CN105389780A - 一种图像处理方法及移动终端 - Google Patents

Abstract

本发明提供一种图像处理方法及移动终端，解决现有技术中移动终端相机拍照模式下对拍摄图像的处理不能满足部分用户的需求，得不到用户需要的静态物体图像的问题。该方法包括：获取在长曝光拍照模式下拍摄的一原始图像；根据预设算法计算该原始图像中多个区域的图像的清晰度值；根据该多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；对去除该模糊区域的图像后产生的色块区域修复补全，得到一最终图像。本发明还提供一种相应的移动终端。本发明根据预设算法对原始图像中模糊区域的图像去除处理，并对去除后的受损图像进行修复补全，最终得到清晰的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

Description

一种图像处理方法及移动终端

技术领域

本发明涉及图像处理技术领域，并且更具体地，涉及一种图像处理方法及移动终端。

背景技术

现代手机作为便携式终端，在当今社会已得到了广泛的应用。智能手机除了具备手机的通讯功能外，还集成了方便人们工作、生活和娱乐的一些功能模块。例如，基于无线数据通信的浏览器和电子邮件、游戏、音乐及相机等功能。尤其是智能手机的相机功能的应用，更加方便了人们随时随地拍摄图片。特别是在节假日出游时，使用手机记录旅途的风景已成为一种风尚。但节假日旅游景区时常人满为患，几乎很难使用手机拍摄到一张没有游客来回穿梭移动的静态的风景照片。

发明内容

本发明实施例提供一种图像处理方法，以解决现有技术中移动终端相机拍照模式下对所拍摄图像的处理不能满足部分用户的需求，得不到用户需要的静态物体的图像的问题。

一方面，本发明实施例提供一种图像处理方法，包括：

获取在长曝光拍照模式下拍摄的一原始图像；

根据预设算法计算所述原始图像中多个区域的图像的清晰度值；

根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；

对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

另一方面，本发明实施例还提供一种移动终端，包括：

图像获取模块，用于获取在长曝光拍照模式下拍摄的一原始图像；

算法计算模块，用于根据预设算法计算所述原始图像中多个区域的图像的清晰度值；

图像去除模块，用于根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；

图像修复模块，用于对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

本发明实施例提供的图像处理方法，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

附图说明

为了更清楚地说明本发明实施例的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的图像处理方法的第一实施例流程图；

图2为本发明实施例根据预设算法计算所述原始图像中的多个区域的图像的清晰度值的实施例流程图；

图3为本发明实施例根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除的实施例流程图；

图4为本发明实施例对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像的实施例流程图；

图5为图4中通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像的实施例流程图；

图6为本发明实施例的图像处理方法的一具体实施过程的实施例流程图；

图7为本发明一个实施例的移动终端的基本结构示意图；

图8为本发明另一个实施例的移动终端的具体结构示意图；

图9为本发明又一个实施例的移动终端的内部实体结构框图；

图10为本发明再一个实施例的移动终端的具体硬件结构框图。

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。

第一实施例

如图1所示，为本发明实施例的图像处理方法的第一实施例流程图。下面就该图并结合图2至图5具体说明该图像处理方法的实施过程。

本发明实施例提供一种图像处理方法，包括：

步骤101，获取在长曝光拍照模式下拍摄的一原始图像。

本步骤中，所述原始图像是基于移动智能设备长曝光拍摄的照片。快门时间慢于1秒的曝光都可以称之为长时间曝光，它是选慢快门(曝光时间长)的一种曝光方式。

基于长曝光拍摄的图像，动态移动的物体的图像是模糊的，静态物体的图像是清晰的。

例如，在人潮涌动的街角，在热闹的集市，在如火如荼的体育比赛的现场在车水马龙的街道，在熙熙攘攘的车站等一些热闹的场面中，用户利用移动终端通过长曝光拍摄，可以得一张由动态移动的物体和静态物体组成的图片A。所述图片A中静态的景物影像为清晰的，而移动人流、车辆等影像为模糊的。

步骤102，根据预设算法计算所述原始图像中多个区域的图像的清晰度值。

本步骤中，所述预设算法为一图像清晰度评价函数，这里具体指二维离散余弦变换函数，当然也可以为其他可计算图像清晰度的函数。

在清晰度评价函数中，分离并保留图像中的高频分量可作为图像清晰度的评价指标，且图像的清晰度还与图像自身的亮度与灰度级有关，故相对高频分量更能客观地评价图像的清晰度。步骤101中所述图片A的多个区域的图像的清晰值可通过该预设算法得到。

