设置为字符个数大于预设阈值，能够有利于提高判断关联信息的信息量是否满足第一预设条件的速度，从而能够有利于提高编码处理的效率；将短链接信息设置为采用预设短链接工具将关联信息进行转换得到的，能够提高转换效率，从而能够有利于提高图像处理的效率；将预设进制设置为至少包括二进制，能够有利于降低编码为预设字符串的难度。

请参阅图8，图8是本申请图像处理装置80一实施例的框架示意图。图像处理装置80包括获取模块81和解码模块82，获取模块81用于获取已编码图像和用于解密所述已编码图像的解密信息；其中，所述已编码图像为在待编码图像内编码有关联信息的图像，且关联信息与待编码图像中的对象存在关联关系，已编码图像和待编码图像的差异在预设范围内；解码模块82用于对所述已编码图像和所述解密信息进行解码处理，得到解码结果。

上述方案，获取已编码图像和用于解密已编码图像的解密信息，且已编码图像为在待编码图像内编码有关联信息的图像，关联信息与待编码图像中的对象存在关联关系，已编码图像和待编码图像的差异在预设范围内，从而对已编码图像和解密信息进行解码处理，得到解码结果，故不仅能够在维持待编码图像本身内容的基础上，将关联信息编入待编码图像，而且通过解密信息解密已编码图像而获取解码结果，能够有利于提高关联信息的安全性。故此，能够提高图像处理的可靠性。

在一些公开实施例中，关联信息至少包括属性信息和链接信息中的一项；属性信息与待编码图像中的第一对象存在第一关联关系；链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容。

区别于前述实施例，通过将关联信息设置为至少包括属性信息和链接信息中的一项，且属性信息与待编码图像中的第一对象存在第一关联关系，链接信息用于指示访问与待编码图像中的第二对象存在第二关联关系的内容，能够有利于提高待编码图像关联信息的丰富度，从而能够有利于拓展使用范围。

在一些公开实施例中，在解密信息与用于加密待编码图像的加密信息不匹配的情况下，解码结果包括与关联信息不同的信息；在解密信息与加密信息匹配，且关联信息包括属性信息的情况下，解码结果包括属性信息，在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，解码结果包括链接信息，或是解码结果包括解密信息对应的链接信息，且解密信息对应的链接信息与关联信息指示相同的内容。

区别于前述实施例，在解密信息与用于加密待编码图像的加密信息不匹配的情况下，得到的解码结果设置为包括与关联信息不同的信息，从而能够在解密信息与加密信息不匹配的情况下，保护关联信息不被窃取，提高关联信息的安全性；在解密信息与加密信息匹配，且关联信息包括属性信息的情况下，解码结果设置为包括属性信息，从而能够在解密信息与加密匹配的情况下，得到关联信息所包含的属性信息，从而能够有效保护关联信息所包含的属性信息，提高关联信息的安全性；在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，解码结果包括链接信息，从而能够有效保护关联信息所包含的链接信息，提高关联信息的安全性；或是解码结果包括解密信息对应的链接信息，且解密信息对应的链接信息与关联信息指示相同的内容，从而不仅能够提高关联信息的安全性，而且由于解密信息对应的链接信息与关联信息指示相同的内容，故还能拓展图像处理的使用场景。

在一些公开实施例中，关联信息为链接信息，图像处理装置80还包括加载模块，用于在解密信息与加密信息匹配，且关联信息包括链接信息的情况下，加载链接信息，并显示与链接信息对应的页面。

区别于前述实施例，在得到解码结果之后，若解密信息与加密信息匹配且关联信息包括链接信息，能够加载该链接信息，并显示与链接信息对应的页面，能够有利于提高用户体验。

在一些公开实施例中，获取模块81包括图像获取子模块，用于获取摄像器件对设有已编码图像的场景进行拍摄而得到的原始图像；获取模块81包括边框检测子模块，用于对原始图像进行边框检测，得到原始图像中与待解码图像对应的目标区域，获取模块81包括数据提取子模块，用于提取目标区域的图像数据，并对图像数据进行预设处理，得到已编码图像。

