CN105574866A - 一种实现图像处理的方法及装置 - Google Patents

Abstract

本发明公开了一种实现图像处理的方法及装置，包括：对原始图像进行显著性分析；根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；对各显著性区域分别采用对应的图像处理方法进行处理。本发明方法通过显著性分析区分确定各显著性区域，对各显著性区域分别采用对应的图像处理方法进行处理，提高了图像主体区域的显示效果，提升了图像的显示质量。

Description

一种实现图像处理的方法及装置

技术领域

本发明涉及图像处理技术，尤指一种实现图像处理的方法及装置。

背景技术

图像显著性是图像的重要视觉特征，体现了人眼对图像的部分区域的重视程度。对一幅图像，用户只对图像中的部分区域感兴趣，感兴趣的部分区域代表了用户的查询意图，其他区域则与用户的查询意图无关。图1(a)为拍摄的原始图像，如图1(a)所示，图像中的主体区域可以显著的显示在视觉范围内；图1(b)为拍摄图像的显著性图像，如图1(b)所示，显著性图像中像素点的亮度越高，表示显著性程度越高，相应区域的原始图像越能引起用户视觉兴趣，该部分显著性高区域的图像为用户感兴趣的区域。

拍摄图像时，用户一般会对焦到感兴趣的主体区域，主体区域通常会成为拍摄图像的显著性区域，而对照片质量的评价权重也主要体现在图像的主体区域；当拍摄的图像整体出现对焦模糊、曝光不正确、光线遮挡、饱和度欠佳、对比度不明显等问题，现有的图像处理算法通过对图像进行全局调整和处理，即对主体区域和背景区域同时进行相同处理，导致主体区域的显著性减弱。主体区域的显示效果无法得到提高。

目前，对主体区域和背景区域按照颜色和亮度的差异进行分割后，对分割的主体区域和背景区域分别进行图像处理，采用颜色和亮度的差异进行分割获得的主体区域和背景区域进行图像处理时，只能分割的各个区域分别采用同一图像处理方法进行处理，例如、拍摄的图像为有背景的人物图像时，当根据颜色和亮度分割为人物和背景两个区域时，以人物作为主体区域按照统一图像处理方法对人物图像进行处理，以背景作为背景区域按照统一图像处理方法对背景图像进行处理；人物图像中的局部特征(例如、拍摄图像对焦的眼镜、脸颊等)并未进行区分，统一处理方式对局部特征并未进行显著性方面的优化，导致显示效果并未提高。

发明内容

为了解决上述技术问题，本发明提供一种实现图像处理的方法及装置，能够提高主体区域的显示效果。

为了达到本发明目的，本发明提供了一种实现图像处理的装置，包括：分析单元、确定单元及处理单元；其中，

分析单元，用于对原始图像进行显著性分析；

确定单元，用于根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；

处理单元，用于对各显著性区域分别采用对应的图像处理方法进行处理。

进一步地，该装置还包括分割单元，用于对各显著性区域分别采用对应的图像处理方法进行处理之前，分割各显著性效果不同的显著性区域。

进一步地，所述分析单元具体用于，对原始图像的各像素点通过包括颜色、亮度及方向与周边像素点的颜色、亮度及方向进行图像对比度对比，获得各像素点相应的显著性数值，进行显著性分析。

进一步地，所述分析单元具体用于，

采用区域对比RC算法对所述原始图像进行图像对比度分析，通过图像对比度分析进行所述原始图像的显著性分析。

进一步地，分割单元还用于，分割各显著性效果不同的显著性区域时，利用数学形态学提取各显著性效果不同的显著性区域的轮廓、和/或填充各显著性效果不同的显著性区域的区域内部空洞。

