CN105574834B - 图像处理方法及装置 - Google Patents

Abstract

本公开是关于一种图像处理方法及装置，其中，图像处理方法包括：获取输入图像的边缘图像；对边缘图像进行扩散处理，得到边缘扩散图像；对边缘扩散图像进行特征流滤波处理，得到第一图像；对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像；根据输入的纹理图像、第一图像和第二图像进行融合处理，得到目标图像。本公开实施例，通过对获得的边缘图像进行扩散处理，得到边缘扩散图像，对边缘扩散图像进行特征流滤波处理，得到第一图像，并对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像，然后根据输入的纹理图像、第一图像和第二图像进行融合处理，使得生成的目标图像具有良好的非真实效果。

Description

图像处理方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。

背景技术

近年来，随着图像处理技术的快速发展，对于视频、图像、三维模型的非真实感处理变得越来越热门。非真实感处理指的是利用计算机生成不具有照片般真实感，而具有手绘风格的图形的技术。非真实感绘制的目标不在于图形的真实性，而主要在于表现图形的艺术特质、模拟艺术作品或作为真实感图形的有效补充。

如何利用非真实处理技术对图像进行处理，使得处理后的图像具有好的特效是目前急需解决的一个技术问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像处理方法及装置。

根据本公开实施例的第一方面，提供一种图像处理方法，包括：

获取输入图像的边缘图像；

对所述边缘图像进行扩散处理，得到边缘扩散图像；

对所述边缘扩散图像进行特征流滤波处理，得到第一图像；

对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像；

根据输入的纹理图像、所述第一图像和所述第二图像进行融合处理，得到目标图像。

在一实施例中，所述获取输入图像的边缘图像，包括：

若所述输入图像为彩色图像，则将输入的彩色图像转换为灰度图像，并提取所述灰度图像的边缘图像；

若所述输入图像为灰度图像，则直接提取所述灰度图像的边缘图像。

在一实施例中，所述对所述边缘图像进行扩散处理，得到边缘扩散图像，包括：

对所述边缘图像进行扩散处理，得到边缘响应图像；

对所述边缘响应图像进行扩散处理，得到所述边缘扩散图像。

在一实施例中，所述对所述边缘扩散图像进行特征流滤波处理，包括：

计算所述输入图像的边缘切线方向，并按照所述边缘切线方向对所述边缘扩散图像进行线性卷积。

在一实施例中，所述对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像，包括：

获得图像与直方图曲线的对应关系；

根据所述输入图像或所述输入图像的灰度图像查询所述对应关系，获得目标直方图曲线；

获得所述输入图像的直方图分布，根据所述目标直方图曲线调整所述输入图像的直方图分布，以生成所述第二图像。

在一实施例中，所述根据输入的纹理图像、所述第一图像和所述第二图像进行融合处理，得到目标图像，包括：

根据所述纹理图像和所述第二图像进行纹理融合，得到第三图像；

根据所述第一图像和所述第三图像进行边缘轮廓融合处理，得到所述目标图像。

在一实施例中，所述方法还包括：

将红绿蓝RGB颜色空间转换为亮度色彩LAB颜色空间，并将所述目标图像表示为所述LAB颜色空间的亮度；

将所述LAB颜色空间转换到所述RGB颜色空间，以得到所述目标图像的彩色图像。

根据本公开实施例的第二方面，提供一种图像处理装置，包括：

获取模块，被配置为获取输入图像的边缘图像；

扩散处理模块，被配置为对所述获取模块获得的所述边缘图像进行扩散处理，得到边缘扩散图像；

滤波处理模块，被配置为对所述扩散处理模块得到的所述边缘扩散图像进行特征流滤波处理，得到第一图像；

拉伸处理模块，被配置为对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像；

融合处理模块，被配置为根据输入的纹理图像、所述滤波处理模块得到的所述第一图像和所述拉伸处理模块得到的所述第二图像进行融合处理，得到目标图像。

在一实施例中，所述获取模块包括：

转换提取子模块，被配置为若所述输入图像为彩色图像，则将输入的彩色图像转换为灰度图像，并提取所述灰度图像的边缘图像；

提取子模块，被配置为若所述输入图像为灰度图像，则直接提取所述灰度图像的边缘图像。

在一实施例中，所述扩散处理模块包括：

