CN116934943A - 图像处理方法、装置、设备、存储介质和程序产品 - Google Patents

Abstract

本公开涉及一种图像处理方法、装置、设备、存储介质和程序产品，所述方法包括：获取待处理图像；将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；将所述处理后的图像发送至渲染系统中，利用所述渲染系统基于所述处理后的图像进行渲染。本公开实施例通过将渲染节点设置在算法系统中，由渲染节点来执行部分渲染处理，实现算法和渲染交织执行的效果，提升设备的性能。

Description

图像处理方法、装置、设备、存储介质和程序产品

技术领域

本公开涉及数据处理技术领域，尤其涉及一种图像处理方法、装置、设备、存储介质和程序产品。

背景技术

在短视频拍摄和特效渲染中，随着特效玩法的不断丰富和升级，在一些使用场景，需要在每一帧相机画面处理过程中算法和渲染穿插执行。

现有的处理方案都是算法系统先执行完所有的算法，再由渲染系统基于算法结果做一次性渲染。针对上述需要算法和渲染穿插执行的场景，并没有具体的解决方案。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种图像处理方法、装置、设备、存储介质和程序产品，将渲染节点设置在算法系统中，由渲染节点来执行部分渲染处理，实现算法和渲染交织执行的效果，提升设备的性能。

第一方面，本公开实施例提供一种图像处理方法，所述方法包括：

获取待处理图像；

将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；

将所述处理后的图像发送至渲染系统中，利用所述渲染系统基于所述处理后的图像进行渲染。

第二方面，本公开实施例提供一种图像处理装置，所述装置包括：

图像获取模块，用于获取待处理图像；

图像处理模块，用于将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；

图像渲染模块，用于将所述处理后的图像发送至渲染系统中，利用所述渲染系统基于所述处理后的图像进行渲染。

第三方面，本公开实施例提供一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面中任一项所述的图像处理方法。

第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面中任一项所述的图像处理方法。

第五方面，本公开实施例提供一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上述第一方面中任一项所述的图像处理方法。

本公开实施例提供了一种图像处理方法、装置、设备、存储介质和程序产品，所述方法包括：获取待处理图像；将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；将所述处理后的图像发送至渲染系统中，利用所述渲染系统基于所述处理后的图像进行渲染。本公开实施例通过将渲染节点设置在算法系统中，由渲染节点来执行部分渲染处理，实现算法和渲染交织执行的效果，提升设备的性能。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例中的一种图像处理方法的流程图；

图2是本公开实施例中的算法渲染复合系统和渲染系统的时序图；

图3是本公开实施例中的渲染节点实现类图；

图4是本公开实施例中的算法生命周期的流程图；

图5为本公开实施例中的一种图像处理装置的结构示意图；

图6为本公开实施例中的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

在短视频拍摄和特效渲染中，随着特效玩法的不断丰富和升级，在一些使用场景，需要在每一帧相机画面处理过程中算法和渲染穿插执行，而不再是传统的算法系统先执行完所有的算法，再由渲染系统基于算法结果做一次性渲染。每一帧相机画面的处理流程变更为先执行算法A，然后执行渲染A，再执行算法B，然后执行渲染B。

例如：为实现GAN风格化效果，需要先运行人脸识别算法和GAN算法，然后通过GPU贴图渲染变换GAN图实现融合，再次运行人脸识别算法，添加美颜美妆等效果。再如：人像分割Matting算法使用GPU渲染抠出人像后，再运行GAN算法后，再通过GPU贴图渲染。再如：绿幕视频类玩法，视频帧渲染上屏后，基于用户选择的视频运行算法和渲染。

本公开实施例提供了一种图像处理方法，将渲染节点设置在算法系统中，由渲染节点来执行部分渲染处理，穿插在多个算法之间，来提升设备的性能。下面将结合附图，对本申请实施例提出的图像处理方法进行详细介绍。

图1为本公开实施例中的一种图像处理方法的流程图，本实施例可适用于对视频进行特效渲染的情况，该方法可以由图像处理装置执行，该图像处理装置可以采用软件和/或硬件的方式实现，该图像处理装置可配置于电子设备中。本公开实施例提供的图像处理方法可以应用到拍摄特效场景，也可以应用到其他算法场景。