步骤103，根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除。

本步骤中，模糊区域的图像的判定是通过与一清晰度阈值进行比较确定的，该清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定。

例如，将所述图片A的多个区域的图像的清晰度值分别与一清晰度阈值比较之后，确定模糊区域的图像和清晰区域的图像。一般情况下，所述图片A中静态的景物影像会被确定为清晰区域的图像，而移动人流、车辆等影像会被确定为模糊区域的图像。

将模糊区域的图像去除后，原来图片A中模糊区域的图像的位置会产生色块，即空白。

步骤104，对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

本步骤中，对色块区域的修复补全可通过一图像修复补全算法实现，这里具体指纹理合成算法，但不仅限于该图像修复补全算法，其他图像修复补全的方法均可。

例如，将步骤103中去除模糊区域的图像A产生的色块区域通过图像修补算法，具体为纹理合成算法，会得到修复补全，且该色块区域在修复补全的过程中以清晰区域的图像为样本，按照清晰区域的图像进行修复补全，最终得到用户想要的清晰静态的图像，例如没有人流穿梭的安静的街角、集市、体育场、街道或者车站。

本发明实施例提供的图像处理方法，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

优选的，所述步骤102可以具体包括：

步骤1021，将所述原始图像均匀划分为多个区域，所述区域对应的图像为区域的图像，所述区域的图像的大小根据所述原始图像的大小确定。

本步骤中，若原始图像大则划分的区域的图像大，若原始图像小则划分的区域的图像小。

所述区域的图像大小可以是像素大小为M×N，其中，M表示水平像素数；N表示垂直像素数。

步骤1022，依次提取划分的所述区域的图像，通过二维离散余弦变换函数计算出划分的每个所述区域的图像的清晰度值。

本步骤中，二维离散余弦变换函数对高频分量具有较好的分离能力，其可作为图像的清晰度评价函数，分离并保留图像中的高频分量，又因图像的清晰度还与图像自身的亮度与灰度级有关，所以将该高频分量与图像的直流分量的比，即相对高频分量，作为图像清晰度的评价指标。这里需说明的是，直流分量在一定程度上反映图像的整体亮度和总体信息。

优选的，所述步骤103具体可以包括：

步骤1031，依次读取所述区域的图像的清晰度值，分别与一清晰度阈值进行比较，所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定。

步骤1032，当所述清晰度值大于或等于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为清晰区域的图像。

步骤1033，当所述清晰度值小于所述清晰度阈值时，确定所述清晰度对应的区域的图像为模糊区域的图像。

这里，以移动终端确定的清晰度阈值为衡量标准，例如，在区域的图像1的清晰度值大于或等于该清晰度阈值时，则该区域的图像1确定为清晰区域的图像；在区域的图像2的清晰度值小于该清晰度阈值时，则该区域的图像2确定为模糊区域的图像。

步骤1034，确定所述模糊区域的图像的个数，并将所述模糊区域的图像去除，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

本步骤中，统计所述原始图像均匀划分的多个区域所对应的图像中确定出模糊区域的图像的个数，并将该些模糊区域的图像去除。

优选的，所述步骤104具体可以包括：

步骤1041，根据所述模糊区域的图像的个数，确定所述模糊区域的图像的平均灰度值。

本步骤中，每个模糊区域的图像均有其灰度值，根据模糊区域的图像的个数，对模糊区域的图像求和取平均，确定该些模糊区域的图像整体的平均灰度值。

步骤1042，通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像，所述最终图像中每个区域的图像的清晰度值均大于所述清晰度阈值。

这里，图像修复是指对局部区域数据丢失的图像进行修补，本发明实施例中指色块区域，利用已知图像信息对图像中缺损区域进行填充，即对色块区域进行填充，以恢复图像的完整性和原有的视觉效果。

纹理合成算法为图像修复算法，可以有很多算法。这里具体可以是CriminisiA算法，该纹理合成算法利用样本纹理生成大的图像区域的纹理合成技术，对处理纹理图像简单而且有效。