另一方面，本申请还提供一种实现图像处理的方法，包括：

对原始图像进行显著性分析；

根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；

对各显著性区域分别采用对应的图像处理方法进行处理。

进一步地，区分原始图像为包含至少两个不同显著性效果的显著性区域具体包括：

根据显著性分析结果中区域显著性数值大小，结合预先设定的区分阈值，将所述原始图像区分为包含至少两个不同显著性效果的显著性区域。

进一步地，当将所述原始图像划分为显著性效果不同的主体区域和背景区域时，所述预先设定的区分阈值包括：主体区域的显著性取值范围为大于64且小于或等于255，背景区域的显著性取值范围为大于或等于0且小于64。

进一步地，对各显著性区域分别采用对应的图像处理方法进行处理之前，该方法还包括：

分割各显著性效果不同的显著性区域。

进一步地，对原始图像进行显著性分析具体包括：对原始图像的各像素点通过包括颜色、亮度及方向与周边像素点的颜色、亮度及方向进行图像对比度对比，获得各像素点相应的显著性数值，进行显著性分析。

进一步地，进行原始图像的显著性分析具体包括：

对所述原始图像按照设定的像素大小进行分割为N个区域，通过式(1)计算区域r_k的显著性数值S(r_k)为：

$S\left(r_k\right)=\underset{i=1,i\≠k}{\overset{n}{\Σ}}\mathrm{\ω}\left(r_i\right)D_r(r_k,r_i)---\left(1\right)$

其中，r_i表示不同于r_k的区域，ω(r_i)为区域r_i的加权值，D_r(r_k,r_i)为两个区域的颜色距离差值，D_r(r_k,r_i)计算公式为：

$D_r(r_1,r_2)=\underset{i=1}{\overset{n_1}{\Σ}}\underset{j=1}{\overset{n_2}{\Σ}}{f}_1\left(i\right)f_2\left(j\right)d(c_{1,i},c_{2,j})---\left(2\right)$

其中，f₁(i)表示区域r₁中第i种颜色在该区域所有统计的颜色种类n₁中出现的概率；f₂(i)为区域r₂中第j种颜色在该区域所有统计的颜色种类n₂中出现的概率；d(c_1,i,c_2,j)为r₁中第i种颜色c_1,i与r₂中第j种颜色c_2,j的距离差值；

对S(r_k)加入区域空间距离差值，获得区域显著性数值为：

$S^{\′}\left(r_k\right)=\underset{i=1,i\≠k}{\overset{n}{\Σ}}\exp (-D_s(r_k,r_i)/{\mathrm{\σ}}_s^2)\mathrm{\ω}\left(r_i\right)D_r(r_k,r_i)---\left(3\right)$

其中，D_s(r_k,r_i)为两个区域的区域重心的欧式距离，σ_s为空间距离影响调节因子。

进一步地，对原始图像进行显著性分析具体包括：

采用区域对比RC算法对所述原始图像进行图像对比度分析，通过图像对比度分析进行所述原始图像的显著性分析。

进一步地，图像处理方法包括：调整曝光值、和/或虚化处理、和/或白平衡特效、和/或背景替换，和/或显著性取值调整、和/或色阶调整、和/或亮度调整、色相/饱和度调整、和/或颜色替换、和/或渐变映射、和/或照片滤镜。

进一步地，分割各显著性效果不同的显著性区域时，该方法还包括：

利用数学形态学提取各显著性效果不同的显著性区域的轮廓、和/或填充各显著性效果不同的显著性区域的区域内部空洞。

进一步地，利用数学形态学提取各所述显著性效果不同的显著性区域的轮廓具体包括：

通过膨胀、腐蚀、开启及闭合运算，利用计算获得的各所述显著性效果不同的显著性区域的二值图像，通过计算获得的二值图像进行轮廓提取；

所述填充各所述显著性效果不同的显著性区域的区域内部空洞具体包括：

对各显著性效果不同的显著性区域分别计算相应的二值图像，对各显著性区域的二值图像的内部进行轮廓提取获得内部轮廓，确定小于预设面积内部轮廓为内部空洞，对所述内部空洞进行像素填充。

