CN103761134A - 一种处理图片的方法及电子设备 - Google Patents

Abstract

本发明实施例提供一种处理图片的方法及电子设备。所述方法包括：获取第一图片的第一因子，以及所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；获取待处理的第二图片的第一因子，以及所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；根据所述第二图片新的第一因子生成第三图片。从而实现了用户按照自己的意愿对图片进行个性化处理，扩大了图片处理的方式，提高了图片处理的效率，提高了用户体验。

Description

一种处理图片的方法及电子设备

技术领域

本发明涉及图片处理领域，尤其涉及到一种处理图片的方法及电子设备。

背景技术

随着拍照手机的普及和社交网络被越来越多的使用者所接受并喜爱，发送照片已成为了拍照应用和社交应用两种工具都同时必须具备的一项功能。

拍照工具和社交应用在满足了基本的“拍摄照片”功能后，还提供了对照片进行美化的工具，各种风格的滤镜可以实现“高爆光”、“老照片”等特效，广受用户欢迎。

随着数码摄影的普及，实体滤镜的效果也可以通过用计算机图像处理算法对数码照片进行处理而获得。例如：将彩色图像应用灰度化算法，可将彩图变为灰度图，从而实现黑白照片的效果；将图像进行高斯滤波，可实现模糊的效果等。

现今较为流行的拍照和社交应用都附带了滤镜功能，方式是提供若干预设的效果，并通过“效果式例缩略图+名称”的方式展现给用户，供用户选择。当用户选择某一滤镜后，则开始用预设好的算法和参数对图像进行处理，并将结果呈现给用户，用户可将结果进行保存、分享等后续操作。

通常的，用户可用的各种滤镜都是在应用中预设好的。从技术角度说，每一个滤镜都对应着一种图像处理算法和一组对应的参数。应用将所有的特效滤镜都固化在其中，用户只能被动地接受应用提供的有限种特效滤镜，能做的操作有且只有“选择”，用户无法实现有任何的创造性和主观意愿的表达。

发明内容

本发明实施例提供了一种处理图片的方法，旨在解决如何实现用户可以按照自己的意愿对图片进行个性化处理的问题。

第一方面，一种处理图片的方法，所述方法包括：

获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

根据所述第二图片新的第一因子生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子，包括：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

将所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，所述第二图片新的第一因子用于生成第三图片，包括：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述方法在获取所述第二图片新的第一因子之后，还包括：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

根据所述第二图片新的第一因子，生成第三图片，包括：

根据所述第二图片的新的红色r分量、蓝色b分量、绿色g分量生成第三图片。

结合第一方面的第一种可能的实现方式，在第一方面的第四种可能的实现方式中，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的r分量、b分量和g分量；

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，所述第二图片新的第一因子用于生成第三图片，包括：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

结合第二方面，一种处理图片的电子设备，所述电子设备包括：

第一获取单元，用于获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

第二获取单元，用于获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

第三获取单元，用于根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

生成单元，用于根据所述新的第一因子，生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

结合第二方面，在第二方面的第一种可能的实现方式中，所述第三获取单元，具体用于执行如下程序：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第一获取单元，具体用于：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第二获取单元，具体用于：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第三获取单元，具体用于执行如下程序：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述电子设备还包括转换生成单元，所述转换生成单元具体用于：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

所述生成单元，具体用于：

根据所述第二图片的新的红色r分量、蓝色b分量、绿色g分量生成第三图片。

结合第二方面的第一种可能的实现方式，在第二方面的第四种可能的实现方式中，所述第一获取单元，用于：

获取所述第一图片各像素点的r分量、b分量和g分量

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

第二获取单元，用于：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第三获取单元，具体用于执行如下程序：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

本发明实施例提供一种处理图片的方法，获取第一图片的第一因子、以及待处理的第二图片的第一因子，根据第一图片第一因子和待处理的第二图片第一因子的平均值和标准差的计算，获取第二图片的新的第一因子，并根据所述新的第一因子生成第三图片，从而实现了用户按照自己的意愿对图片进行个性化处理，扩大了图片处理的方式，提高了图片处理的效率，提高了用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，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一种处理图片的方法流程图；