本步骤1042可进一步包括：

步骤10421，根据一样本图像区域确定一具有主要纹理特征的纹理图像，所述样本图像区域为所述原始图像减去所述色块区域得到的图像区域。

这里，需说明的是，图像的纹理作为图像识别的特征之一，是一种重要的视觉线索。图像的纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征。

步骤10422，根据所述纹理图像并通过一离散逼近算法计算所述样本图像区域的纹理的主方向，沿所述纹理的主方向并结合所述平均灰度值通过一纹理合成算法确定一最佳纹理匹配块。

这里纹理的主方向，即图像的方向性。自然界大部分的图像分布都具有较强的方向性，搜索纹理匹配快可利用图像的方向性来减小搜索范围。该步骤中根据色块区域的信息，在样本图像区域选择一小块具有破损图像即色块区域的图像纹理主要走向的图像计算其主方向。在计算搜索时沿该主方向搜索确定与所述色块区域的待修复块最匹配的最佳纹理匹配块。

步骤10423，确定所述色块区域中具有最高优先权的待修复块，将所述最佳纹理匹配块填充到所述待修复块中。

这里所述的优先权的确定决定了图像修复的顺序，由于采用CriminisiA算法，故修复过程中是以块为单位的。

这里需说明的是，计算所述色块区域轮廓线上所有待修复块的优先权，确定在填充边缘上优先权最高的候选待修复块。

步骤10424，更新所述样本图像区域，返回所述根据一样本图像区域确定一具有主要纹理特征的纹理图像的步骤，直到将所述色块区域填充完整得到所述最终图像为止。

需要说明的是，步骤10421-10424是基于纹理合成算法CriminisiA算法的步骤流程，CriminisiA算法为现有算法，这里不再赘述。当然，这里不仅限于此算法，也可采用其他算法以修复合成图像。

本发明实施例提供的图像处理方法，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

第二实施例

如图6所示，为本发明实施例的图像处理方法的一具体实施过程的实施例流程图。下面结合该图具体说明该图像处理方法的具体实施过程。

步骤201，移动终端获取用户通过在长曝光拍照模式下拍摄的一图像；

这里需说明的是，普通拍照模式的曝光时间一般为几十毫秒甚至更短，长曝光拍照模式在移动终端现有技术中曝光时长可达32秒。所以，基于长曝光拍照模式拍摄的图像，图像中动态移动物体成像为一模糊的影像，静态物体成像为一清晰的影像。

步骤202，将所述图像均匀划分为多个像素为M×N大小的区域的图像；

本步骤中，M表示水平像素数；N表示垂直像素数。

区域的图像的大小根据移动终端获取的图像的大小确定。

若原始图像大则划分的区域的图像大，若原始图像小则划分的区域的图像小。

步骤203，基于二维离散余弦变换函数，计算所述图像中每一个区域的图像的清晰度值V_i。

本步骤中，二维离散余弦变换函数，设f(x,y)为M×N的数字图像矩阵，则： $F(u,v)=c\left(u\right)c\left(v\right){\Σ}_{x=0}^{u-1}{\Σ}_{y=0}^{v-1}f(x,y)cos\frac{\mathrm{\π}(2x+1)u}{2M}\·cos\frac{\mathrm{\π}(2y+1)v}{2N},$ 其中，u＝0,1,…,M-1,v＝0,1,…,N-1,

$\left\{\begin{array}{c}c\left(u\right)=\sqrt{\frac{1}{M}},u=0,\\ c\left(u\right)=\sqrt{\frac{2}{M}},u=1,2,\mathrm{...},M-1\end{array}\right.,\left\{\begin{array}{c}c\left(v\right)=\sqrt{\frac{1}{N}},v=0,\\ c\left(v\right)=\sqrt{\frac{2}{N}},v=1,2,\mathrm{...},N-1\end{array}\right.$

$V=\frac{{\Σ}_{x=0}^{u=1}{\Σ}_{y=0}^{v=1}\left|F(u,v)\right|}{\left|F(1,1)\right|},u+v>min(M,N)$

需要说明的是，函数f(x,y)中x表示水平像素的灰度值；y表示垂直像素的灰度值。

这里，二维离散余弦变换函数对高频分量具有较好的分离能力，其可作为图像的清晰度评价函数，分离并保留图像中的高频分量F(u,v)，又因图像的清晰度还与图像自身的亮度与灰度级有关，所以将该高频分量F(u,v)与图像的直流分量|F(1,1)|的比，即相对高频分量V，作为图像清晰度的评价指标。这里需说明的是，直流分量|F(1,1)|在一定程度上反映图像的整体亮度和总体信息。

