CN105590294A - 一种图像处理方法和电子设备 - Google Patents

Abstract

本申请提供了一种图像处理方法，包括：接收待处理的图片和该图片的深度图；依据预设的第一滤波器和该图片对深度图进行降噪处理；进一步的，依据预设的公式和降噪处理深度图、预设的聚焦像素位置信息，计算该图片中每一像素的模糊值；依据每一像素的模糊值以及预设的模糊处理算法，对该图片进行模糊处理，得到景深效果的图片。该过程中，首先对图片进行降噪处理，以减小深度图中的噪声影响，然后对图片中的每个像素的模糊值进行计算，保证了图像中深度值连续变化的区域经过深度处理后得到图片连续变化，而不会出现断层的现象，处理结果较好。

Description

一种图像处理方法和电子设备

技术领域

本发明涉及电子设备领域，更具体的说，是涉及一种图像处理方法和电子设备。

背景技术

随着电子技术的发展，拍照功能在电子设备中得到广泛的应用。

为了突出被拍摄的对象，对图片进行景深效果处理，以使得最终得到的图片中该被拍摄对象图像为清晰的，其他部分模糊。

现有技术中，一般采用分层处理的方法对图片进行景深效果处理，具体过程为：根据选定的聚焦点(x,y)和深度图d，计算待处理图片中每一个像素点的模糊程度，然后，按照模糊程度将该图片分层，分别对每一层进行统一的模糊处理。