第一扩散处理子模块，被配置为对所述边缘图像进行扩散处理，得到边缘响应图像；

第二扩散处理子模块，被配置为对所述第一扩散处理子模块得到的所述边缘响应图像进行扩散处理，得到所述边缘扩散图像。

在一实施例中，所述滤波处理模块，被配置为：

计算所述输入图像的边缘切线方向，并按照所述边缘切线方向对所述边缘扩散图像进行线性卷积。

在一实施例中，所述拉伸处理模块包括：

第一获得子模块，被配置为获得图像与直方图曲线的对应关系；

第二获得子模块，被配置为根据所述输入图像或所述输入图像的灰度图像查询所述第一获得子模块获得的所述对应关系，获得目标直方图曲线；

调整子模块，被配置为获得所述输入图像的直方图分布，根据所述第二获得子模块获得的所述目标直方图曲线调整所述输入图像的直方图分布，以生成所述第二图像。

在一实施例中，所述融合处理模块包括：

纹理融合子模块，被配置为对所述第二图像进行纹理融合，得到第三图像；

边缘轮廓融合子模块，被配置为根据所述第一图像和所述纹理融合子模块得到的所述第三图像进行边缘轮廓融合处理，得到所述目标图像。

在一实施例中，所述装置还包括：

转换表示模块，被配置为将红绿蓝RGB颜色空间转换为亮度色彩LAB颜色空间，并将所述目标图像表示为所述LAB颜色空间的亮度；

转换得到模块，被配置为将所述LAB颜色空间转换到所述RGB颜色空间，以得到所述目标图像的彩色图像。

根据本公开实施例的第三方面，提供一种图像处理装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

获取输入图像的边缘图像；

对所述边缘图像进行扩散处理，得到边缘扩散图像；

对所述边缘扩散图像进行特征流滤波处理，得到第一图像；

对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像；

根据输入的纹理图像、所述第一图像和所述第二图像进行融合处理，得到目标图像。

本公开的实施例提供的技术方案可以包括以下有益效果：通过对获得的边缘图像进行扩散处理，得到边缘扩散图像，对边缘扩散图像进行特征流滤波处理，得到第一图像，并对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像，然后根据输入的纹理图像、第一图像和第二图像进行融合处理，得到目标图像，使得生成的目标图像具有良好的非真实效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种图像处理方法的流程图。

图2是根据一示例性实施例示出的一种获得边缘扩散图像的流程图。

图3是根据一示例性实施例示出的一种获得第二图像的流程图。

图4是根据一示例性实施例示出的一种获得目标图像的流程图。

图5是根据一示例性实施例示出的另一种图像处理方法的流程图。

图6是根据一示例性实施例示出的一种图像处理装置的框图。

图7是根据一示例性实施例示出的另一种图像处理装置的框图。

图8是根据一示例性实施例示出的另一种图像处理装置的框图。

图9是根据一示例性实施例示出的另一种图像处理装置的框图。

图10是根据一示例性实施例示出的另一种图像处理装置的框图。

图11是根据一示例性实施例示出的另一种图像处理装置的框图。

图12是根据一示例性实施例示出的一种适用于图像处理装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种图像处理方法的流程图，如图1所示，该图像处理方法可应用于图像处理设备上，该方法包括以下步骤S101-S105：

在步骤S101中，获取输入图像的边缘图像。

在该实施例中，若输入图像为彩色图像，则可以将输入的彩色图像转换为灰度图像，然后提取该灰度图像的边缘图像。若输入图像为灰度图像，则可以直接提取该灰度图像的边缘图像。

假设转换后的灰度图像或输入的灰度图像为G，则可以通过以下公式提取该灰度图像的边缘图像E：

其中，G_x表示灰度图像水平方向的梯度，G_y表示灰度图像垂直方向的梯度，h_x表示水平模板，h_y表示垂直模板，表示卷积运算。

在步骤S102中，对边缘图像进行扩散处理，得到边缘扩散图像。

如图2所示，该步骤S102可以包括以下步骤：

在步骤S1021中，对边缘图像进行扩散处理，得到边缘响应图像。

在该实施例中，可以对边缘图像进行8方向的边缘扩散处理，这样，每个像素点可以获取到8个响应值，然后取每个方向的最大响应值作为边缘响应图像。

在步骤S1022中，对边缘响应图像进行扩散处理，得到边缘扩散图像。

在获取边缘响应图像后，可以对该边缘响应图像进行二次扩散处理，即对该边缘响应图像进行8方向扩散，并将8方向响应值进行累加，得到最终的边缘扩散图像S，其中，边缘扩散图像S可以通过以下公式获得：