与现有技术相比，本申请技术方案包括：对原始图像进行显著性分析；根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；对各显著性区域分别采用对应的图像处理方法进行处理。本发明方法通过显著性分析区分确定各显著性区域，对各显著性区域分别采用对应的图像处理方法进行处理，提高了图像主体区域的显示效果，提升了图像的显示质量。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1(a)为拍摄的原始图像；

图1(b)为拍摄图像的显著性图像；

图2为实现本发明各个实施例的移动终端的硬件结构示意；

图3为本发明实现图像处理的方法的流程图；

图4为本发明实现图像处理的装置的结构框图；

图5为本发明实施例的方法流程图；

图6(a)为对第一原始图像的图片内容；

图6(b)为本发明实施例分割第一原始图像的示意图；

图6(c)为本发明实施例第一原始图像的显著性分析示意图；

图6(d)为本实施例第一原始图像的显著性分析结果示意图；

图6(e)为对第一原始图像进行对比度增强的效果示意图；

图6(f)为本发明实施例对第一原始图像进行图像处理的效果示意图；

图7(a)为第二原始图像的图片内容；

图7(b)为对第二原始图像进行全局白平衡处理的效果示意图；

图7(c)为本发明实施例对第二原始图像进行显著性分析的结果示意图；

图7(d)为本发明实施例对第二原始图像进行图像处理的效果示意图；

图8(a)为第三原始图像的图片内容；

图8(b)为本发明实施例对第三原始图像进行显著性分析的结果示意图；

图8(c)为本发明实施例对第二原始图像进行图像处理的效果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图2为实现本发明各个实施例的移动终端的硬件结构示意，如图2所示，

移动终端100可以包括用户输入单元130、输出单元150、存储器160、控制器180和电源单元190等等。图2示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。

A/V输入单元120用于接收视频信号。A/V输入单元120可以包括相机121相机121对在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元151上。经相机121处理后的图像帧可以存储在存储器160(或其它存储介质)中，可以根据移动终端的构造提供两个或更多相机1210。

用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。

输出单元150可以包括显示单元151。显示单元151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示单元151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时，显示单元151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示单元(或其它显示装置)，例如，移动终端可以包括外部显示单元(未示出)和内部显示单元(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。

存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。

存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。

控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图片绘制输入识别为字符或图像。

电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。

这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。

至此，己经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。

基于上述移动终端硬件结构以及通信系统，提出本发明方法各个实施例。

图3为本发明实现图像处理的方法的流程图，如图3所示，包括：

步骤300、对原始图像进行显著性分析；

对原始图像进行显著性分析具体包括：对原始图像的各像素点通过包括颜色、亮度及方向与周边像素点的颜色、亮度及方向进行图像对比度对比，获得各像素点相应的显著性数值，进行显著性分析。

对原始图像进行显著性分析具体包括：

采用区域对比RC算法对原始图像进行图像对比度分析，通过图像对比度分析进行原始图像的显著性分析。

需要说明的是，以人的注意力机制为基础计算图像的显著度，可以得到进行图像拍摄过程中根据兴趣而专注拍摄的图像内容，由于用户通过拍摄技巧对感兴趣的内容进行拍摄，该部分内容显著性效果较好。本发明方法以区域对比(RC，RegionContrast)算法进行显著性分析，依据RC算法的思想，利用区域对比度的计算获得图像的显著性；通过获得图像的全局对比度和空间位置的相关性，产生全局性的显著性图像；即图像的尺度大小和原图相同，基于全局区域的对比度方法充分考虑了单一区域同全局区域的对比度差异，从而能够有效的突出整个区域的显著性，而不仅是区域的边缘显著性(仅考虑局部范围内图像的显著性)。此外，RC算法同时还考虑了区域空间关系，在计算显著性效果时，通过加权参数设定区域之间位置相距越大，加权值相应越小，区域之间的位置越近，加权值应越大，实现对区域空间的合理处理。以下是RC算法的主要内容为：