但是，图片中具有深度值连续变化的图像，由于分层处理的原因，会导致最终处理的结果有断层的效果，影响最后得到的图片的视觉效果。

发明内容

有鉴于此，本发明提供了一种图像处理方法，解决了现有技术中由于采用分层处理的方法，导致最终处理的结果有断层效果的问题。

为实现上述目的，本发明提供如下技术方案：

一种图像处理方法，所述方法应用于电子设备，所述方法包括：

接收图片和所述图片的深度图；

依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

上述的方法，优选的，依据预设的第一滤波器和所述图片对所述深度图进行降噪处理之后，所述计算所述图片中每一像素的模糊值之前，还包括：

采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理。

上述的方法，优选的，所述预设的第一滤波器为联合平滑滤波器时，依据预设的第一滤波器和所述图片对所述深度图进行降噪处理包括：

依据所述深度图确定所述深度图中每一个像素的深度信息；

依据所述像素的深度信息确定所述像素的蒙版值；

依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图；

其中，所述深度处理公式为：

其中，所述d表示处理后的深度图，所述F_I0表示对蒙版值为1的深度图区域应用的滤波器，所述F_I表示对定义的蒙版M应用的滤波器。

上述的方法，优选的，所述依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值包括：

依据预设的公式c(x',y')＝A·|d₂(x',y')-d₂(x,y)|，计算所述图片中的每一像素的模糊值；

其中，d₂表示优化处理后的深度图，(x,y)表示聚焦点位置信息、c(x',y')为(x',y')点的模糊值；A表示电子设备的光圈值，取值为大于0的实数。

上述的方法，优选的，所述依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理包括：

依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。

上述的方法，优选的，依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理包括：

依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；

依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；

将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。

一种电子设备，包括：

接收模块，用于接收图片和所述图片的深度图；

降噪模块，用于依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

计算模块，用于依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

处理模块，用于依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

上述的电子设备，优选的，还包括：

优化模块，用于采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理。

上述的电子设备，优选的，所述预设的第一滤波器为联合平滑滤波器时，降噪模块包括：

深度单元，用于依据所述深度图确定所述深度图中每一个像素的深度信息；

蒙版单元，用于依据所述像素的深度信息确定所述像素的蒙版值；

降噪单元，用于依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图；

其中，所述深度处理公式为：

其中，所述d表示处理后的深度图，所述F_I0表示对蒙版值为1的深度图区域应用的滤波器，所述F_I表示对定义的蒙版M应用的滤波器。

上述的电子设备，优选的，所述计算模块具体用于：依据预设的公式c(x',y')＝A·|d₂(x',y')-d₂(x,y)|，计算所述图片中的每一像素的模糊值；

其中，d₂表示优化处理后的深度图，(x,y)表示聚焦点位置信息、c(x',y')为(x',y')点的模糊值；A表示电子设备的光圈值，取值为大于0的实数。

上述的电子设备，优选的，所述处理模块包括：

计算单元，用于依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

处理单元，用于依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。

上述的电子设备，优选的，所述处理单元具体用于：

依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；

依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；

将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。

经由上述的技术方案可知，与现有技术相比，本发明提供了一种图像处理方法，包括：接收待处理的图片和该图片的深度图；依据预设的第一滤波器和该图片对深度图进行降噪处理；进一步的，依据预设的公式和降噪处理深度图、预设的聚焦像素位置信息，计算该图片中每一像素的模糊值；依据每一像素的模糊值以及预设的模糊处理算法，对该图片进行模糊处理，得到景深效果的图片。该过程中，首先对图片进行降噪处理，以减小深度图中的噪声影响，然后对图片中的每个像素的模糊值进行计算，保证了图像中深度值连续变化的区域经过深度处理后得到图片连续变化，而不会出现断层的现象，处理结果较好。

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，还可以根据提供的附图获得其他的附图。

图1为本申请提供的一种图像处理方法实施例1的流程图；

图2为本申请提供的一种图像处理方法实施例2的流程图；

图3为本申请提供的一种图像处理方法实施例3的流程图；

图4为本申请提供的一种图像处理方法实施例4的流程图；

图5为本申请提供的一种图像处理方法实施例5的流程图；

图6为本申请提供的一种电子设备实施例1的结构示意图；

图7为本申请提供的一种电子设备实施例2的结构示意图；

图8为本申请提供的一种电子设备实施例3的结构示意图；

图9为本申请提供的一种电子设备实施例4的结构示意图。

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做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。

本申请中涉及的一种图像处理方法应用于电子设备，该电子设备具有图像处理功能，具体可以是台式机、笔记本、平板电脑、手机、智能电视、智能手表、穿戴式设备等电子设备。

参考图1，为本申请提供的一种图像处理方法实施例1的流程图，该方法可以通过以下步骤实现：

步骤S101：接收图片和所述图片的深度图；

其中，该接收到的图片为电子设备的图像采集单元实时采集的图像，该图片的深度图为电子设备针对该实时采集的图片处理得到的深度图。

需要说明的是，本申请中对图片进行处理得到深度图的过程不做限制，只要保证接收到的图片和深度图对应即可。

步骤S102：依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

其中，该第一滤波器为具有降噪处理功能的滤波器。

具体的，该第一滤波器可以采用联合平滑滤波器实现对深度图的降噪处理。

需要说明的是，由于该滤波器存在平滑的功能，能够去除小尺度的细节，达到降噪效果。

另外，由于联合平滑滤波器的填补功能，能够根据图像中的颜色信息，对于原来深度图不存在的地方，将附近相似区域的深度信息填补过来，实现了增补深度信息不存在的区域。

步骤S103：依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

其中，电子设备中预设计算像素模糊值的计算公式。

具体的，结合该预设的公式、该图片的深度图以及预设的聚焦像素位置的信息，分别计算该图片中每一个像素的模糊值。

其中，后续实施例中会对计算每一个像素的模糊值的计算过程进行详细解释，本实施例中不做详述。

步骤S104：依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

其中，步骤S104中计算得到了每一个像素的模糊值，依据每一个像素的模糊值，以及该预设的模糊处理算法，对该图片进行模糊处理，将除聚焦像素位置部分外的图片内容进行模糊处理，得到景深效果的图片。

需要说明的是，步骤S104中是针对图片中大量的像素进行统一的模糊处理，并非针对每一个像素进行单独处理，提高处理速度。

并且，现有技术中由于该处理方法需要计算每个像素的模糊程度，当有的像素存在噪声或者信息不全时，无法计算其模糊程度，导致该像素无法进行后续的模糊处理，所以本申请中针对图片中大量像素进行模糊处理，即使有像素存在噪声或者信息不全时，能够将附近相似区域的深度信息填补过来，实现了增补深度信息不存在的区域。