在步骤S103中，对边缘扩散图像进行特征流滤波处理，得到第一图像。

其中，对边缘扩散图像进行特征流滤波处理可以为：计算输入图像的边缘切线方向，并按照边缘切线方向对边缘扩散图像进行线性卷积。

在该实施例中，计算输入图像的边缘切线方向的过程可以为：

计算输入图像在每一个像素位置处的边缘切线方向，也即求得当前像素所在位置结构张量中的特征向量，结构张量T可以通过以下公式获得：

其中，G是高斯函数，I_x是水平方向梯度，I_y是竖直方向梯度，那么，结构张量的特征向量U表示平滑后的边缘梯度向量，可以通过以下公式获得：

其中，λ₂表示特征值。

在该实施例中，按照边缘切线方向对边缘扩散图像进行线性卷积的过程可以为：

在边缘扩散图像上任一点沿着梯度切线方向，向前向后取一定长度的曲线作为方向线，并获取累计积分值作为当前像素的目标值，从而获得第一图像，其实现过程可以通过以下公式获得：

其中，w表示方向线上的权重，卷积时方向线的长度设为L＝2*3σ+1，σ为高斯加权值，f表示向前计算的像素个数，b表示向后计算的像素个数，Texture表示边缘扩散图像。

该实施例中，通过按照输入图像的特征流进行线性卷积，加强了边缘平滑处理，极大地提升了后续图像的处理效果。

在步骤S104中，对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像。

如图3所示，步骤S104可包括以下步骤：

在步骤S1041中，获得图像与直方图曲线的对应关系。

在该实施例中，可以事先搜集类似照片的图像集合，以统计图像与直方图曲线的对应关系。

在步骤S1042中，根据输入图像或输入图像的灰度图像查询图像与直方图曲线的对应关系，获得目标直方图曲线。

在该实施例中，若输入图像为灰度图像，则可以使用输入图像去查询图像与直方图曲线的对应关系，获得目标直方图曲线。若输入图像为彩色图像，则获得彩色图像的灰度图像，可以使用彩色图像的灰度图像去查询图像与直方图曲线的对应关系，获得目标直方图曲线。

在步骤S1043中，获得输入图像的直方图分布，根据目标直方图曲线调整输入图像的直方图分布，以生成第二图像。

在该实施例中，在获得输入图像的直方图分布之后，可以根据目标直方图曲线调整输入图像的直方图分布，从而生成第二图像。其中，在根据目标直方图曲线调整输入图像的直方图分布的过程中可以采用多种直方图匹配方法，例如单映射规则(SML)和组映射规则(GML)匹配方法。

在步骤S105中，根据输入的纹理图像、第一图像和第二图像进行融合处理，得到目标图像。

如图4所示，步骤S105可包括以下步骤：

在步骤S1051中，根据纹理图像和第二图像进行纹理融合，得到第三图像。

在该实施例中，可以通过计算以下公式的最小值来获得参数β^*：

其中，λ取值为0.2，P(x)为输入的纹理图像，上述公式是根据P(x)^β(x)≈T(x)转换得到，T(x)为第二图像，则第三图像T为：

在步骤S1052中，根据第一图像和第三图像进行边缘轮廓融合处理，得到目标图像。

在该实施例中，可以通过以下公式，得到目标图像S：

S＝S_lic*T

其中，T为第三图像，S_lic为第一图像。

该实施例提供的图像处理方法可以用于但不局限于处理人物肖像画和风景画等。

上述图像处理方法实施例，通过对获得的边缘图像进行扩散处理，得到边缘扩散图像，对边缘扩散图像进行特征流滤波处理，得到第一图像，并对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像，然后根据输入的纹理图像、第一图像和第二图像进行融合处理，得到目标图像，使得生成的目标图像具有良好的非真实效果。

图5是根据一示例性实施例示出的另一种图像处理方法的流程图，如图5所示，在步骤S105之后，该方法还可以包括如下步骤：

在步骤S106中，将红绿蓝(RGB)颜色空间转换为亮度色彩(LAB)颜色空间，并将目标图像表示为LAB颜色空间的亮度。

图1所示实施例中获取的目标图像是单通道图像，如果想获取彩色图像，则需要对目标图像进行颜色转化处理。

在该实施例中，首先将目标图像由RGB颜色空间转化到LAB颜色空间，并将目标图像表示为LAB颜色空间的亮度。

在步骤S107中，将LAB颜色空间转换到RGB颜色空间，以得到目标图像的彩色图像。

在将目标图像表示为LAB颜色空间的亮度之后，可以将LAB颜色空间转换到RGB颜色空间，从而得到目标图像的彩色图像。

上述图像处理方法实施例，通过对目标图像进行颜色转换处理，得到目标图像的彩色图像，从而可以获得用户期望的图像颜色。

与前述图像处理方法实施例相对应，本公开还提供了图像处理装置实施例。

图6是根据一示例性实施例示出的一种图像处理装置的框图，如图6所示，该图像处理装置包括：获取模块61、扩散处理模块62、滤波处理模块63、拉伸处理模块64和融合处理模块65。