例如：所述电子设备可以是移动终端、固定终端或便携式终端，例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合，包括这些设备的配件和外设或者其任意组合。

再如：所述电子设备可以是服务器，其中，所述服务器可以是实体服务器，也可以是云服务器，服务器可以是一个服务器，或者服务器集群。

如图1所述，本公开实施例提供的图像处理方法主要包括如下步骤：

S101、获取待处理图像。

其中，所述待处理图像可以理解为需要运行算法和/或进行渲染的图像。其中，所述待处理图像可以是终端设备的相机采集的相机流中的相机帧，也可以是终端设备接收的用户上传的图片纹理。本实施例中，仅对待处理图像进行说明，而非限定。

S102、将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染。

在本实施例中，在现有的算法系统中内嵌一个独立的渲染引擎，把算法-渲染-算法中间过程的渲染步骤，抽象成一种算法类型的节点，即渲染节点。这样现有的算法系统就升级为了一个算法渲染复合系统，同时具备原先单一的算法处理能力，还具备渲染能力。

基于上述技术方案，可以实现更加复杂多元化的特效渲染道具，支持更多的算法玩法上线。例如：花样民族风特效等。

具体的，所述渲染节点对输入至该渲染节点的图像进行渲染的操作由图像处理器GPU执行。

本实施例中，渲染节点进行渲染的操作由GPU来执行，减少显卡对CPU的依赖，提高设备性能。

具体的，所述算法渲染复合系统包括按照设定关系连接的算法节点和渲染节点，所述设定关系是指通过图配置确定的所述算法节点和所述渲染节点之间的先后依赖关系。

具体的，在本实施例中，渲染节点可以跟算法节点进行串联使用，也可以跟CPU算法并联使用。本实施例中，并不限定算法节点和渲染节点之间的关系。

在本实施例中，通过图配置的方式可以任意组织算法运行图，即通过图配置的方式确定算法节点和渲染节点之间的依赖关系。这样，可以通过图配置的方式修改算法渲染复合系统中各个节点之间的依赖关系，使得该图像处理方式可以方便的应用于多个特效场景中。

进一步的，所述算法节点用于对输入至该算法节点的图像运行相应算法，所述算法节点对输入至该算法节点的图像运行相应算法的操作由中央处理器CPU执行。

在本实施例中，算法渲染复合系统中的算法节点运行相关算法时，由CPU来执行，渲染节点执行渲染由GPU来执行，可以提高设备的性能，避免设备性能的开销。

S103、将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

具体的，在现有算法系统中内嵌一个渲染引擎和若干渲染子节点，可以通过图配置任意组织算法运行图，如图2所示，待处理图像依次经过算法节点A、渲染节点A、算法节点B、渲染节点B和算法节点C。在现有算法系统中添加渲染节点，升级为算法渲染复合系统，算法渲染复合系统除了执行常规的CPU算法节点，还会穿插执行部分GPU渲染节点。GPU渲染节点和CPU算法节点的关系，可以通过图配置来决定先后依赖关系。

进一步的，所述渲染节点用于对输入至该渲染节点的图像进行渲染之后，还包括：将渲染得到的图片纹理转换成算法的表示形式并发送至与该渲染节点连接的算法节点或渲染节点。

具体的，渲染节点的输出内容通常是图片纹理，在本实施例中，将图片纹理会封装成算法结果的形式，发送给后续算法节点或者渲染节点，执行相应的操作，实现GPU图像到CPU数据的转换，提高设备的适应性。

在一个可能的实施方式中，所述算法节点与所述渲染节点可串行执行；和/或，所述算法节点与所述渲染节点可多线程并行执行。

具体的，算法渲染复合系统和渲染系统是互相独立的，业务可以只使用算法渲染复合系统，也可以使用跟其他渲染系统混合使用。算法渲染复合系统跟渲染系统可以串行顺序执行，也可以多线程并行执行。算法渲染复合系统内部是独立的调度序列。

本公开实施例提供了一种图像处理方法包括：获取待处理图像；将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。本公开实施例通过将渲染节点设置在算法系统中，由渲染节点来执行部分渲染处理，实现算法和渲染交织执行的效果，提升设备的性能。