采用RC算法进行显著性分析时，首选需要对原始图像按照超像素进行分割，假设将原始图像分割为n个区域，图像快的数目n可以根据图像的分辨率来确定，每个块的大小设置为像素块的宽度p,如p＝20，则有20*20＝400个像素，通常p的范围为[2040],设定图像的长和宽分为么M和N，M*N越大，P越大，也即图像分辨率越大，图像块的单位面积越大，那么图像分块的数目n＝M*N/(p*p)。

对于区域r_k，RC算法定义区域r_k的显著性值S(r_k)为：

$S\left(r_k\right)=\underset{i=1,i\≠k}{\overset{n}{\Σ}}\mathrm{\ω}\left(r_i\right)D_r(r_k,r_i)---\left(1\right)$

式(1)中，r_i表示不同于r_k的区域，ω(r_i)为区域r_i的加权值，这里规定为区域内部的像素面积越大(像素个数)，ω(r_i)越大，具体权值变化规律可以根据本领域技术人员的经验值设定；D_r(r_k,r_i)为两个区域的颜色距离差值，具体定义为：

$D_r(r_1,r_2)=\underset{i=1}{\overset{n_1}{\Σ}}\underset{j=1}{\overset{n_2}{\Σ}}{f}_1\left(i\right)f_2\left(j\right)d(c_{1,i},c_{2,j})---\left(2\right)$

式(2)中，f₁(i)表示：区域r₁中第i种颜色在该区域所有统计的颜色种类n₁中出现的概率；f₂(i)为区域r₂中第j种颜色在该区域所有统计的颜色种类n₂中出现的概率。d(c_1,i,c_2,j)为r₁中第i种颜色c_1,i与r₂中第j种颜色c_2,j的距离差值，d(c_1,i,c_2,j)主要是在CIELAB空间的距离度量(CIELAB是CIE的一个颜色系统，在CIELAB空间的距离度量是基于CIELAB空间颜色系统，确定某个颜色的距离度量的数值信息)。为了充分利用区域空间关系，基于公式(1)，RC算法加入区域空间距离差值，获得区域显著性数值为：

$S^{\′}\left(r_k\right)=\underset{i=1,i\≠k}{\overset{n}{\Σ}}\exp (-D_s(r_k,r_i)/{\mathrm{\σ}}_s^2)\mathrm{\ω}\left(r_i\right)D_r(r_k,r_i)---\left(3\right)$

其中，D_s(r_k,r_i)为两个区域的区域重心的欧式距离，σ_s为空间距离影响调节因子，距离越大，调节因子数值越大，调节因子越大，空间距离对于显著性的计算影响越小。调节因子取值可以根据本领域技术人员的经验值进行设定。

步骤301、根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；

本步骤中，区分所述原始图像为包含至少两个不同显著性效果的显著性区域具体包括：

根据显著性分析结果中区域显著性数值大小，结合预先设定的区分阈值，将所述原始图像区分为包含至少两个不同显著性效果的显著性区域。

优选的，当将所述原始图像划分为显著性效果不同的主体区域和背景区域时，所述预先设定的区分阈值包括：主体区域的显著性取值范围为大于64且小于或等于255，背景区域的显著性取值范围为大于或等于0且小于64。

需要说明的是，显著性取值范围的大小可以根据本领域技术人员的经验值进行调整，当需要将原始图像划分更多的显著性区域时，可以基于本领域技术人员的经验值，确定各显著性区域相应的取值范围。

对各显著性区域分别采用对应的图像处理方法进行处理之前，本发明方法还包括：

分割各显著性效果不同的显著性区域。

需要说明的是，本发明方法分割各显著性效果不同的显著性区域可以采用现有的图像分割算法实现。

步骤302、对各显著性区域分别采用对应的图像处理方法进行处理。

本步骤中，图像处理方法包括：调整曝光值、和/或虚化处理、和/或白平衡特效、和/或背景替换，和/或显著性取值调整、和/或色阶调整、和/或亮度调整、色相/饱和度调整、和/或颜色替换、和/或渐变映射、和/或照片滤镜。