步骤204，读取移动终端设置的清晰度阈值V_thd。

这里所述清晰度阈值V_thd的取值大小根据长曝光拍照模式下的曝光时间长短确定。

步骤205，判断每一个区域的图像的清晰度值V_i是否小于清晰度阈值V_thd。若是，则执行步骤206，若否，则执行步骤208。

这里，清晰度阈值为V_i为一衡量标准，例如，在区域的图像1的清晰度值V₁大于或等于该清晰度阈值V_thd时，则该区域的图像1确定为清晰的区域的图像；在区域的图像2的清晰度值V₂小于该清晰度阈值V_thd时，则该区域的图像2确定为模糊区域的图像。

步骤206，去除清晰度值小于清晰度阈值的模糊区域的图像。

这里需说明的是，可统计确定为模糊区域的图像的个数，再将所述模糊区域的图像去除。当然，也可在模糊区域的图像确定后，即刻去除。这里，去除方式不唯一，不做限定。

步骤207，对在去除模糊区域的图像后产生的色块区域进行修复补全。

这里，对所述色块区域的修复补全可通过一纹理合成算法实现，现有技术中已有纹理合成算法，在此不再赘述其算法实现过程。当然，不仅限于此算法，也可采用其他的图像修复算法。

步骤208，显示最终图像。

本发明实施例提供的图像处理方法，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

第三实施例

如图7所示，为本发明一个实施例的移动终端的基本结构示意图，下面就该图并结合图8具体说基于该图像处理方法的移动终端。

本发明实施例提供一种移动终端，包括：

图像获取模块301，用于获取在长曝光拍照模式下拍摄的一原始图像。

需说明的是，所述原始图像是基于移动智能设备长曝光拍摄的照片。基于长曝光拍摄的图像，动态移动的物体的图像是模糊的，静态物体的图像是清晰的。

算法计算模块302，用于根据预设算法计算所述原始图像中多个区域的图像的清晰度值。

需说明的是，所述预设算法为一图像清晰度评价函数，这里具体指二维离散余弦变换函数，当然也可以为其他可计算图像清晰度的函数。

在清晰度评价函数中，分离并保留图像中的高频分量可作为图像清晰度的评价指标，且图像的清晰度还与图像自身的亮度与灰度级有关，故相对高频分量更能客观地评价图像的清晰度。

图像去除模块303，用于根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除。

需要说明的是，这里的模糊区域的图像的判定是通过所述多个区域的图像的清晰度值与移动终端设置的一清晰度阈值比较确定的。所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定。这里，模糊区域的图像的清晰度值小于所述清晰度阈值。

图像修复模块304，用于对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

这里，对色块区域的修复补全可通过一图像修复补全算法实现，这里具体指纹理合成算法，但不仅限于该图像修复补全算法，其他图像修复补全的方法均可。

本发明实施例中，所述算法计算模块302具体可包括：

图像划分子模块3021，用于将所述原始图像均匀划分为多个区域，所述区域对应的图像为区域的图像，所述区域的图像的大小根据所述原始图像的大小确定。

这里需说明的是，可将所述原始图像均匀划分为像素大小为M×N的多个区域，若原始图像大则划分的区域的图像大，若原始图像小则划分的区域的图像小。其中，M表示水平像素数；N表示垂直像素数。

算法计算子模块3022，用于依次提取划分的所述区域的图像，通过二维离散余弦变换函数计算出划分的每个所述区域的图像的清晰度值。

这里，所述二维离散余弦变换函数对高频分量具有较好的分离能力，其可作为图像的清晰度评价函数，分离并保留图像中的高频分量，又因图像的清晰度还与图像自身的亮度与灰度级有关，所以将该高频分量与图像的直流分量的比，即相对高频分量，作为图像清晰度的评价指标。这里需说明的是，直流分量在一定程度上反映图像的整体亮度和总体信息。

本发明实施例中，所述图像去除模块303具体可包括：

比较子模块3031，用于依次读取所述区域的图像的清晰度值，分别与一清晰度阈值进行比较，所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定。

第一确定子模块3032，用于当所述清晰度值大于或等于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为清晰区域的图像。