区别于前述实施例，通过获取摄像器件对已编码图像的场景进行拍摄而得到的原始图像，从而对原始图像进行边框检测，得到原始图像中与待解码图像对应的目标区域，并提取目标区域的图像数据，并对图像数据进行预设处理，得到已编码图像，故能够在翻拍待解码图像的应用场景中，自动提取到已编码图像，能够有利于提高用户体验。

在一些公开实施例中，图像处理装置80还包括样本获取模块，用于获取样本图像、样本加密信息和样本解密信息，图像处理装置80还包括样本编码模块，用于利用神经网络的编码子网络对样本图像、样本加密信息和第一标识信息进行编码处理，得到与样本图像对应的第一已编码图像，图像处理装置80还包括加噪处理模块，用于采用预设加噪方式，在第一已编码图像中加入噪声，得到第二已编码图像，图像处理装置80还包括样本解码模块，用于利用解码子网络对第二已编码图像和样本解密信息进行解码处理，得到第二标识信息，图像处理装置80还包括参数调整模块，用于基于第一已编码图像和样本图像之间的差异，调整编码子网络的网络参数；以及，基于第二标识信息和第一标识信息之间的差异及样本加密信息和样本解密信息之间的差异，调整解码子网络的网络参数。

区别于前述实施例，通过获取样本图像、样本加密信息和样本解密信息，从而利用神经网络的编码子网络对样本图像、样本加密信息和第一标识信息进行编码处理，得到与样本图像对应的第一已编码图像，并采用预设加噪方式，在第一已编码图像中加入噪声，得到第二已编码图像，进而利用解码子网络对第二已编码图像和样本解密信息进行解码处理，得到第二标识信息，并基于第一已编码图像和样本图像之间的差异，调整编码子网络的网络参数， 以及基于第二标识信息和第一标识信息之间的差异及样本加密信息和样本解密信息之间的差异，调整解码子网络的网络参数，从而在训练过程中，能够模拟翻拍等应用场景中存在的噪声，进而能够有利于提高神经网络的鲁棒性，有利于提高图像处理的可靠性。

请参阅图9，图9是本申请电子设备90一实施例的框架示意图。电子设备90包括存储器91和处理器92，在一个实施场景中，如图9所示，存储器91可以耦接至处理器92，处理器92用于执行存储器91中存储的程序指令，以实现上述任一图像处理方法实施例的步骤。在一个具体的实施场景中，电子设备90可以包括但不限于：微型计算机、服务器，此外，电子设备90还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。

具体而言，处理器92用于控制其自身以及存储器91以实现上述任一图像处理方法实施例的步骤。处理器92还可以称为CPU（Central Processing Unit，中央处理单元）。处理器92可能是一种集成电路芯片，具有信号的处理能力。处理器92还可以是通用处理器、数字信号处理器（Digital Signal Processor, DSP）、专用集成电路（Application SpecificIntegrated Circuit, ASIC）、现场可编程门阵列（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。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。另外，处理器92可以由集成电路芯片共同实现。

上述方案，能够提高图像处理的可靠性。

请参阅图10，图10为本申请计算机可读存储介质100一实施例的框架示意图。计算机可读存储介质100存储有能够被处理器运行的程序指令101，程序指令101用于实现上述任一图像处理方法实施例的步骤。

上述方案，能够提高图像处理的可靠性。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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，例如单元或组件可以结合或者可以集成到另一个***，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。

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方式方案的目的。

另外，在本申请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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元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，本申请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全部或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）或处理器（processor）执行本申请各个实施方式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（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (14)

1.一种图像处理方法，其特征在于，包括：

获取待编码图像和用于加密所述待编码图像的加密信息；

利用神经网络的编码子网络对所述待编码图像、所述加密信息和关联信息进行编码处理，得到与所述待编码图像对应的已编码图像；

其中，所述关联信息与所述待编码图像中的对象存在关联关系，所述待编码图像和所述已编码图像的差异在预设范围内，且在得到所述已编码图像之后，利用神经网络的解码子网络对所述已编码图像和解密信息进行解码处理；