需要说明的是，对各显著性效果不同的显著性区域采用不同的图像处理方法进行处理是指对各显著性效果不同的显著性区域分别选择相应的图像处理方法进行图像处理，各个显著性区域的图像处理方法之间不存在关联关系，本发明对各显著性效果不同的显著性区域采用不同的图像处理方法进行处理可以包含以下应用场景：

应用场景一、人像风景，图像存在曝光不足的问题，根据显著性分析结果分割出主体区域后，对主体区域进行曝光值上调处理，背景区域曝光值不变。曝光值上调大小可以按照预先设定的单位逐步调整，也可以采用参数输入的方式直接进行调整。

应用场景之二、人像风景，主体区域和背景区域对比度小，保持主体区域不变，对背景区域进行虚化处理；虚化处理的调整可以按照预先设定的调整单位逐步进行，也可以采用参数输入的方式直接输入虚化参数。

应用场景之三、图像白平衡效果不佳，对主体区域和背景区域分别采用不同的参数进行白平衡处理。

应用场景之四、图像背景杂乱，对对象进行保持主体区域不变，进行背景区域的替换；背景区域替换可以选用用户单独拍摄的备用图像，也可以从图像库中选择合适的背景素材。

应用场景之五、显著性效果不佳，进行图像融合处理，对主体区域加大显著性权重，提高主体区域的显示效果。

此外，图像处理方法还包括：色阶调整、亮度调整、色相/饱和度调整、颜色替换、渐变映射、照片滤镜等，具体适用场景及实施方式属于本领域技术人员的公知常识，在此不做赘述；另外，两种或两种以上图片处理方法的叠加实现也属于本领域技术人员的惯用技术手段，在此不再赘述。

分割各显著性效果不同的显著性区域时，本发明方法还包括：

利用数学形态学提取各显著性效果不同的显著性区域的轮廓，和/或，填充各显著性效果不同的显著性区域的区域内部空洞。

利用数学形态学提取各所述显著性效果不同的显著性区域的轮廓具体包括：

通过膨胀、腐蚀、开启及闭合运算，利用计算获得的各所述显著性效果不同的显著性区域的二值图像，通过计算获得的二值图像进行轮廓提取；

所述填充各所述显著性效果不同的显著性区域的区域内部空洞具体包括：

对各显著性效果不同的显著性区域分别计算相应的二值图像，对各显著性区域的二值图像的内部进行轮廓提取获得内部轮廓，确定小于预设面积内部轮廓为内部空洞，对所述内部空洞进行像素填充。

需要说明的是，膨胀、腐蚀、开启及闭合为图像处理算法中的基本算法，膨胀与图像处理算法中的扩张相同、腐蚀膨胀与图像处理算法中的侵蚀相同。轮廓提取具体包括：通过膨胀、腐蚀、开启及闭合运算获得原始图像的二值图像，通过二值图像进行二值化分割为主体区域和背景区域(一般的，可以将主体区域的像素设置为255(显示为白色)，背景区域设置为0(显示为黑色))，遍历二值图像，提取出二值图像中的像素突变点，如255到0或者0到255的像素突变点，将像素突变点作为图像的边界点，将边界点连接构成主体区域的轮廓。