第二确定子模块3033，用于当所述清晰度值小于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为模糊区域的图像，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

上述第一确定子模块3032和第二确定子模块3033中均以移动终端确定的清晰度阈值为衡量标准，例如，在区域的图像1的清晰度值大于或等于该清晰度阈值时，则该区域的图像1确定为清晰的区域的图像；在区域的图像2的清晰度值小于该清晰度阈值时，则该区域的图像2确定为模糊区域的图像。

图像去除子模块3034，用于确定所述模糊区域的图像的个数，并将所述模糊区域的图像去除，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

这里需说明的是，统计所述原始图像均匀划分的多个区域的图像中确定为模糊区域的图像的个数，并将该些模糊区域的图像去除。当然，也可在模糊区域的图像确定后，即刻去除该模糊区域的图像。这里，去除方式不唯一，不做限定。

本发明实施例中，所述图像修复模块304具体可包括：

灰度确定子模块3041，用于根据所述模糊区域的图像的个数，确定所述模糊区域的图像的平均灰度值。

这里，每个模糊区域的图像均具有其灰度值，结合模糊区域的图像的个数，对模糊区域的图像求和取平均，确定该些模糊区域的图像整体的平均灰度值。

图像修复子模块3042，用于通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像，所述最终图像中每个区域的图像的清晰度值均大于所述清晰度阈值。

这里，图像修复是指对局部区域数据丢失的图像进行修补，本发明实施例中指的是色块区域，利用已知图像信息对图像中缺损区域进行填充，即对色块区域进行填充，以恢复图像的完整性和原有的视觉效果。

纹理合成算法为图像修复算法，可以有很多算法。这里具体可以是CriminisiA算法，该纹理合成算法利用样本纹理生成大的图像区域的纹理合成技术，对处理纹理图像简单而且有效。

此时，所述图像修复子模块3042可进一步包括：

纹理确定单元30421，用于根据一样本图像区域确定一具有主要纹理特征的纹理图像，所述样本图像区域为所述原始图像减去所述色块区域得到的图像区域。

这里，需说明的是，图像的纹理作为图像识别的特征之一，是一种重要的视觉线索。图像的纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征。

匹配确定单元30422，用于根据所述纹理图像并通过一离散逼近算法计算所述样本图像区域的纹理的主方向，沿所述纹理的主方向并结合所述平均灰度值通过一纹理合成算法确定一最佳纹理匹配块；

这里纹理的主方向，即图像的方向性。自然界大部分的图像分布都具有较强的方向性，搜索纹理匹配快可利用图像的方向性来减小搜索范围。该步骤中根据色块区域的信息，在样本图像区域选择一小块具有破损图像即色块区域的图像纹理主要走向的图像计算其主方向。在计算搜索时沿该主方向搜索确定与所述色块区域的待修复块最匹配的最佳纹理匹配块。

填充修复单元30423，用于确定所述色块区域中具有最高优先权的待修复块，将所述最佳纹理匹配块填充到所述待修复块中；

这里所述的优先权的确定决定了图像修复的顺序，由于采用CriminisiA算法，故修复过程中是以块为单位的。

这里需说明的是，计算所述色块区域轮廓线上所有待修复块的优先权，确定在填充边缘上优先权最高的候选待修复块。

修复完成单元30424，用于更新所述样本图像区域，返回所述根据一样本图像区域确定一具有主要纹理特征的纹理图像的步骤，直到将所述色块区域填充完整得到所述最终图像为止。

需要说明的是，上述单元是基于纹理合成算法CriminisiA算法的步骤流程，CriminisiA算法为现有算法，这里不再赘述。当然，这里不仅限于此算法，也可采用其他算法以修复合成图像。

上述实施例中的移动终端能够实现图1至图6的方法实施例中的各个步骤，为避免重复，这里不再赘述。本发明实施例提供的移动终端通过上述模块，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

第四实施例

如图9所示，为本发明又一个实施例的移动终端的内部实体结构框图。下面结合该图具体说明本发明的图像处理方法的应用实体。

如图9所示的移动终端900包括：至少一个处理器901、存储器902、至少一个网络接口904和其他用户接口903。移动终端900中的各个组件通过总线系统905耦合在一起。可理解，总线系统905用于实现这些组件之间的连接通信。总线系统905除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图9中将各种总线都标为总线系统905。