获取模块61被配置为获取输入图像的边缘图像。

在该实施例中，若输入图像为彩色图像，则可以将输入的彩色图像转换为灰度图像，然后提取该灰度图像的边缘图像。若输入图像为灰度图像，则可以直接提取该灰度图像的边缘图像。

假设转换后的灰度图像或输入的灰度图像为G，则可以通过以下公式提取该灰度图像的边缘图像E：

其中，G_x表示灰度图像水平方向的梯度，G_y表示灰度图像垂直方向的梯度，h_x表示水平模板，h_y表示垂直模板，表示卷积运算。

扩散处理模块62被配置为对获取模块61获得的边缘图像进行扩散处理，得到边缘扩散图像。

滤波处理模块63被配置为对扩散处理模块62得到的边缘扩散图像进行特征流滤波处理，得到第一图像。

其中，对边缘扩散图像进行特征流滤波处理可以为：计算输入图像的边缘切线方向，并按照边缘切线方向对边缘扩散图像进行线性卷积。

在该实施例中，计算输入图像的边缘切线方向的过程可以为：

计算输入图像在每一个像素位置处的边缘切线方向，也即求得当前像素所在位置结构张量中的特征向量，结构张量T可以通过以下公式获得：

其中，G是高斯函数，I_x是水平方向梯度，I_y是竖直方向梯度，那么，结构张量的特征向量U表示平滑后的边缘梯度向量，可以通过以下公式获得：

其中，λ₂表示特征值。

在该实施例中，按照边缘切线方向对边缘扩散图像进行线性卷积的过程可以为：

在边缘扩散图像上任一点沿着梯度切线方向，向前向后取一定长度的曲线作为方向线，并获取累计积分值作为当前像素的目标值，从而获得第一图像，其实现过程可以通过以下公式获得：

其中，w表示方向线上的权重，卷积时方向线的长度设为L＝2*3σ+1，σ为高斯加权值，f表示向前计算的像素个数，b表示向后计算的像素个数，Texture表示边缘扩散图像。

该实施例中，通过按照输入图像的特征流进行线性卷积，加强了边缘平滑处理，极大地提升了后续图像的处理效果。

拉伸处理模块64被配置为对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像。

融合处理模块65被配置为根据输入的纹理图像、滤波处理模块63得到的第一图像和拉伸处理模块64得到的第二图像进行融合处理，得到目标图像。

如图6所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述图像处理装置实施例，通过对获得的边缘图像进行扩散处理，得到边缘扩散图像，对边缘扩散图像进行特征流滤波处理，得到第一图像，并对输入图像或输入图像的灰度图像进行拉伸处理，得到第二图像，然后根据输入的纹理图像、第一图像和第二图像进行融合处理，得到目标图像，使得生成的目标图像具有良好的非真实效果。

图7是根据一示例性实施例示出的另一种图像处理装置的框图，如图7所示，在上述图6示实施例的基础上，获取模块61可包括：转换提取子模块611和提取子模块612。

转换提取子模块611被配置为若输入图像为彩色图像，则将输入的彩色图像转换为灰度图像，并提取灰度图像的边缘图像。

提取子模块612被配置为若输入图像为灰度图像，则直接提取灰度图像的边缘图像。

如图7所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述图像处理装置实施例，通过提取灰度图像的边缘图像，为后续获得更好的非真实效果提供了条件。

图8是根据一示例性实施例示出的另一种图像处理装置的框图，如图8所示，在上述图6所示实施例的基础上，扩散处理模块62可包括：第一扩散处理子模块621和第二扩散处理子模块622。

第一扩散处理子模块621被配置为对边缘图像进行扩散处理，得到边缘响应图像。

在该实施例中，可以对边缘图像进行8方向的边缘扩散处理，这样，每个像素点可以获取到8个响应值，然后取每个方向的最大响应值作为边缘响应图像。

第二扩散处理子模块622被配置为对第一扩散处理子模块621得到的边缘响应图像进行扩散处理，得到边缘扩散图像。

在获取边缘响应图像后，可以对该边缘响应图像进行二次扩散处理，即对该边缘响应图像进行8方向扩散，并将8方向响应值进行累加，得到最终的边缘扩散图像S，其中，边缘扩散图像S可以通过以下公式获得：