本发明通过轮廓提取可以保证分割的各显著性区域过渡平滑、图像整洁；区域内部空洞的填充可以保证分割的各显著性区域的完整。

本发明方法通过显著性分析区分确定各显著性区域，对各显著性区域分别采用对应的图像处理方法进行处理，提高了图像主体区域的显示效果，提升了图像的显示质量。

图4为本发明实现图像处理的装置的结构框图，如图4所示，包括：分析单元、确定单元及处理单元；其中，

分析单元，用于对原始图像进行显著性分析；

分析单元具体用于，对原始图像的各像素点通过包括颜色、亮度及方向与周边像素点的颜色、亮度及方向进行图像对比度对比，获得各像素点相应的显著性数值，进行显著性分析。

分析单元具体用于，采用区域对比RC算法对原始图像进行图像对比度分析，通过图像对比度分析进行原始图像的显著性分析。

确定单元，用于根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；

处理单元，用于对各显著性区域分别采用对应的图像处理方法进行处理。

本发明装置还包括分割单元，用于对各显著性区域分别采用对应的图像处理方法进行处理之前，分割各显著性效果不同的显著性区域。

分割单元还用于，分割各显著性效果不同的显著性区域时，利用数学形态学提取各显著性效果不同的显著性区域的轮廓、和/或填充各显著性效果不同的显著性区域的区域内部空洞。

以下通过具体实施例对本发明方法进行清楚详细的说明，实施例仅用于陈述本发明，并不用于限定本发明方法的保护范围。

实施例

图5为本发明实施例的方法流程图，如图5所示，包括：

步骤500、对原始图像按照设定的像素大小进行分割；

图6(a)为对第一原始图像的图片内容，如图6(a)所示，图片中包含人物主体和背景两个主要部分；图6(b)为本发明实施例分割第一原始图像的示意图，如图6(b)所示，将原始图像分割为n个区域。

步骤501、对按照设定的像素分割的原始图像进行显著性分析；

图6(c)为本发明实施例第一原始图像的显著性分析示意图，如图6(c)所示，根据RC算法的公式(3)计算，对分割的图像区域1和图像区域2，以图像区域1作为显著性分析对象时，图像中其他编号的图像区域(除图像区域1以外的所有图像区域)作为不同于图像区域1的图像，进行显著性数值计算；以图像区域2作为显著性分析对象时，图像中其他编号的图像区域作为不同于图像区域2的图像，进行显著性数值计算；图像区域1的显著性计算结果较大，图像区域2的显著性计算结果较小；图6(d)为本实施例第一原始图像的显著性分析结果示意图，如图6(d)所示，图像区域1的显著性数值越大，显著性图像中像素点的亮度越高，表示显著性程度越高，显著性高的区域是用户感兴趣的图像区域，而图像区域2的显著性数值较小。

步骤502、根据显著性分析结果将原始图像区分为包含两个或两个以上显著性效果不同的显著性区域。

这里，显著性分析结果可以将原始图像划分为两个或两个以上显著性效果不同的显著性区域；具体划分区域个数以及区分各显著性区域的显著性数值大小设定可以根据本领域技术人员的分析进行设定；例如，设定显著性数值排序在前的第一阈值个图像区域作为一种显示效果的显著性区域；设定显著性数值排序在中的第二阈值个图像区域作为第二种显示效果的显著性区域；设定显著性数值排序在后的第三阈值个图像区域作为第三种显示效果的显著性区域。显著性区域的划分还可以设定比例或显著性数值大小进行划分，具体设定可以由本领域技术人员根据图像分析进行设定和调整。通过显著性分析确定人物主体的显著性程度，根据显著性效果的不同划分人物主体和背景两个显著性区域。

本实施例可以将显著性区域划分为主体区域和背景区域，以图像显著性取值(显著性图像的亮度)范围为[0255]为例，可以假设设定主体区域的显著性取值范围为[64255]，背景区域的显著性取值范围为[064].这里主要考虑到显著性取值低时，人眼对该部分图像的感知不明显，因此可以作为划分为背景和主体的显著性界限，取值范围可以根据本领域技术人员的经验值进行调整，划分显著性区域也可以根据对图像处理的精细程度进行调整，一般的，对图像处理质量要求越高，划分的显著性区域越多。

步骤503、分割各显著性效果不同的显著性区域。

优选的，本实施例分割各显著性效果不同的显著性区域时，还包括：利用数学形态学提取各显著性效果不同的显著性区域的轮廓，和/或，填充各显著性效果不同的显著性区域的区域内部空洞。