图2是本发明实施例提供的一种获取第一图片的第一因子的方法流程图；

图3是本发明实施例提供的一种r、g、b转化为L、alpha、beta的方法示意图；

图4是本发明实施例提供的一种处理图片的方法流程图；

图5是本发明实施例提供的一种L，alpha，beta转化为r、g、b的方法流程图；

图6是本发明实施例提供的一种获取第一图片的r、g、b的方法流程图；

图7是本发明实施例提供的一种处理图片的方法流程图；

图8是本发明实施例提供的一种处理图片的电子设备结构图；

图9是本发明实施例提供的一种处理图片的电子设备结构图。

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，本领域普通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。

参考图1，图1是本发明实施例提供的一种处理图片的方法流程图。如图1所示，所述方法包括以下步骤：

步骤101，获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

具体地，所述第一图片可以包括多个像素点，每个像素点可以表示为L、α、β分量，或者r、b、g分量。所述获取所述第一图片的第一因子的平均值和标准差，是指根据所述第一图片的各像素点的L、α、β分量或者r、b、g分量，分别获取第一图片所有像素点的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和标准差，或者r分量的平均值和标准差、b分量的平均值和标准差、g分量的平均值和标准差。以获取第一图片L分量的平均值为例，获取所述第一图片中各像素点的L分量，根据平均值的计算公式μ=（x1+x2+x3+……+xn）/N，获取所述第一图片L分量的平均值。以此类推，可以对所述第一图片的其它分量求解相应的平均值或者标准差。

其中，所述第一因子为图片各个像素点的L分量、α分量和β分量；或者，所述第一因子为图片各个像素点的红色r分量、蓝色b分量和绿色g分量。

其中，所述平均值的计算方法为μ=（x1+x2+x3+……+xn）/N；

所述标准差的计算方法为

在所述第一因子为图片各像素点的L分量、α分量和β分量的情况下，需要将其转换为图片的红色r分量、蓝色b分量和绿色g分量。通过所述图片的红色r分量、蓝色b分量和绿色g分量生成所述图片。

其中，L、α、β是一种色彩空间，有3个分量，分别是L、α、β。它对于大多数自然场景图像具有这3个分量之间的相关性最小的特点。RGB色彩模式是工业界的一种颜色标准，r代表红色（Red）分量，g代表绿色（Green）分量，b代表蓝色（Blue）分量。图像中每一个像素的颜色为这个像素的红、绿、蓝三色分量按强度值叠加所呈现出的颜色。每一个分量的强度值范围为[0，255]。

步骤102，获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

类似地，可获取所述第二图片的第一因子，以及所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差。所述第二图片为待处理的图片，即需要根据滤镜对图片进行处理的图片。

步骤103，根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

具体地，根据所述第一图片的第一因子的平均值和标准差，即所述第一图片各像素点的L分量、α分量和β分量的平均值和标准差，或者红色r分量、蓝色b分量和绿色g分量的平均值和标准差；以及所述第二图片的第一因子，所述第二图片的第一因子的平均值和标准差，即所述第二图片各像素点的L分量、α分量和β分量的平均值和标准差，或者红色r分量、蓝色b分量和绿色g分量的平均值和标准差，可获取第二图片新的第一因子，获取第二图片新的各像素点的L分量、α分量和β分量；或者各像素点的红色r分量、蓝色b分量和绿色g分量。

可选地，所述获取第二图片新的第一因子，所述新的第一因子用于生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等，包括：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

具体的，在所述第一因子为图片各像素点的L分量、α分量和β分量时，可用公式表达如下：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

其中，将newL、newα、newβ代入平均值μ=（x1+x2+x3+……+xn）/N中计算可得，第三图片的L分量、α分量和β分量的平均值和第一图片的L分量、α分量和β分量的平均值相等。

同时，将newL、newα、newβ代入标准差

中计算可得，第三图片的L分量、α分量和β分量的标准差值和第一图片的L分量、α分量和β分量的标准差值相等。

或者，具体地，在所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量时，可用公式表达如下：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

其中，将newr、newg、newb代入平均值μ=（x1+x2+x3+……+xn）/N中计算可得，第三图片的r分量、g分量和b分量的平均值和第一图片的L分量、α分量和β分量的平均值相等。