其中，用户接口903可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

可以理解，本发明实施例中的存储器902可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本文描述的系统和方法的存储器902旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器902存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统9021和应用程序9022。

其中，操作系统9021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序9022，包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序9022中。

在本发明实施例中，通过调用存储器902存储的程序或指令，具体的可以是在应用程序9022中存储的程序或指令，处理器901用于获取在长曝光拍照模式下拍摄的一原始图像；

根据预设算法计算所述原始图像中多个区域的图像的清晰度值；

需说明的是，该预设算法存储于存储器902中，该处理器901可调用存储器902中的该预设算法。

根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；

对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

上述本发明实施例揭示的方法可以应用于处理器901中，或者由处理器901实现。处理器901可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器901中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器901可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器902，处理器901读取存储器902中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits，ASIC)、数字信号处理器(DigitalSignalProcessing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(ProgrammableLogicDevice，PLD)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

可选地，该处理器901还用于：

将所述原始图像均匀划分为多个区域，所述区域对应的图像为区域的图像，所述区域的图像的大小根据移动终端获取的图像的大小确定；

依次提取划分的所述区域的图像，通过二维离散余弦变换函数计算出划分的每个所述区域的图像的清晰度值。

可选地，该处理器901还用于：

依次读取所述区域的图像的清晰度值，分别与一清晰度阈值进行比较，所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定；

此处，需说明的是，所述清晰度阈值存储于所述存储器902中，所述处理器可调用所述存储器902中的该清晰度阈值。

当所述清晰度值大于或等于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为清晰区域的图像；

当所述清晰度值小于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为模糊区域的图像；

确定所述模糊区域的图像的个数，并去除所述模糊区域的图像，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

可选地，该处理器901还用于：

根据所述模糊区域的图像的个数，确定所述模糊区域的图像的平均灰度值；

通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像，所述最终图像中每个区域的图像的清晰度值均大于所述清晰度阈值。

可选地，该处理器901还用于调用存储器902中的预定算法，这里具体为一纹理合成算法CriminisiA算法，来修复补全色块区域，即图像受损区域，具体算法处理过程如下：

根据一样本图像区域确定一具有主要纹理特征的纹理图像，所述样本图像区域为所述原始图像减去所述色块区域得到的图像区域；

根据所述纹理图像并通过一离散逼近算法计算所述样本图像区域的纹理的主方向，沿所述纹理的主方向并结合所述平均灰度值通过一纹理合成算法确定一最佳纹理匹配块；

确定所述色块区域中具有最高优先权的待修复块，将所述最佳纹理匹配块填充到所述待修复块中；

更新所述样本图像区域，返回所述根据一样本图像区域确定一具有主要纹理特征的纹理图像的步骤，直到将所述色块区域填充完整得到所述最终图像为止。

本发明的移动终端如可以是手机、平板电脑、个人数字助理(PersonalDigitalAssistant，PDA)、或车载电脑等等移动终端。移动终端900能够实现前述实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。本发明实施例移动终端通过上述装置，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

第五实施例

如图10所示，为本发明再一个实施例的移动终端的具体硬件结构框图。下面结合该图具体说明本发明的图像处理方法的移动终端的应用硬件实体。

图10中的移动终端1000包括射频(RadioFrequency，RF)电路1010、存储器1020、输入单元1030、显示单元1040、处理器1060、音频电路1070、WiFi(WirelessFidelity)模块1080和电源1090。

其中，输入单元1030可用于接收用户输入的数字或字符信息，以及产生与移动终端1000的用户设置以及功能控制有关的信号输入。具体地，本发明实施例中，该输入单元1030可以包括触控面板1031。触控面板1031，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1031上的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1031可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给该处理器1060，并能接收处理器1060发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1031。除了触控面板1031，输入单元1030还可以包括其他输入设备1032，其他输入设备1032可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

其中，显示单元1040可用于显示由用户输入的信息或提供给用户的信息以及移动终端1000的各种菜单界面。显示单元1040可包括显示面板1041，可选的，可以采用LCD或有机发光二极管(OrganicLight-EmittingDiode，OLED)等形式来配置显示面板1041。

应注意，触控面板1031可以覆盖显示面板1041，形成触摸显示屏，当该触摸显示屏检测到在其上或附近的触摸操作后，传送给处理器1060以确定触摸事件的类型，随后处理器1060根据触摸事件的类型在触摸显示屏上提供相应的视觉输出。