步骤504、对各显著性区域分别采用对应的图像处理方法进行处理。

图6(a)中第一原始图像中人物主体和背景对比度较低，存在人物主体显示效果不明显问题；图6(e)为对第一原始图像进行对比度增强的效果示意图，如图6(e)所示，由于人物主体和背景同时进行了对比度增强处理，并未到达增强人物主体的目的；图6(f)为本发明实施例对第一原始图像进行图像处理的效果示意图，如图6(f)所示，本实施例对人物主体进行对比度增强的图像处理，对背景不做任何处理，这样人物主体的显示效果得到了加强。

图7(a)为第二原始图像的图片内容，如图7(a)所示，第二原始图像中动物主体和背景存在白平衡效果差的问题；图7(b)为对第二原始图像进行全局白平衡处理的效果示意图，如图7(b)所示，由于动物主体和背景同时进行了白平衡处理处理，动物主体的显示效果因为白平衡处理显得失真，图片显示效果变差；图7(c)为本发明实施例对第二原始图像进行显著性分析的结果示意图，如图7(c)所示，通过显著性分析确定动物主体的显著性程度，根据显著性效果的不同划分动物主体和背景两个显著性区域；图7(d)为本发明实施例对第二原始图像进行图像处理的效果示意图，如图7(d)所示，本实施例对背景进行白平衡处理，对动物主体不做任何处理，这样图片的显示效果因为白平衡的局部处理得到了加强。局部白平衡后，花草变绿了，小狗的颜色也变成灰色的了，利用显著性图像进行局部白平衡，可以保持小狗的白平衡不被调整，背景的白平衡效果得到改善。

图8(a)为第三原始图像的图片内容，如图8(a)所示，动物主体和背景同样清晰，导致动物主体显示效果降低；图8(b)为本发明实施例对第三原始图像进行显著性分析的结果示意图，图8(b)所示，通过显著性分析确定动物主体的显著性程度，根据显著性效果的不同划分动物主体和背景两个显著性区域；图8(c)为本发明实施例对第二原始图像进行图像处理的效果示意图，如图8(c)所示，本实施例对背景进行虚化处理，对动物主体不做任何处理，通过处理提高了图片中动物主体的显示效果。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (15)

1.一种实现图像处理的装置，其特征在于，包括：分析单元、确定单元及处理单元；其中，

分析单元，用于对原始图像进行显著性分析；

确定单元，用于根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；

处理单元，用于对各显著性区域分别采用对应的图像处理方法进行处理。

2.根据权利要求1所述的装置，其特征在于，该装置还包括分割单元，用于对各显著性区域分别采用对应的图像处理方法进行处理之前，分割各显著性效果不同的显著性区域。

3.根据权利要求1所述的装置，其特征在于，所述分析单元具体用于，对原始图像的各像素点通过包括颜色、亮度及方向与周边像素点的颜色、亮度及方向进行图像对比度对比，获得各像素点相应的显著性数值，进行显著性分析。

4.根据权利要求1、2或3所述的装置，其特征在于，所述分析单元具体用于，

采用区域对比RC算法对所述原始图像进行图像对比度分析，通过图像对比度分析进行所述原始图像的显著性分析。

5.根据权利要求2所述的装置，其特征在于，所述分割单元还用于，分割各显著性效果不同的显著性区域时，利用数学形态学提取各显著性效果不同的显著性区域的轮廓、和/或填充各显著性效果不同的显著性区域的区域内部空洞。

6.一种实现图像处理的方法，其特征在于，包括：

对原始图像进行显著性分析；

根据显著性分析结果，区分所述原始图像为包含至少两个不同显著性效果的显著性区域；

对各显著性区域分别采用对应的图像处理方法进行处理。

7.根据权利要求6所述的方法，其特征在于，区分所述原始图像为包含至少两个不同显著性效果的显著性区域具体包括：

根据显著性分析结果中区域显著性数值大小，结合预先设定的区分阈值，将所述原始图像区分为包含至少两个不同显著性效果的显著性区域。

8.根据权利要求6或7所述的方法，其特征在于，当将所述原始图像划分为显著性效果不同的主体区域和背景区域时，所述预先设定的区分阈值包括：主体区域的显著性取值范围为大于64且小于或等于255，背景区域的显著性取值范围为大于或等于0且小于64。