同时，将newr、newg、newb代入标准差

中计算可得，第三图片的r分量、g分量和b分量的标准差值和第一图片的r分量、g分量和b分量的标准差值相等。

步骤104，根据所述第二图片新的第一因子生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

具体地，获取所述第二图片的新的第一因子，所述新的第一因子包括所述第二图片新的各像素点的L分量、α分量和β分量；或者各像素点的红色r分量、蓝色b分量和绿色g分量。根据所述第二图片新的第一因子，生成第三图片。

本发明实施例提供一种处理图片的方法，获取第一图片的第一因子、以及待处理的第二图片的第一因子，根据第一图片第一因子和待处理的第二图片第一因子的平均值和标准差的计算，获取第二图片的新的第一因子，并根据所述新的第一因子生成第三图片，从而实现了用户按照自己的意愿对图片进行个性化处理，扩大了图片处理的方式，提高了图片处理的效率，提高了用户体验。

在本发明实施例的一种实现方式中，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，所述第二图片新的第一因子用于生成第三图片，包括：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1。

进一步地，在所述方法在获取所述第二图片新的第一因子之后，还包括：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

根据所述第二图片的红色r分量、蓝色b分量和绿色g分量生成所述第二图片。

在本发明实施例的另一种实现方式中，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的r分量、b分量和g分量；

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，所述第二图片新的第一因子用于生成第三图片，包括：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

在本发明的上述实施例中，所述第一图片可以为一张图片，也可以为多张图片；所述第二图片可以为一张图片，也可以为多张图片。对此，本发明实施例不做限定。

请参考图2，图2是本发明实施例提供的一种获取第一图片的第一因子的方法流程图。如图2所示，所述方法包括：

步骤201，获取第一图片的r分量，g分量，b分量，将所述r分量，g分量，b分量数据转换为L分量，alpha分量，beta分量数据；

其中，所述第一图片可以为手机拍摄的照片，也可来源于用户选择手机中已有的照片。

可选地，所述将r分量，g分量，b分量数据转换为L分量，alpha分量，beta分量数据，可通过如下图3中的转换方法进行转换。

步骤202，对所述第一图片的L分量，alpha分量，beta分量三通道数据进行统计，分别获取每个通道的平均值和标准差，共6个数据；

步骤203，将所述6个数据存储备用。

具体地，可通过上述的计算公式，分别获取所述第一图片的L分量的平均值和标准差，alpha分量的平均值和标准差，beta分量的平均值和标准差，并将所述三通道的6个数据存储备用。

具体的，参考图3，图3是本发明实施例提供的一种r、g、b转化为L、alpha、beta的方法示意图。图3仅是本实施例的一种实现方式，图3的实现方式不局限于以下的描述，仅以其中一种实现方式做详细说明。如图3所示，

步骤301，获取图片的r分量、g分量、b分量，并生成r’、g’、b’；所述r’、g’、b’是转换过程中的参数；

具体地，可根据以下计算方式生成r’、g’、b’。

r'=r+1;

g’=g+1;

b’=b+1。

步骤302，根据r’、g’、b’计算l、m、s，所述l、m、s是转换过程中的参数；

l=0.3811*r’+0.5783*g’+0.0402*b’；

m=0.1967*r’+0.7244*g’+0.0782*b’；

s=0.0241*r’+0.1228*g’+0.8444*b’。

步骤303，对l、m、s取对数；

log_l=log10（l）；

log_m=log10（m）；

log_s=log10（s）。

步骤303，根据log_l、log_m、log_s获取L、alpha，beta；

L=0.5774（log_l+log_m+log_s）

alpha=0.4082（log_l+log_m）-0.8165*log_s

beta=0.7071（log_l-log_m）

其中，RGB色彩模式是工业界的一种颜色标准，r代表红色（Red）分量，g代表绿色（Green）分量，b代表蓝色（Blue）分量。图像中每一个像素的颜色为这个像素的红、绿、蓝三色分量按强度值叠加所呈现出的颜色。每一个分量的强度值范围为[0,255]。

lαβ是一种色彩空间，有3个分量，分别是L、α、β，也称之为L、alpha，beta。它对于大多数自然场景图像具有这3个分量之间的相关性最小的特点。这里用L1表示用户选择第一张图片的L分量，用alpha1表示用户选择第一张图片的α分量，用beta1表示用户选择第一张图片的β分量；用L2表示用户选择第二张图片的L分量，用alpha2表示用户选择第二张图片的α分量，用beta2表示用户选择第二张图片的β分量。

mL1表示第一图片的L分量的平均值。例如，用户选择的第一张图片为100个像素，则L分量就是个包含100个元素的矩阵，ml就是L分量中这100个元素的矩阵的平均值。

sL1表示第一图片的L分量的标准差。例如，用户选择的第一张图片为100个像素，则L分量就是个包含100个元素的矩阵，sl就是L分量中这100个元素的矩阵的标准差。