如图8所示的装置用于实现上述如图2所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述图像处理装置实施例，通过对图像进行扩散处理，为后续获得更好的非真实效果提供了条件。

图9是根据一示例性实施例示出的另一种图像处理装置的框图，如图9所示，在上述图6所示实施例的基础上，拉伸处理模块64可包括：第一获得子模块641、第二获得子模块642和调整子模块643。

第一获得子模块641被配置为获得图像与直方图曲线的对应关系。

在该实施例中，可以事先搜集类似照片的图像集合，以统计图像与直方图曲线的对应关系。

第二获得子模块642被配置为根据输入图像或输入图像的灰度图像查询第一获得子模块641获得的对应关系，获得目标直方图曲线。

在该实施例中，可以使用第一图像去查询图像与直方图曲线的对应关系，获得目标直方图曲线，即与第一图像对应的直方图曲线。

调整子模块643被配置为获得输入图像的直方图分布，根据第二获得子模块642获得的目标直方图曲线调整输入图像的直方图分布，以生成第二图像。

在该实施例中，在获得输入图像的直方图分布之后，可以根据目标直方图曲线调整输入图像的直方图分布，从而生成第二图像。其中，在根据目标直方图曲线调整输入图像的直方图分布的过程中可以采用多种直方图匹配方法，例如单映射规则(SML)和组映射规则(GML)匹配方法。

如图9所示的装置用于实现上述如图3所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述图像处理装置实施例，通过对图像进行拉伸处理，为后续获得更好的非真实效果提供了条件。

图10是根据一示例性实施例示出的另一种图像处理装置的框图，如图10所示，在上述图6所示实施例的基础上，融合处理模块65可包括：纹理融合子模块651和边缘轮廓融合子模块652。

纹理融合子模块651被配置为根据纹理图像和第二图像进行纹理融合，得到第三图像。

在该实施例中，可以通过计算以下公式的最小值来获得参数β^*：

其中，λ取值为0.2，P(x)为输入的纹理图像，上述公式是根据P(x)^β(x)≈T(x)转换得到，T(x)为第二图像，则第三图像T为：

边缘轮廓融合子模块652被配置为根据第一图像和纹理融合子模块651得到的第三图像进行边缘轮廓融合处理，得到目标图像。

在该实施例中，可以通过以下公式，得到目标图像S：

S＝S_lic*T

其中，T为第三图像，S_lic为第一图像。

如图10所示的装置用于实现上述如图4所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述图像处理装置实施例，通过对图像进行纹理融合和边缘轮廓融合，使得生成的目标图像具有良好的非真实效果。

图11是根据一示例性实施例示出的另一种图像处理装置的框图，如图11所示，在上述图6所示实施例的基础上，图像处理装置还可包括：转换表示模块66和转换得到模块67。

转换表示模块66被配置为将红绿蓝RGB颜色空间转换为亮度色彩LAB颜色空间，并将目标图像表示为LAB颜色空间的亮度。

转换得到模块67被配置为将LAB颜色空间转换到RGB颜色空间，以得到目标图像的彩色图像。

如图11所示的装置用于实现上述如图5所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述图像处理装置实施例，通过对目标图像进行颜色转换处理，得到目标图像的彩色图像，从而可以获得用户期望的图像颜色。

关于上述实施例中的装置，其中各个模块、子模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图12是根据一示例性实施例示出的一种适用于图像处理装置的框图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理，飞行器等。

参照图12，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)的接口1212，传感器组件1214，以及通信组件1216。

处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理部件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。

存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。

多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。

I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (14)

1.一种图像处理方法，其特征在于，所述方法包括：

获取输入图像的边缘图像；

对所述边缘图像进行扩散处理，得到边缘扩散图像；

对所述边缘扩散图像进行特征流滤波处理，得到第一图像；

对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像；

根据输入的纹理图像、所述第一图像和所述第二图像进行融合处理，得到目标图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述获取输入图像的边缘图像，包括：