9.根据权利要求6或7所述的方法，其特征在于，所述对各显著性区域分别采用对应的图像处理方法进行处理之前，该方法还包括：

分割各所述显著性效果不同的显著性区域。

10.根据权利要求6或7所述的方法，其特征在于，所述对原始图像进行显著性分析具体包括：对原始图像的各像素点通过包括颜色、亮度及方向与周边像素点的颜色、亮度及方向进行图像对比度对比，获得各像素点相应的显著性数值，进行显著性分析。

11.根据权利要求6、7或10所述的方法，其特征在于，所述对原始图像进行显著性分析具体包括：

采用区域对比RC算法对所述原始图像进行图像对比度分析，通过图像对比度分析进行所述原始图像的显著性分析。

12.根据权利要求11所述的方法，其特征在于，所述进行原始图像的显著性分析具体包括：

对所述原始图像按照设定的像素大小进行分割为N个区域，通过式(1)计算区域r_k的显著性数值S(r_k)为：

$S\left(r_k\right)=\underset{i=1,i\≠k}{\overset{n}{\Σ}}\mathrm{\ω}\left(r_i\right)D_r(r_k,r_i)---\left(1\right)$

其中，r_i表示不同于r_k的区域，ω(r_i)为区域r_i的加权值，D_r(r_k,r_i)为两个区域的颜色距离差值，D_r(r_k,r_i)计算公式为：

$D_r(r_1,r_2)=\underset{i=1}{\overset{n_1}{\Σ}}\underset{j=1}{\overset{n_2}{\Σ}}{f}_1\left(i\right)f_2\left(j\right)d(c_{1,i},c_{2,j})---\left(2\right)$

其中，f₁(i)表示区域r₁中第i种颜色在该区域所有统计的颜色种类n₁中出现的概率；f₂(i)为区域r₂中第j种颜色在该区域所有统计的颜色种类n₂中出现的概率；d(c_1,i,c_2,j)为r₁中第i种颜色c_1,i与r₂中第j种颜色c_2,j的距离差值；

对S(r_k)加入区域空间距离差值，获得区域显著性数值为：

$S^{\′}\left(r_k\right)=\underset{i=1,i\≠k}{\overset{n}{\Σ}}\exp (-D_s(r_k,r_i)/{\mathrm{\σ}}_s^2)\mathrm{\ω}\left(r_i\right)D_r(r_k,r_i)---\left(3\right)$

其中，D_s(r_k,r_i)为两个区域的区域重心的欧式距离，σ_s为空间距离影响调节因子。

13.根据权利要求6、7或8所述的方法，其特征在于，所述图像处理方法包括：调整曝光值、和/或虚化处理、和/或白平衡特效、和/或背景替换，和/或显著性取值调整、和/或色阶调整、和/或亮度调整、色相/饱和度调整、和/或颜色替换、和/或渐变映射、和/或照片滤镜。

14.根据权利要求7所述的方法，其特征在于，所述分割各显著性效果不同的显著性区域时，该方法还包括：

利用数学形态学提取各所述显著性效果不同的显著性区域的轮廓、和/或填充各所述显著性效果不同的显著性区域的区域内部空洞。

15.根据权利要求14所述的方法，其特征在于，所述利用数学形态学提取各所述显著性效果不同的显著性区域的轮廓具体包括：

通过膨胀、腐蚀、开启及闭合运算，利用计算获得的各所述显著性效果不同的显著性区域的二值图像，通过计算获得的二值图像进行轮廓提取；

所述填充各所述显著性效果不同的显著性区域的区域内部空洞具体包括：

对各显著性效果不同的显著性区域分别计算相应的二值图像，对各显著性区域的二值图像的内部进行轮廓提取获得内部轮廓，确定小于预设面积内部轮廓为内部空洞，对所述内部空洞进行像素填充。