参考图4，图4是本发明实施例提供的一种处理图片的方法流程图。图4是本发明实施例在所述第一因子为图片各像素点的L分量、α分量和β分量的情况下的一种具体的实现方式。如图4所示，图4仅是本实施例的一种实现方式，图4实现方式不局限于以下的图4的各步骤描述的顺序，仅以其中一种实现方式做详细说明。

步骤401，获取第一图片的L，alpha，beta的平均值和标准差；

具体的，mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差。

可选地，可参考图2实施例中的方法，通过获取第一图片的r分量，g分量，b分量，将所述r分量，g分量，b分量数据转换为L分量，alpha分量，beta分量数据，进而获取第一图片的L，alpha，beta的平均值和标准差。

可选地，也可直接获取第一图片的L，alpha，beta的平均值和标准差。例如，分别获取第一图片各像素点的L分量，alpha分量，beta分量，根据前述平均值和标准差的计算公式，分别获取获取第一图片的L，alpha，beta的平均值和标准差。

步骤402，获取第二图片的L，alpha，beta；

具体的，L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量。

步骤403，获取第二图片的L，alpha，beta的平均值和标准差；

具体的，mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

所述获取方法可参考步骤401中，第一图片的L，alpha，beta的平均值和标准差的获取方法。

步骤404，根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

具体的，以一种具体的实现方式为例，并不局限于以下方式：

newL=（L2-mL2）*sL1/sL2+mL1

newα=（α2-mα2）*sα1/sα2+mα1

newβ=（β2-mβ2）*sβ1/sβ2+mβ1

步骤405，根据所述第二图片新的第二因子获取第二图片新的第一因子。

进一步地，所述方法在获取所述第二图片新的第一因子之后，还包括：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

根据所述第二图片的新的红色r分量、蓝色b分量和绿色g分量生成第三图片。

具体地，请参考图5，图5是本发明实施例提供的一种L，alpha，beta转化为r、g、b的方法流程图。图5仅是本实施例的一种实现方式，图5的实现方式不局限于以下的描述，仅以其中一种实现方式做详细说明。如图5所示，

步骤501，获取所述第二图片新的L、α、β；

步骤502，根据所述新的L、α、β计算temp_l、temp_m、temp_s；所述l、m、s是转换过程中的参数；

具体的，temp_l=0.5774*L+0.4082*α+0.7071*β；

temp_m=0.5774*L+0.4082*α+0.7071*β；

temp_s=0.5774*L-0.8165*α。

步骤503，根据temp_l、temp_m、temp_s获取l、m、s；

l、m、s分别是temp_l、temp_m、temp_s的指数。

步骤504，根据l、m、s获取r、g、b；

r=4.4679*l-3.5873*m+0.1193*s-1；

g=-1.2186*l+2.3809*m-0.1624*s-1；

b=0.0497*l-0.2439*m+1.2045*s-1。

对r、g、b的值，小于0的记为0；大于255的记为255。

步骤505，根据所述第二图片新的第一因子获取第三图片。

具体地，根据所述所述第二图片新的L、α、β转换成的新的r、g、b，生成第三图片。

可选地，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的r分量、b分量和g分量；

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，所述第二图片新的第一因子用于生成第三图片，包括：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1。

在本发明的另一种实施例中，参考图6，图6是本发明实施例提供的一种获取第一图片的r、g、b的方法流程图。如图6所示，

步骤601，获取第一图片的r分量，g分量，b分量，对所述第一图片的r分量，g分量，b分量三通道数据进行统计，分别获取每个通道的平均值和标准差，共6个数据；

其中，所述第一图片可以为手机拍摄的照片，也可来源于用户选择手机中已有的照片。

可选地，也可获取所述第一图片的L分量，alpha分量，beta分量，并通过上述图5中的转换方法，将所述L分量，alpha分量，beta分量转换为r分量，g分量，b分量。