若所述输入图像为彩色图像，则将输入的彩色图像转换为灰度图像，并提取所述灰度图像的边缘图像；

若所述输入图像为灰度图像，则直接提取所述灰度图像的边缘图像。

3.根据权利要求1所述的图像处理方法，其特征在于，所述对所述边缘图像进行扩散处理，得到边缘扩散图像，包括：

对所述边缘图像进行扩散处理，得到边缘响应图像；

对所述边缘响应图像进行扩散处理，得到所述边缘扩散图像。

4.根据权利要求1所述的图像处理方法，其特征在于，所述对所述边缘扩散图像进行特征流滤波处理，包括：

计算所述输入图像的边缘切线方向，并按照所述边缘切线方向对所述边缘扩散图像进行线性卷积。

5.根据权利要求1所述的图像处理方法，其特征在于，所述对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像，包括：

获得图像与直方图曲线的对应关系；

根据所述输入图像或所述输入图像的灰度图像查询所述对应关系，获得目标直方图曲线；

获得所述输入图像的直方图分布，根据所述目标直方图曲线调整所述输入图像的直方图分布，以生成所述第二图像。

6.根据权利要求1所述的图像处理方法，其特征在于，所述根据输入的纹理图像、所述第一图像和所述第二图像进行融合处理，得到目标图像，包括：

根据所述纹理图像和所述第二图像进行纹理融合，得到第三图像；

根据所述第一图像和所述第三图像进行边缘轮廓融合处理，得到所述目标图像。

7.根据权利要求1-6任一项所述的图像处理方法，其特征在于，所述方法还包括：

将红绿蓝RGB颜色空间转换为亮度色彩LAB颜色空间，并将所述目标图像表示为所述LAB颜色空间的亮度；

将所述LAB颜色空间转换到所述RGB颜色空间，以得到所述目标图像的彩色图像。

8.一种图像处理装置，其特征在于，所述装置包括：

获取模块，被配置为获取输入图像的边缘图像；

扩散处理模块，被配置为对所述获取模块获得的所述边缘图像进行扩散处理，得到边缘扩散图像；

滤波处理模块，被配置为对所述扩散处理模块得到的所述边缘扩散图像进行特征流滤波处理，得到第一图像；

拉伸处理模块，被配置为对所述输入图像或所述输入图像的灰度图像进行拉伸处理，得到第二图像；

融合处理模块，被配置为根据输入的纹理图像、所述滤波处理模块得到的所述第一图像和所述拉伸处理模块得到的所述第二图像进行融合处理，得到目标图像。

9.根据权利要求8所述的图像处理装置，其特征在于，所述获取模块包括：

转换提取子模块，被配置为若所述输入图像为彩色图像，则将输入的彩色图像转换为灰度图像，并提取所述灰度图像的边缘图像；

提取子模块，被配置为若所述输入图像为灰度图像，则直接提取所述灰度图像的边缘图像。

10.根据权利要求8所述的图像处理装置，其特征在于，所述扩散处理模块包括：

第一扩散处理子模块，被配置为对所述边缘图像进行扩散处理，得到边缘响应图像；

第二扩散处理子模块，被配置为对所述第一扩散处理子模块得到的所述边缘响应图像进行扩散处理，得到所述边缘扩散图像。

11.根据权利要求8所述的图像处理装置，其特征在于，所述滤波处理模块，被配置为：

计算所述输入图像的边缘切线方向，并按照所述边缘切线方向对所述边缘扩散图像进行线性卷积。

12.根据权利要求8所述的图像处理装置，其特征在于，所述拉伸处理模块包括：

第一获得子模块，被配置为获得图像与直方图曲线的对应关系；

第二获得子模块，被配置为根据所述输入图像或所述输入图像的灰度图像查询所述第一获得子模块获得的所述对应关系，获得目标直方图曲线；

调整子模块，被配置为获得所述输入图像的直方图分布，根据所述第二获得子模块获得的所述目标直方图曲线调整所述输入图像的直方图分布，以生成所述第二图像。

13.根据权利要求8所述的图像处理装置，其特征在于，所述融合处理模块包括：

纹理融合子模块，被配置为根据所述纹理图像和所述第二图像进行纹理融合，得到第三图像；

边缘轮廓融合子模块，被配置为根据所述第一图像和所述纹理融合子模块得到的所述第三图像进行边缘轮廓融合处理，得到所述目标图像。

14.根据权利要求8-13任一项所述的图像处理装置，其特征在于，所述装置还包括：

转换表示模块，被配置为将红绿蓝RGB颜色空间转换为亮度色彩LAB颜色空间，并将所述目标图像表示为所述LAB颜色空间的亮度；

转换得到模块，被配置为将所述LAB颜色空间转换到所述RGB颜色空间，以得到所述目标图像的彩色图像。