所述神经网络的编码子网络和解码子网络通过以下方法训练得到：

获取样本图像、样本加密信息和样本解密信息；

利用所述编码子网络对所述样本图像、所述样本加密信息和第一标识信息进行编码处理，得到与所述样本图像对应的第一已编码图像；其中，所述第一标识信息表征关联信息；

采用预设加噪方式，在所述第一已编码图像中加入噪声，得到第二已编码图像；

利用神经网络的解码子网络对所述第二已编码图像和所述样本解密信息进行解码处理，得到第二标识信息；

基于所述第一已编码图像和所述样本图像之间的差异，调整所述编码子网络的网络参数；以及，

响应于所述样本加密信息和所述样本解密信息不一致，基于所述第二标识信息和所述第一标识信息之间的差异及所述样本加密信息和所述样本解密信息之间的差异，调整所述解码子网络的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述关联信息至少包括属性信息和链接信息中的一项；

所述属性信息与所述待编码图像中的第一对象存在第一关联关系；

所述链接信息用于指示访问与所述待编码图像中的第二对象存在第二关联关系的内容。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

基于所述关联信息的信息量，采用与所述信息量匹配的预设方式将关联信息进行编码，得到所述关联信息的预设编码信息；

所述对所述待编码图像、所述加密信息和关联信息进行编码处理，得到与所述待编码图像对应的已编码图像，包括：

利用神经网络的编码子网络对所述待编码图像、所述加密信息和所述预设编码信息进行编码处理，得到所述已编码图像。

4.根据权利要求3所述的方法，其特征在于，在所述关联信息包括链接信息的情况下，所述基于所述关联信息的信息量，采用与所述信息量匹配的预设方式将关联信息进行编码，得到所述关联信息的预设编码信息，包括如下至少一项：

在所述信息量满足预设条件的情况下，将所述链接信息转换为短链接信息，并将所述短链接信息和所述关联信息中的其他信息转换为采用预设进制编码的预设字符串，作为所述预设编码信息，所述短链接信息的信息量不满足所述预设条件；

在所述信息量不满足所述预设条件的情况下，将所述关联信息转换为采用所述预设进制编码的预设字符串，作为所述预设编码信息。

5.根据权利要求4所述的方法，其特征在于，所述关联信息的信息量包括所述关联信息包含的字符个数，所述预设条件包括：所述字符个数大于预设阈值；

和/或，所述短链接信息为采用预设短链接工具将所述链接信息进行转换得到的；

和/或，所述预设进制至少包括二进制。

6.一种图像处理方法，其特征在于，包括：

获取已编码图像和用于解密所述已编码图像的解密信息；其中，所述已编码图像为基于加密信息在待编码图像内编码有关联信息的图像，所述关联信息与所述待编码图像中的对象存在关联关系，且所述已编码图像和所述待编码图像的差异在预设范围内；

利用神经网络的解码子网络对所述已编码图像和所述解密信息进行解码处理，得到解码结果；

其中，所述利用神经网络的解码子网络对所述已编码图像和所述解密信息进行解码处理，得到解码结果之前，所述方法还包括：

获取样本图像、样本加密信息和样本解密信息；

利用神经网络的编码子网络对所述样本图像、所述样本加密信息和第一标识信息进行编码处理，得到与所述样本图像对应的第一已编码图像；其中，所述第一标识信息表征关联信息；

采用预设加噪方式，在所述第一已编码图像中加入噪声，得到第二已编码图像；

利用所述解码子网络对所述第二已编码图像和所述样本解密信息进行解码处理，得到第二标识信息；

基于所述第一已编码图像和所述样本图像之间的差异，调整所述编码子网络的网络参数；以及，

响应于所述样本加密信息和所述样本解密信息不一致，基于所述第二标识信息和所述第一标识信息之间的差异及所述样本加密信息和所述样本解密信息之间的差异，调整所述解码子网络的网络参数。

