CN104484867A - 图片处理方法及装置 - Google Patents

Abstract

本公开是关于图片处理方法及装置，用于提高文字图片清晰度，方便用户辨认文字图片中内容。所述方法包括：利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；利用所述判定模型判断待处理图片是否为文字图片；当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。本公开能够增加文字图片中文字的清晰程度，使得用户容易辨认文字图片中文字内容；并且与对所有待处理图片进行增强处理的方式相比，本公开中技术方案，仅对文字图片进行增强处理，减小了图像处理的负担，节约了设备中资源。

Description

图片处理方法及装置

技术领域

本公开涉及图像技术领域，尤其涉及图片处理方法及装置。

背景技术

随着智能终端技术的发展，用户可以使用终端中摄像头对文本进行拍照，例如将公告通知、课堂PPT(微软演示文稿软件)进行拍照，获得包含文字内容的图片，该包含文字内容的图片被称为文字图片。相关技术中，可以将文字图片存储到指定文件夹中，也可以将文字图片在应用中作为便签进行插入。例如，在记事本应用或日历应用中将文字图片作为便签进行插入。相关技术的缺陷在于，没有对文字图片进行处理，文字图片的清晰度全部依赖于拍摄的原始图片的质量，使得当拍照的文字图片模糊时，用户难以辨认文字图片中内容。

发明内容

为克服相关技术中存在的问题，本公开实施例提供图片处理方法及装置，用于提高文字图片清晰度，方便用户辨认文字图片中内容。

根据本公开实施例的第一方面，提供一种图片处理方法，包括：

利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

利用所述判定模型判断待处理图片是否为文字图片；

当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

所述利用分类算法使用预设训练集中图片进行分类训练，包括：

将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

在一实施例中，所述将预设训练集中各个图片进行区域划分之前，所述方法还可包括：

将预设训练集中各个图片的分辨率归一化为预设分辨率。

在一实施例中，所述利用所述判定模型判断待处理图片是否为文字图片，可包括：

将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

利用所述判定模型根据待处理图片的各个区域的纹理特征直方图判断所述待处理图片是否为文字图片。

在一实施例中，所述利用图像归一化算法对待处理图片进行图像增强处理，可包括：

将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

在一实施例中，所述利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化，可包括：

对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对所述区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。

根据本公开实施例的第二方面，提供一种图片处理装置，包括：

训练模块，用于利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

判断模块，用于利用所述判定模型判断待处理图片是否为文字图片；

处理模块，用于当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

在一实施例中，所述训练模块，可包括：

第一统计子模块，用于将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

训练子模块，用于利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

在一实施例中，所述装置还包括：

归一化模块，用于将预设训练集中各个图片的分辨率归一化为预设分辨率。

在一实施例中，所述判断模块，可包括：

第二统计子模块，用于将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

判断子模块，用于利用所述判定模型根据待处理图片的各个区域的纹理特征直方图判断所述待处理图片是否为文字图片。

在一实施例中，所述处理模块，可包括：

处理子模块，用于将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

在一实施例中，所述处理子模块，可包括：

处理单元，用于对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对所述区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。

根据本公开实施例的第三方面，提供一种图片处理装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

利用所述判定模型判断待处理图片是否为文字图片；

当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

本公开的实施例提供的技术方案可以包括以下有益效果：应用分类算法获得判定模型，使用判定模型从待处理图片中判定出文字图片，对文字图片进行增强处理；如此，能够增加文字图片中文字的清晰程度，使得用户容易辨认文字图片中文字内容；并且与对所有待处理图片进行增强处理的方式相比，本公开中技术方案，仅对文字图片进行增强处理，减小了图像处理的负担，节约了设备中资源。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种图片处理方法的流程图。

图2是根据一示例性实施例一示出的一种图片处理方法的流程图。

图3是根据一示例性实施例示出的一种图片处理装置的框图。

图4是根据一示例性实施例示出的另一种图片处理装置的框图。

图5是根据一示例性实施例示出的另一种图片处理装置的框图。

图6是根据一示例性实施例示出的另一种图片处理装置的框图。

图7是根据一示例性实施例示出的一种适用于图片处理装置的框图。

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公开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、本公开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片处理方法的流程图。如图1所示，该图片处理方法用于终端设备如手机、平板电脑或个人电脑中，包括以下步骤S101-S103：