在一个可能的实施方式中，所述渲染节点是预先定义的算法类型的节点，所述渲染节点可实例化多个子类。

在算法渲染复合系统中，所有算法实例都会继承自BachAlgorithmAbstract基类，实现自己的子类，来完成自身算法逻辑功能，对应有doInit/doExecte/doDestory等生命周期方法。对应的渲染节点，定义一种新的算法类型和子类实现。定义渲染节点的算法类型为GPU_RENDER，GPU_RENDER节点可以实例化多个子类。一种可能的实施方式中，可以通过参数配置的方式，每个节点可以实现不同的渲染操作，包括但不限于渲染人像分割，渲染GAN效果，渲染美颜美妆等。

进一步的，渲染节点的定义主要有：nodes用于定义算法节点，其中所有内容都要小写，可以配置节点的config参数。intParam用于定义算法的int类型参数；floatParam用于定义的算法float类型参数；stringParam用于定义的算法string类型参数；links用于定义节点的连接依赖关系。

算法渲染复合系统中，需要对GPU_RENDER算法节点进行参数定义，用于配置和解析渲染场景(如AmazingFeature)，这部分配置取决于具体的渲染引擎和算法实现，可以根据业务方使用场景和实现，这里以特效使用场景举例。

GPU_RENDER节点配置示例：

其中，在GPU_RENDER节点配置中新增了pathParam类型参数feature_path，来指向道具包内的渲染效果(AmazingFeature)路径，GPU_RENDER算法实现会解析该资源路径，进行GPU渲染操作，绘制到输出图片纹理上。

GPU_RENDER算法节点，跟其他算法一样，可以通过图配置任意组织连接关系，从而实现更加复杂的算法-渲染流程。

在一个可能的实施方式中，所述渲染节点作为一个独立的算法，动态注册到所述算法系统中，构成算法渲染复合系统。

在本实施例中，所述渲染节点是一个算法实例，具体的实现细节依赖渲染引擎和脚本配置，为了跟算法系统中的算法节点进行解耦和隔离，把这个渲染节点这个算法作为一个插件，动态注册到算法系统中，构成算法渲染复合系统。也就是说渲染节点，是业务层实现的，根据不同的业务使用方法，可以实现不同的渲染。

在一个可能的实施方式中，GPU执行渲染处理的具体过程由预先配置的渲染引擎和渲染场景确定。

进一步的，渲染节点的实现细节是可迁移扩展的，包括但不限于特效的新渲染引擎，也可以迁移到Unity等其他渲染引擎实现，甚至是直接使用GPU指令的简单渲染指令，这样，实现算法渲染复合系统的可迁移和扩展，使得算法渲染复合系统使用范围更广。

在一个具体实例中，基于特效Effect的新引擎进行描述，实际使用可以结合业务特点替换不同的渲染引擎，重新实现算法的细节，动态注入到算法渲染复合系统即可，该框架会自动完成算法的统一调度，级联和结果分发。

本实施例中提供一种渲染节点实现类图，如图3所示，CustomAlgorithmFactory：继承自BachAlgorithmFactory(基类)的自定义Factory，实现GPURenderAlgorithm的构造和注册；GPURenderAlgorithm：继承自BachAlgorithmAbstract，实现渲染算法的细节，会依赖渲染引擎，这里封装成AlgorithmRenderSystem。AlgorithmRenderSystem：算法系统里的渲染子系统，它的具体实现依赖于业务的渲染引擎，本实施例中已Effect的新引擎Amazer为例。

其中，GPURenderAlgorithm这个算法主要是完成对渲染资源的GPU渲染操作，在特效场景中，它的职责就是渲染一个AmazingFeature资源包路径。这部分主要是调用新渲染引擎Amazer相关API完成实现对应的算法生命周期方法，算法渲染复合系统在执行过程中会整体调度该算法，按照约定的协议实现输入输出即可。