步骤602，将所述6个数据存储备用。

具体地，可通过上述的计算公式，分别获取所述第一图片的r分量的平均值和标准差，g分量的平均值和标准差，b分量的平均值和标准差，并将所述三通道的6个数据存储备用。

其中，mr1表示第一图片的r分量的平均值。例如，用户选择的第一张图片为100个像素，则r分量就是个包含100个元素的矩阵，mr就是L分量中这100个元素的矩阵的平均值。

sr1表示第一图片的r分量的标准差。例如，用户选择的第一张图片为100个像素，则r分量就是个包含100个元素的矩阵，sr就是L分量中这100个元素的矩阵的标准差。

图7是本发明实施例在所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量的情况下的一种具体的实现方式。

参考图7，图7是本发明实施例提供的一种处理图片的方法流程图。如图7所示，图7仅是本实施例的一种实现方式，图7的实现方式不局限于以下的图7的各步骤描述的顺序，仅以其中一种实现方式做详细说明。

步骤701，获取第一图片的r、g、b；

具体的，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差。

可选地，也可直接调用图6所述方法生成的，已经存储的第一图片的r分量的平均值和标准差，g分量的平均值和标准差，b分量的平均值和标准差

步骤702，获取待处理的第二图片的r、g、b，以及第二图片的r、g、b的平均值和标准差；

具体，r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

步骤703，根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的r，g，b。

具体的，newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1。

步骤704，根据所述第二图片新的红色r分量、蓝色b分量和绿色g分量生成第三图片。

具体地，根据所述，newr、newg、newb生成第三图片。

可选地，所述第一图片为至少一张图片，所述第二图片为至少一张图片。

需要说明的是，本发明图1-图7所述的实施例中的图片处理方法所生成的对所述待处理的第二图片的滤镜处理方式可以共享到服务器，例如用户将其喜欢的滤镜处理方式通过微博、微信等即时通讯手段共享给他的朋友等，使得其他用户可以选择自己喜欢的滤镜对图片进行个性化处理，从而使得图片处理的方式更加多元，图片处理的效率获取进一步提高，也进一步提高了用户体验。

请参考图8，图8是本发明实施例提供的一种处理图片的电子设备结构图。如图8所示，所述电子设备包括以下单元：

第一获取单元801，用于获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

其中，平均值的计算方法为μ=（x1+x2+x3+……+xn）/N；

标准差的计算方法为

所述第一因子为图片各像素点的L分量、α分量和β分量的情况下，需要转换为图片的红色r分量、蓝色b分量和绿色g分量，所述图片的红色r分量、蓝色b分量和绿色g分量用于生成所述图片。

第二获取单元802，用于获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

第三获取单元803，用于根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

生成单元804，用于根据所述新的第一因子，生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

可选地，所述第三获取单元803，具体用于：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

具体的，表达式如下：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

或者，表达式如下：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

可选地，所述第一获取单元801，具体用于：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第二获取单元802，具体用于：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第三获取单元803，具体用于：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1。

可选地，所述电子设备还包括转换生成单元，所述转换生成单元具体用于：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

根据所述第二图片的红色r分量、蓝色b分量和绿色g分量生成所述第二图片。

可选地，所述第一获取单元801，用于：

获取所述第一图片各像素点的r分量、b分量和g分量

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

第二获取单元802，用于：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第三获取单元803，具体用于：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1。

所述第一图片为至少一张图片，所述第二图片为至少一张图片。

具体的，参考图2-图7所描述的实施例，在此不再赘述。

本发明实施例提供一种处理图片的电子设备，所述电子设备获取第一图片的第一因子、以及待处理的第二图片的第一因子，根据第一图片第一因子和待处理的第二图片第一因子的平均值和标准差的计算，获取第二图片的新的第一因子，并根据所述新的第一因子生成第三图片，从而实现了用户按照自己的意愿对图片进行个性化处理，扩大了图片处理的方式，提高了图片处理的效率，提高了用户体验。

图9是本发明实施例提供的一种处理图片的电子设备结构图。参考图9，图9是本发明实施例提供的一种电子设备900，本发明具体实施例并不对所述电子设备的具体实现做限定。所述电子设备900包括：