在步骤S101中，利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型。

其中，预设训练集包括文字图片和非文字图片。

在一实施例中，上述利用分类算法使用预设训练集中图片进行分类训练可包括如下步骤A1-A2：

在步骤A1中，将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图。

在步骤A2中，利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

在一实施例中，上述步骤A1前还可包括：将预设训练集中各个图片的分辨率归一化为预设分辨率。

举例而言，预设的训练集中包括5万张文字图片和10万张非文字图片，将训练集中的文字图片和非文字图片进行分辨率归一化，归一化为300×300的分辨率。将训练集中各个图片进行区域划分，划分为10×10的区域，对图片的各个区域分别提取纹理特征gabor特征，统计出图片的各个区域的gabor特征直方图。利用支持向量基SVM算法使用每个图片中各个区域的gabor特征直方图进行分类训练，得到用于区分文字图片和非文字图片的判定模型。

在步骤S102中，利用判定模型判断待处理图片是否为文字图片。

在一实施例中，所述步骤S102可包括如下步骤B1-B2。

在步骤B1中，将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图。

在步骤B2中，利用判定模型根据待处理图片的各个区域的纹理特征直方图判断待处理图片是否为文字图片。

举例而言，将待处理图片进行区域划分，划分为10×10的区域，对待处理图片的各个区域分别提取纹理特征gabor特征，统计出待处理图片的各个区域的gabor特征直方图。利用判定模型根据待处理图片的各个区域的gabor特征直方图，判断待处理图片是否为文字图片。

在步骤S103中，当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

在一实施例中，上述利用图像归一化算法对待处理图片进行图像增强处理可包括将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

举例而言，上述利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化可包括：对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。例如，利用图像归一化算法采用统一均值和方差对待处理图片的各个区域的RGB(红、绿、蓝)通道图像进行依次遍历，获得增强处理后的图片。

本公开中对各个区域进行归一化，不限于对区域的RGB(红、绿、蓝)通道图像进行归一化，还可以对各个区域的灰度进行归一化，本公开对此没有特别限制。

本公开的实施例提供的技术方案可以包括以下有益效果：应用分类算法获得判定模型，使用判定模型从待处理图片中判定出文字图片，对文字图片进行增强处理；如此，能够增加文字图片中文字的清晰程度，使得用户容易辨认文字图片中文字内容；并且与对所有待处理图片进行增强处理的方式相比，本公开中技术方案，仅对文字图片进行增强处理，减小了图像处理的负担，节约了设备中资源。

图2是根据一示例性实施例一示出的一种图片处理方法的流程图。实施例一中方法应用在如下场景：用于手机中，预设训练集中包括5万张文字图片和10万张非文字图片。如图2所示，该方法包括如下步骤：

在步骤S201中，将训练集中的文字图片和非文字图片的分辨率归一化为300×300的分辨率。

在步骤S202中，将预设训练集中各个图片划分为10×10的区域，对于各个区域提取纹理特征gabor特征，统计出待处理图片的各个区域的gabor特征直方图。

在步骤S203中，利用支持向量基SVM算法使用每个图片中各个区域的gabor特征直方图进行分类训练，得到用于区分文字图片和非文字图片的判定模型。

在步骤S204中，将待处理图片划分为10×10的区域，对待处理图片的各个区域分别提取纹理特征gabor特征，统计出待处理图片的各个区域的gabor特征直方图。

在步骤S205中，利用判定模型根据待处理图片的各个区域的gabor特征直方图，判断待处理图片是否为文字图片。

在步骤S206中，当待处理图片为文字图片时，对待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对区域的红色通道图像、绿色通道图像、和蓝色通道图像进行归一化。

本公开的实施例提供的技术方案可以包括以下有益效果：应用分类算法获得判定模型，使用判定模型从待处理图片中判定出文字图片，对文字图片进行增强处理；如此，能够增加文字图片中文字的清晰程度，使得用户容易辨认文字图片中文字内容；并且与对所有待处理图片进行增强处理的方式相比，本公开中技术方案，仅对文字图片进行增强处理，减小了图像处理的负担，节约了设备中资源。

图3是根据一示例性实施例示出的一种图片处理装置的框图。如图3所示，该图片处理装置用于终端设备如手机、平板电脑或个人电脑中，包括：

训练模块31被配置为利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，预设训练集包括文字图片和非文字图片；

判断模块32被配置为利用判定模型判断待处理图片是否为文字图片；

处理模块33被配置为当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

在一实施例中，如图4所示，训练模块31可包括：

第一统计子模块41被配置为将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

训练子模块42被配置为利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

在一实施例中，如图5所示，上述装置还可包括：

归一化模块51被配置为将预设训练集中各个图片的分辨率归一化为预设分辨率。

在一实施例中，如图6所示，上述判断模块32可包括：

第二统计子模块61被配置为将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

判断子模块62被配置为利用判定模型根据待处理图片的各个区域的纹理特征直方图判断待处理图片是否为文字图片。

在一实施例中，处理模块可包括：

处理子模块被配置为将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

在一实施例中，处理子模块可包括：

处理单元被配置为对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。

关于上述实施例中的装置，其中各个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。

本公开的实施例提供的技术方案可以包括以下有益效果：训练模块应用分类算法获得判定模型，判断模块使用判定模型从待处理图片中判定出文字图片，处理模块对文字图片进行增强处理；如此，能够增加文字图片中文字的清晰程度，使得用户容易辨认文字图片中文字内容；并且与对所有待处理图片进行增强处理的方式相比，本公开中技术方案，仅对文字图片进行增强处理，减小了图像处理的负担，节约了设备中资源。