进一步的，如图4所示，一个算法生命周期主要包括：构造函数、dolnit、doExecute、doDestory和析构函数。在构建函数时，引用计数加1，dolnit主要有两个作用：1、初始化渲染环境；2、根据teature_path加载解析新引擎Scene。doExecute主要有三个作用：1、填充依赖算法结果到Amazer；2、获取输入纹理、申请输出纹理；3、驱动Amazer和Scene渲染。doDestory主要有两个作用：1、卸载Scene；2、释放输出纹理。在析构函数时，引用计数减1，并释放渲染环境。

本实施例提供的技术方案，只需要一个算法渲染复合系统和一个渲染系统，就可以对待处理图像进行处理。在现有算法系统中基于图配置组织算法节点。在算法系统中内嵌一个独立的渲染引擎，把算法-渲染-算法中间过程的渲染步骤，抽象成一种类型的算法节点(简称渲染节点)，在渲染节点的实现中完成具体的GPU渲染操作。这样算法系统就升级为了一个算法渲染复合系统，同时具备原先单一的算法处理能力，还具备渲染能力。

本公开实施例提出了一种图像处理方法，获取到的待处理图像可以输入算法渲染复合系统中，算法渲染复合系统满足每一帧相机画面处理过程中算法和渲染穿插执行的需求，同时解决现有的算法架构的性能问题，灵活性等问题。只需要使用一个算法渲染复合系统，基于图配置可以自由搭建算法-渲染-算法-渲染流程，同时利用算法线程和渲染线程可以多线程并行加速的优势，提升整个流程的性能和帧率。

图5为本公开实施例中的一种图像处理装置的结构示意图，本实施例可适用于视频拍摄和特效渲染的情况，该图像处理装置可以采用软件和/或硬件的方式实现，该图像处理装置可配置于电子设备中。如图5所述，本公开实施例提供的图像处理装置主要包括图像获取模块51、图像处理模块52和图像渲染模块53。

其中，图像获取模块51，用于获取待处理图像；

图像处理模块52，用于将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；图像渲染模块53，用于将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

本公开实施例提供了一种图像处理装置，用于执行如下流程：获取待处理图像；将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。本公开实施例通过将渲染节点设置在算法系统中，由渲染节点来执行部分渲染处理，实现算法和渲染交织执行的效果，提升设备的性能。

在一个可能的实施方式中，所述渲染节点对输入至该渲染节点的图像进行渲染的操作由图像处理器GPU执行。

在一个可能的实施方式中，所述算法渲染复合系统包括按照设定关系连接的算法节点和渲染节点，所述设定关系是指通过图配置确定的所述算法节点和所述渲染节点之间的先后依赖关系。

在一个可能的实施方式中，所述算法节点用于对输入至该算法节点的图像运行相应算法，所述算法节点对输入至该算法节点的图像运行相应算法的操作由中央处理器CPU执行。

在一个可能的实施方式中，所述渲染节点用于对输入至该渲染节点的图像进行渲染之后，还包括：将渲染得到的图片纹理转换成算法的表示形式并发送至与该渲染节点连接的算法节点或渲染节点。

在一个可能的实施方式中，所述渲染节点是预先定义的算法类型的节点，所述渲染节点可实例化多个子类。

在一个可能的实施方式中，所述渲染节点作为一个独立的算法，动态注册到所述算法系统中，构成算法渲染复合系统。

在一个可能的实施方式中，GPU执行渲染处理的具体过程由预先配置的渲染引擎确定。

本公开实施例提供的图像处理装置，可执行本公开方法实施例所提供的图像处理方法中所执行的步骤，具备执行步骤和有益效果此处不再赘述。

图6为本公开实施例中的一种电子设备的结构示意图。下面具体参考图6，其示出了适于用来实现本公开实施例中的电子设备600的结构示意图。本公开实施例中的电子设备600可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴终端设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图6示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的图片渲染方法。在RAM 603中，还存储有终端设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许终端设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的终端设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的页面跳转方法。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：获取待处理图像；将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