7.根据权利要求6所述的方法，其特征在于，所述关联信息至少包括属性信息和链接信息中的一项；

所述属性信息与所述待编码图像中的第一对象存在第一关联关系；

所述链接信息用于指示访问与所述待编码图像中的第二对象存在第二关联关系的内容。

8.根据权利要求6或7所述的方法，其特征在于，所述方法包括如下至少一项：

在所述解密信息与用于加密所述待编码图像的加密信息不匹配的情况下，得到的所述解码结果包括与所述关联信息不同的信息；

在所述解密信息与所述加密信息匹配，且所述关联信息包括属性信息的情况下，所述解码结果包括所述属性信息；

在所述解密信息与所述加密信息匹配，且所述关联信息包括链接信息的情况下，所述解码结果包括所述链接信息，或是所述解码结果包括所述解密信息对应的链接信息，且所述解密信息对应的链接信息与所述关联信息指示相同的内容。

9.根据权利要求8所述的方法，其特征在于，在所述得到解码结果之后，所述方法还包括：

在所述解密信息与所述加密信息匹配，且所述关联信息包括链接信息的情况下，加载所述解码结果中所包括的链接信息，并显示与所述链接信息对应的页面。

10.根据权利要求6所述的方法，其特征在于，所述获取已编码图像，包括：

获取摄像器件对设有所述已编码图像的场景进行拍摄而得到的原始图像；

对所述原始图像进行边框检测，得到所述原始图像中与待解码图像对应的目标区域；

提取所述目标区域的图像数据，并对所述图像数据进行预设处理，得到所述已编码图像。

11.一种图像处理装置，其特征在于，包括：

获取模块，用于获取待编码图像和用于加密所述待编码图像的加密信息；

编码模块，用于利用神经网络的编码子网络对所述待编码图像、所述加密信息和关联信息进行编码处理，得到已编码图像；

其中，所述关联信息与所述待编码图像中的对象存在关联关系，所述待编码图像和所述已编码图像的差异在预设范围内，且在得到所述已编码图像之后，利用神经网络的解码子网络对所述已编码图像和解密信息进行解码处理；

所述神经网络的编码子网络和解码子网络通过以下方法训练得到：

获取样本图像、样本加密信息和样本解密信息；

利用所述编码子网络对所述样本图像、所述样本加密信息和第一标识信息进行编码处理，得到与所述样本图像对应的第一已编码图像；其中，所述第一标识信息表征关联信息；

采用预设加噪方式，在所述第一已编码图像中加入噪声，得到第二已编码图像；

利用神经网络的解码子网络对所述第二已编码图像和所述样本解密信息进行解码处理，得到第二标识信息；

基于所述第一已编码图像和所述样本图像之间的差异，调整所述编码子网络的网络参数；以及，

响应于所述样本加密信息和所述样本解密信息不一致，基于所述第二标识信息和所述第一标识信息之间的差异及所述样本加密信息和所述样本解密信息之间的差异，调整所述解码子网络的网络参数。

12.一种图像处理装置，其特征在于，包括：

获取模块，用于获取已编码图像和用于解密所述已编码图像的解密信息；其中，所述已编码图像为基于加密信息在待编码图像内编码有关联信息的图像，所述关联信息与所述待编码图像中的对象存在关联关系，且所述已编码图像和所述待编码图像的差异在预设范围内；

解码模块，用于利用神经网络的解码子网络对所述已编码图像和所述解密信息进行解码处理，得到解码结果；

样本获取模块，用于获取样本图像、样本加密信息和样本解密信息；

样本编码模块，用于利用神经网络的编码子网络对所述样本图像、所述样本加密信息和第一标识信息进行编码处理，得到与所述样本图像对应的第一已编码图像；其中，所述第一标识信息表征关联信息；

加噪处理模块，用于采用预设加噪方式，在所述第一已编码图像中加入噪声，得到第二已编码图像；

样本解码模块，用于利用所述解码子网络对所述第二已编码图像和所述样本解密信息进行解码处理，得到第二标识信息；

参数调整模块，用于基于所述第一已编码图像和所述样本图像之间的差异，调整所述编码子网络的网络参数；以及，响应于所述样本加密信息和所述样本解密信息不一致，基于所述第二标识信息和所述第一标识信息之间的差异及所述样本加密信息和所述样本解密信息之间的差异，调整所述解码子网络的网络参数。

13.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至10任一项所述的图像处理方法。

14.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至10任一项所述的图像处理方法。