触摸显示屏包括应用程序界面显示区及常用控件显示区。该应用程序界面显示区及该常用控件显示区的排列方式并不限定，可以为上下排列、左右排列等可以区分两个显示区的排列方式。该应用程序界面显示区可以用于显示应用程序的界面。每一个界面可以包含至少一个应用程序的图标和/或widget桌面控件等界面元素。该应用程序界面显示区也可以为不包含任何内容的空界面。该常用控件显示区用于显示使用率较高的控件，例如，设置按钮、界面编号、滚动条、电话本图标等应用程序图标等。

其中处理器1060是移动终端1000的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在第一存储器1021内的软件程序和/或模块，以及调用存储在第二存储器1022内的数据，执行移动终端1000的各种功能和处理数据，从而对移动终端1000进行整体监控。可选的，处理器1060可包括一个或多个处理单元。

在本发明实施例中，通过调用存储该第一存储器1021内的软件程序和/或模块和/或该第二存储器1022内的数据，处理器1060用于获取在长曝光拍照模式下拍摄的一原始图像；

根据预设算法计算所述原始图像中多个区域的图像的清晰度值；

需要说明的是，该预定的算法存储于第一存储器1021，该处理器1060可调用第一存储器1021存储的该预定算法。

根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；

对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

可选地，该处理器1060还用于：

将所述原始图像均匀划分为多个区域，所述区域对应的图像为区域的图像，所述区域的图像的大小根据移动终端获取的图像的大小确定；

依次提取划分的所述区域的图像，通过二维离散余弦变换函数计算出划分的每个所述区域的图像的清晰度值。

可选地，该处理器1060还用于：

依次读取所述区域的图像的清晰度值，分别与一清晰度阈值进行比较，所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定；

这里，所述清晰度阈值存储于第二存储器1022内，处理器1060可调用第二存储区1022中存储的清晰度阈值与区域的图像的清晰度值进行比较。

当所述清晰度值大于或等于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为清晰区域的图像；

当所述清晰度值小于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为模糊区域的图像；

确定所述模糊区域的图像的个数，并将所述模糊区域的图像去除，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

可选的，该处理器1060还用于：

根据所述模糊区域的图像的个数，确定所述模糊区域的图像的平均灰度值；

通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像，所述最终图像中每个区域的图像的清晰度值均大于所述清晰度阈值。

可选地，该处理器901还用于调用存储器902中的预定算法，这里具体为一纹理合成算法CriminisiA算法，来修复补全色块区域，即图像受损区域，具体算法处理过程如下：

根据一样本图像区域确定一具有主要纹理特征的纹理图像，所述样本图像区域为所述原始图像减去所述色块区域得到的图像区域；

根据所述纹理图像并通过一离散逼近算法计算所述样本图像区域的纹理的主方向，沿所述纹理的主方向并结合所述平均灰度值通过一纹理合成算法确定一最佳纹理匹配块；

确定所述色块区域中具有最高优先权的待修复块，将所述最佳纹理匹配块填充到所述待修复块中；

更新所述样本图像区域，返回所述根据一样本图像区域确定一具有主要纹理特征的纹理图像的步骤，直到将所述色块区域填充完整得到所述最终图像为止。

可见，本发明实施例提供的移动终端通过上述装置，根据预设算法对原始图像中模糊区域的图像进行去除处理，并对去除后的受损图像进行修复补全，最终得到清晰静态的最终图像，满足了用户对图像的处理需求，增加了拍照的趣味性。

本发明的移动终端如可以是手机、平板电脑、个人数字助理(PersonalDigitalAssistant，PDA)、或车载电脑等等移动终端。移动终端1000能够实现前述实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

获取在长曝光拍照模式下拍摄的一原始图像；

根据预设算法计算所述原始图像中多个区域的图像的清晰度值；

根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；

对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述根据预设算法计算所述原始图像中的多个区域的图像的清晰度值的步骤，包括:

将所述原始图像均匀划分为多个区域，所述区域对应的图像为区域的图像，所述区域的图像的大小根据所述原始图像的大小确定；

依次提取划分的所述区域的图像，通过二维离散余弦变换函数计算出划分的每个所述区域的图像的清晰度值。

3.根据权利要求2所述的图像处理方法，其特征在于，根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除的步骤，包括：