处理器（processor）901，通信接口（Communications Interface）902，存储器（memory）903，总线904。

处理器901，通信接口902，存储器903通过总线904完成相互间的通信。

通信接口902，用于与其他电子设备进行通信；

处理器901，用于执行程序。处理器为电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储单元内的软件程序和/或模块，以及调用存储在存储单元内的数据，以执行电子设备的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器可以仅包括中央处理器(Central ProcessingUnit，简称CPU)，也可以是GPU、数字信号处理器（Digital Signal Processor，简称DSP）、及通信单元中的控制芯片（例如基带芯片）的组合。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。具体地，所述处理器执行的程序可以包括程序代码，所述程序代码包括计算机操作指令。处理器901可能是一个中央处理器（central processing unit，CPU），或者是特定集成电路ASIC（Application Specific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器903，用于存储程序。存储器903可以是易失性存储器（volatilememory），例如随机存取存储器（random-access memory，RAM），或者非易失性存储器（non-volatile memory），例如只读存储器（read-only memory，ROM），快闪存储器（flash memory），硬盘（hard disk drive，HDD）或固态硬盘（solid-statedrive，SSD）。处理器901根据存储器903存储的程序指令，执行以下方法：

获取所述第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

根据所述第二图片新的第一因子生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

所述根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子，包括：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量，获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；将所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，包括：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

所述方法在获取所述第二图片新的第一因子之后，还包括：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

根据所述第二图片新的第一因子，生成第三图片，包括：

根据所述第二图片的新的红色r分量、蓝色b分量、绿色g分量生成第三图片。

所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的r分量、b分量和g分量

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，所述第二图片新的第一因子用于生成第三图片，包括：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

所述第一图片为至少一张图片，所述第二图片为至少一张图片。

本发明实施例提供一种处理图片的电子设备，所述电子设备获取第一图片的第一因子、以及待处理的第二图片的第一因子，根据第一图片第一因子和待处理的第二图片第一因子的平均值和标准差的计算，获取第二图片的新的第一因子，并根据所述新的第一因子生成第三图片，从而实现了用户按照自己的意愿对图片进行个性化处理，扩大了图片处理的方式，提高了图片处理的效率，提高了用户体验。

需要说明的是，本发明实施例中的上述相应的技术特征可以相互参考。

本发明所揭示的电子设备可以实作成单独一台装置，或整合于各种不同的装置中，诸如移动电话、平板电脑（Tablet Personal Computer）、膝上型电脑（Laptop Computer）、多媒体播放器、数字摄影机、个人数字助理（personaldigital assistant，简称PDA）、导航装置、移动上网装置（Mobile InternetDevice，MID）或可穿戴式设备（Wearable Device）等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种处理图片的方法，其特征在于，所述方法包括：

获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

根据所述第二图片新的第一因子生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子，包括：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

将所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

3.根据权利要求2所述的方法，其特征在于，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量，获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；将所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，包括：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

4.根据权利要求3所述的方法，其特征在于，在获取所述第二图片新的第一因子后，所述方法还包括：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

根据所述第二图片新的第一因子，生成第三图片，包括：

根据所述第二图片的新的红色r分量、蓝色b分量、绿色g分量生成第三图片。

5.根据权利要求2所述的方法，其特征在于，所述获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差，包括：

获取所述第一图片各像素点的r分量、b分量和g分量；

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

所述获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，包括：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；将所述第一值和所述第二值相乘，获取第三值；将所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子，包括：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

6.一种电子设备，其特征在于，所述电子设备包括：

第一获取单元，用于获取第一图片的第一因子，并根据所述第一图片的第一因子获取所述第一图片的第一因子的平均值和所述第一图片的第一因子的标准差；

第二获取单元，用于获取待处理的第二图片的第一因子，并根据所述第二图片的第一因子获取所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差；

第三获取单元，用于根据所述第一图片的第一因子的平均值、所述第一图片的第一因子的标准差、所述第二图片的第一因子、所述第二图片的第一因子的平均值和所述第二图片的第一因子的标准差，获取第二图片新的第一因子；

生成单元，用于根据所述新的第一因子，生成第三图片，所述第三图片的第一因子的平均值和所述第一图片的第一因子的平均值相等，所述第三图片的第一因子的标准差和所述第一图片的第一因子的标准差相等；