可选的，当上述一个或者多个程序被该终端设备执行时，该终端设备还可以执行上述实施例所述的其他步骤。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，包括：获取待处理图像；将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，所述渲染节点对输入至该渲染节点的图像进行渲染的操作由图像处理器GPU执行。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，所述算法渲染复合系统包括按照设定关系连接的算法节点和渲染节点，所述设定关系是指通过图配置确定的所述算法节点和所述渲染节点之间的先后依赖关系。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，所述算法节点用于对输入至该算法节点的图像运行相应算法，所述算法节点对输入至该算法节点的图像运行相应算法的操作由中央处理器CPU执行。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，所述渲染节点用于对输入至该渲染节点的图像进行渲染之后，还包括：将渲染得到的图片纹理转换成算法的表示形式并发送至与该渲染节点连接的算法节点或渲染节点。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，所述渲染节点是预先定义的算法类型的节点，所述渲染节点可实例化多个子类。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，所述渲染节点作为一个独立的算法，动态注册到所述算法系统中，构成算法渲染复合系统。

根据本公开的一个或多个实施例，本公开提供了一种图像处理方法，其中，GPU执行渲染处理的具体过程由预先配置的渲染引擎确定。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，包括：图像获取模块，用于获取待处理图像；图像处理模块，用于将所述待处理图像输入至算法渲染复合系统中，将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；图像渲染模块，用于将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，所所述渲染节点对输入至该渲染节点的图像进行渲染的操作由图像处理器GPU执行。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，所述算法渲染复合系统包括按照设定关系连接的算法节点和渲染节点，所述设定关系是指通过图配置确定的所述算法节点和所述渲染节点之间的先后依赖关系。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，所述算法节点用于对输入至该算法节点的图像运行相应算法，所述算法节点对输入至该算法节点的图像运行相应算法的操作由中央处理器CPU执行。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，所述渲染节点用于对输入至该渲染节点的图像进行渲染之后，还包括：将渲染得到的图片纹理转换成算法的表示形式并发送至与该渲染节点连接的算法节点或渲染节点。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，所述渲染节点是预先定义的算法类型的节点，所述渲染节点可实例化多个子类。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，所述渲染节点作为一个独立的算法，动态注册到所述算法系统中，构成算法渲染复合系统。

根据本公开的一个或多个实施例，本公开提供了一种图像处理装置，其中，GPU执行渲染处理的具体过程由预先配置的渲染引擎确定。

根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开提供的任一所述的图像处理方法。

根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开提供的任一所述的图像处理方法。

本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的图像处理方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (12)

1.一种图像处理方法，其特征在于，所述方法包括：

获取待处理图像；

将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；

将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

2.根据权利要求1所述的方法，其特征在于，所述渲染节点对输入至该渲染节点的图像进行渲染的操作由图像处理器GPU执行。

3.根据权利要求1所述的方法，其特征在于，所述算法渲染复合系统包括按照设定关系连接的算法节点和渲染节点，所述设定关系是指通过图配置确定的所述算法节点和所述渲染节点之间的先后依赖关系。

4.根据权利要求3所述的方法，其特征在于，所述算法节点用于对输入至该算法节点的图像运行相应算法，所述算法节点对输入至该算法节点的图像运行相应算法的操作由中央处理器CPU执行。

5.根据权利要求1所述的方法，其特征在于，所述渲染节点用于对输入至该渲染节点的图像进行渲染之后，还包括：

将渲染得到的图片纹理转换成算法的表示形式并发送至与该渲染节点连接的算法节点或渲染节点。

6.根据权利要求1所述的方法，其特征在于，所述渲染节点是预先定义的算法类型的节点，所述渲染节点可实例化多个子类。

7.根据权利要求1所述的方法，其特征在于，所述渲染节点作为一个独立的算法，动态注册到所述算法系统中，构成算法渲染复合系统。

8.根据权利要求2所述的方法，其特征在于，GPU执行渲染处理的具体过程由预先配置的渲染引擎确定。

9.一种图像处理装置，其特征在于，所述装置包括：

图像获取模块，用于获取待处理图像；

图像处理模块，用于将所述待处理图像输入至算法渲染复合系统中，获得处理后的图像，其中，所述算法渲染复合系统由算法系统中添加渲染节点得到，所述渲染节点用于对输入至该渲染节点的图像进行渲染；

图像渲染模块，用于将所述处理后的图像发送至渲染系统中，利用所述渲染系统对所述处理后的图像进行渲染。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的方法。

12.一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如权利要求1-8中任一项所述的方法。