依次读取所述区域的图像的清晰度值，分别与一清晰度阈值进行比较，所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定；

当所述清晰度值大于或等于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为清晰区域的图像；

当所述清晰度值小于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为模糊区域的图像；

确定所述模糊区域的图像的个数，并将所述模糊区域的图像去除，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

4.根据权利要求3所述的图像处理方法，其特征在于，所述对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像的步骤包括：

根据所述模糊区域的图像的个数，确定所述模糊区域的图像的平均灰度值；

通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像，所述最终图像中每个区域的图像的清晰度值均大于所述清晰度阈值。

5.根据权利要求4所述的图像处理方法，其特征在于，所述通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像的步骤，包括：

根据一样本图像区域确定一具有主要纹理特征的纹理图像，所述样本图像区域为所述原始图像减去所述色块区域得到的图像区域；

根据所述纹理图像并通过一离散逼近算法计算所述样本图像区域的纹理的主方向，沿所述纹理的主方向并结合所述平均灰度值通过一纹理合成算法确定一最佳纹理匹配块；

确定所述色块区域中具有最高优先权的待修复块，将所述最佳纹理匹配块填充到所述待修复块中；

更新所述样本图像区域，返回所述根据一样本图像区域确定一具有主要纹理特征的纹理图像的步骤，直到将所述色块区域填充完整得到所述最终图像为止。

6.一种移动终端，其特征在于，包括：

图像获取模块，用于获取在长曝光拍照模式下拍摄的一原始图像；

算法计算模块，用于根据预设算法计算所述原始图像中多个区域的图像的清晰度值；

图像去除模块，用于根据所述多个区域的图像的清晰度值，确定模糊区域的图像，并将所述模糊区域的图像去除；

图像修复模块，用于对去除所述模糊区域的图像后产生的色块区域进行修复补全，得到一最终图像。

7.根据权利要求6所述的移动终端，其特征在于，所述算法计算模块包括：

图像划分子模块，用于将所述原始图像均匀划分为多个区域，所述区域对应的图像为区域的图像，所述区域的图像的大小根据所述原始图像的大小确定；

算法计算子模块，用于依次提取划分的所述区域的图像，通过二维离散余弦变换函数计算出划分的每个所述区域的图像的清晰度值。

8.根据权利要求7所述的移动终端，其特征在于，所述图像去除模块包括：

比较子模块，用于依次读取所述区域的图像的清晰度值，分别与一清晰度阈值进行比较，所述清晰度阈值的取值大小根据长曝光拍照模式下的曝光时间长短确定；

第一确定子模块，用于当所述清晰度值大于或等于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为清晰区域的图像；

第二确定子模块，用于当所述清晰度值小于所述清晰度阈值时，确定所述清晰度值对应的区域的图像为模糊区域的图像；

图像去除子模块，用于确定所述模糊区域的图像的个数，并将所述模糊区域的图像去除，所述模糊区域的图像为清晰度值小于所述清晰度阈值的区域的图像。

9.根据权利要求8所述的移动终端，其特征在于，所述图像修复模块包括：

灰度确定子模块，用于根据所述模糊区域的图像的个数，确定所述模糊区域的图像的平均灰度值；

图像修复子模块，用于通过一纹理合成算法并结合所述平均灰度值对所述色块区域进行修复补全，得到一最终图像，所述最终图像中每个区域的图像的清晰度值均大于所述清晰度阈值。

10.根据权利要求9所述的移动终端，其特征在于，所述图像修复子模块包括：

纹理确定单元，用于根据一样本图像区域确定一具有主要纹理特征的纹理图像，所述样本图像区域为所述原始图像减去所述色块区域得到的图像区域；

匹配确定单元，用于根据所述纹理图像并通过一离散逼近算法计算所述样本图像区域的纹理的主方向，沿所述纹理的主方向并结合所述平均灰度值通过一纹理合成算法确定一最佳纹理匹配块；

填充修复单元，用于确定所述色块区域中具有最高优先权的待修复块，将所述最佳纹理匹配块填充到所述待修复块中；

修复完成单元，用于更新所述样本图像区域，返回所述根据一样本图像区域确定一具有主要纹理特征的纹理图像的步骤，直到将所述色块区域填充完整得到所述最终图像为止。