其中，所述第一因子为图片各像素点的L分量、α分量和β分量；或者

所述第一因子为图片各像素点的红色r分量、蓝色b分量和绿色g分量。

7.根据权利要求6所述的电子设备，其特征在于，所述第三获取单元，具体用于执行如下程序：

将所述第二图片的第一因子和所述第二图片的第一因子的平均值相减，获取第一值；

将所述第一图片的第一因子的标准差和所述第二图片的第一因子的标准差相除，获取第二值；

将所述第一值和所述第二值相乘，获取第三值；

将所述第三值和所述第二图片的第一因子的平均值相加，获取所述第二图片新的第一因子。

8.根据权利要求7所述的电子设备，其特征在于，所述第一获取单元，具体用于：

获取所述第一图片各像素点的L分量、α分量和β分量；

并根据所述第一图片各像素点的L分量、α分量和β分量，获取所述第一图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第二获取单元，具体用于：

获取待处理的第二图片各像素点的L分量、α分量和β分量；

并根据所述待处理的第二图片各像素点的L分量、α分量和β分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第三获取单元，具体用于执行如下程序：

newL=（L2-mL2）*sL1/sL2+mL1；

newα=（α2-mα2）*sα1/sα2+mα1；

newβ=（β2-mβ2）*sβ1/sβ2+mβ1；

其中，L1用于表示第一图片的L分量，α1用于表示第一图片的α分量，β1用于表示第一图片的β分量；

mL1用于表示第一图片的L分量的平均值，sL1用于表示第一图片的L分量的标准差，mα1用于表示第一图片的α分量的平均值，sα1用于表示第一图片的α分量的标准差，mβ1用于表示第一图片的β分量的平均值，sβ1用于表示第一图片的β分量的标准差；

L2用于表示第二图片的L分量，α2用于表示第二图片的α分量，β2用于表示第二图片的β分量；

mL2用于表示第二图片的L分量的平均值，sL2用于表示第二图片的L分量的标准差，mα2用于表示第二图片的α分量的平均值，sα2用于表示第二图片的α分量的标准差，mβ2用于表示第二图片的β分量的平均值，sβ2用于表示第二图片的β分量的标准差。

9.根据权利要求8所述的电子设备，其特征在于，所述电子设备还包括转换单元，所述转换单元具体用于：

将所述第二图片的newL、newα、newβ转换成所述第二图片的新的红色r分量、蓝色b分量和绿色g分量；

所述生成单元，具体用于：

根据所述第二图片的新的红色r分量、蓝色b分量、绿色g分量生成第三图片。

10.根据权利要求7所述的电子设备，其特征在于，所述第一获取单元，用于：

获取所述第一图片各像素点的r分量、b分量和g分量；

并根据所述第一图片各像素点的r分量、b分量、g分量获取所述第一图片的r分量的平均值和标准差、第一图片的b分量的平均值和标准差、第一图片的g分量的平均值和标准差；

第二获取单元，用于：

获取待处理的第二图片各像素点的r分量、b分量、g分量；

并根据所述待处理的第二图片各像素点的r分量、b分量、g分量获取所述第二图片的L分量的平均值和标准差、α分量的平均值和标准差、β分量的平均值和平均值；

所述第三获取单元，具体用于执行如下程序：

newr=（r2-mr2）*sr1/sr2+mr1；

newg=（g2-mg2）*sg1/sg2+mg1；

newb=（b2-mb2）*sb1/sb2+mb1；

其中，mr1表示所述第一图片的红色r分量的平均值；sr1表示所述第一图片的红色r分量的标准差；mb1表示所述第一图片的蓝色b分量的平均值；sb1表示所述第一图片的蓝色b分量的标准差；mg1表示所述第一图片的绿色g分量的平均值；sg1表示所述第一图片的绿色g分量的标准差；

r2表示所述第二图片的r分量；b2表示所述第二图片的b分量；g2表示所述第二图片的g分量；mr2表示所述第二图片的红色r分量的平均值；sr2表示所述第二图片的红色r分量的标准差；mb2表示所述第二图片的蓝色b分量的平均值；sb2表示所述第二图片的蓝色b分量的标准差；mg2表示所述第二图片的绿色g分量的平均值；sg2表示所述第二图片的绿色g分量的标准差。

Images