图7是根据一示例性实施例示出的一种用于图片处理装置1200的框图，该装置适用于终端设备。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，个人数字助理等。

参照图7，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820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。

一种图片处理装置，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：

利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

利用所述判定模型判断待处理图片是否为文字图片；

当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

该处理器被配置为：将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

该处理器被配置为：所述将预设训练集中各个图片进行区域划分之前，将预设训练集中各个图片的分辨率归一化为预设分辨率。

该处理器被配置为：将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；利用所述判定模型根据待处理图片的各个区域的纹理特征直方图判断所述待处理图片是否为文字图片。

该处理器被配置为：将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

该处理器被配置为：对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对所述区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种图片处理方法，所述方法包括：

利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

利用所述判定模型判断待处理图片是否为文字图片；

当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

所述利用分类算法使用预设训练集中图片进行分类训练，可包括：

将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

所述将预设训练集中各个图片进行区域划分之前，所述方法还可包括：

将预设训练集中各个图片的分辨率归一化为预设分辨率。

所述利用所述判定模型判断待处理图片是否为文字图片，可包括：

将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

利用所述判定模型根据待处理图片的各个区域的纹理特征直方图判断所述待处理图片是否为文字图片。

所述利用图像归一化算法对待处理图片进行图像增强处理，可包括：

将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

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 (13)

1.一种图片处理方法，其特征在于，包括：

利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

利用所述判定模型判断待处理图片是否为文字图片；

当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

2.如权利要求1所述的方法，其特征在于，所述利用分类算法使用预设训练集中图片进行分类训练，包括：

将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

3.如权利要求2所述的方法，其特征在于，所述将预设训练集中各个图片进行区域划分之前，所述方法还包括：

将预设训练集中各个图片的分辨率归一化为预设分辨率。

4.如权利要求2所述的方法，其特征在于，所述利用所述判定模型判断待处理图片是否为文字图片，包括：

将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

利用所述判定模型根据待处理图片的各个区域的纹理特征直方图判断所述待处理图片是否为文字图片。

5.如权利要求1所述的方法，其特征在于，所述利用图像归一化算法对待处理图片进行图像增强处理，包括：

将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

6.如权利要求5所述的方法，其特征在于，所述利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化，包括：

对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对所述区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。

7.一种图片处理装置，其特征在于，包括：

训练模块，用于利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

判断模块，用于利用所述判定模型判断待处理图片是否为文字图片；

处理模块，用于当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。

8.如权利要求7所述的装置，其特征在于，所述训练模块，包括：

第一统计子模块，用于将预设训练集中各个图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

训练子模块，用于利用分类算法使用预设训练集中每个图片的各个区域的纹理特征直方图进行分类训练。

9.如权利要求8所述的装置，其特征在于，所述装置还包括：

归一化模块，用于将预设训练集中各个图片的分辨率归一化为预设分辨率。

10.如权利要求8所述的装置，其特征在于，所述判断模块，包括：

第二统计子模块，用于将待处理图片进行区域划分，对于各个区域进行纹理特征提取，统计出各个区域的纹理特征直方图；

判断子模块，用于利用所述判定模型根据待处理图片的各个区域的纹理特征直方图判断所述待处理图片是否为文字图片。

11.如权利要求1所述的装置，其特征在于，所述处理模块，包括：

处理子模块，用于将待处理图片进行区域划分，利用图像归一化算法根据预设均值和预设方差对各个区域进行归一化。

12.如权利要求11所述的装置，其特征在于，所述处理子模块，包括：

处理单元，用于对于待处理图片的各个区域，利用图像归一化算法根据预设均值和预设方差对所述区域的红色通道图像、绿色通道图像、和/或蓝色通道图像进行归一化。

13.一种图片处理装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

利用分类算法使用预设训练集中图片进行分类训练，得到用于区分文字图片和非文字图片的判定模型，其中，所述预设训练集包括文字图片和非文字图片；

利用所述判定模型判断待处理图片是否为文字图片；

当待处理图片为文字图片时，利用图像归一化算法对待处理图片进行图像增强处理。