需要说明的是，本实施例提供的图像处理方法中，不需要对图像进行分层，不会带来断层的效果，图像过渡平滑，模糊效果较好。

综上，本实施例提供的一种图像处理方法，包括：接收待处理的图片和该图片的深度图；依据预设的第一滤波器和该图片对深度图进行降噪处理；进一步的，依据预设的公式和降噪处理深度图、预设的聚焦像素位置信息，计算该图片中每一像素的模糊值；依据每一像素的模糊值以及预设的模糊处理算法，对该图片进行模糊处理，得到景深效果的图片。该过程中，首先对图片进行降噪处理，以减小深度图中的噪声影响，然后对图片中的每个像素的模糊值进行计算，保证了图像中深度值连续变化的区域经过深度处理后得到图片连续变化，而不会出现断层的现象，处理结果较好。

参考图2，为本申请提供的一种图像处理方法实施例2的流程图，该方法可以通过以下步骤实现：

步骤S201：接收图片和所述图片的深度图；

步骤S202：依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

其中，步骤S201-202与实施例1中的步骤S101-102一致，本实施例不再赘述。

步骤S203：采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理；

需要说明的是，当该深度图中边界深度信息不准确时，根据该深度图模糊图片容易出现图片边界模糊不准确，使得视觉效果不和谐，为此对深度图进行优化处理，以使其边界信息准确。

具体的，本实施例中采用高斯滤波算法对该完成降噪处理的深度图进行优化处理。

具体实施中，根据待优化的图片大小选择滤波器的格式，较小的图片可以采用3×3的滤波器，较大的图片可以适当选择较大的滤波器，如5×5的滤波器。

其中，该较小的图片具体包括：VGA(VideoGraphicsArray，视频图像阵列)及以下的分辨率的图片。

具体的，该VGA一般指640×480的分辨率。

需要说明的是，该高斯滤波算法具体可以体现为高斯滤波器，具体实施中，可以根据该高斯滤波器对深度图进行优化处理，高斯滤波器的参数可根据实际情况进行设置，本实施例不做限制。

步骤S204：依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

步骤S205：依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片

其中，步骤S204-205与实施例1中的步骤S103-104一致，本实施例不再赘述。

需要说明的是，当该深度图的精度较高，能够边界信息完全准确则无需执行步骤S203，进行针对边界的优化，减小电子设备的数据处理量。

综上，本实施例提供的一种图像处理方法中，依据预设的第一滤波器和所述图片对所述深度图进行降噪处理之后，还包括：采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理，然后执行计算所述图片中每一像素的模糊值步骤。采用该方法，能够对深度图中边界深度信息不准确的情况进行优化，保证根据该优化后的深度图模糊图片得到的图标边界准确，视觉效果和谐。

其中，该第一滤波器可采用联合平滑滤波器。

参考图3，为本申请提供的一种图像处理方法实施例3的流程图，该方法可以通过以下步骤实现：

步骤S301：接收图片和所述图片的深度图；

其中，步骤S301与实施例1中的步骤S101一致，本实施例不再赘述。

步骤S302：依据所述深度图确定所述深度图中每一个像素的深度信息；

其中，该深度图由若干像素组成，一般来讲，每个像素具有与其对应的深度信息。

例如，某一像素的深度为1m，另一像素的深度信息为0.9m等，本实施例中不对像素的具体深度值进行限制。

当然，具体实施中，每个像素的深度信息不一定完全相同。

需要说明的是，具体实施中，由于各种因素，可能会导致某些像素不存在深度信息，这些像素则无法只根据其对应的深度图对应位置确定其深度。

步骤S303：依据所述像素的深度信息确定所述像素的蒙版值；

其中，后续步骤S304中对深度图进行降噪处理的过程中，针对每个像素处理该深度图，该处理过程中依据的因素包括每个像素的蒙版值。

具体的，当该像素存在深度信息时，其蒙版值为1；否则为0。

步骤S304：依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图；

其中，所述深度处理公式为：

其中，所述d表示处理后的深度图，所述F_I0表示对蒙版值为1的深度图区域应用的滤波器，所述F_I表示对定义的蒙版M应用的滤波器。

例如，对图片I进行模糊处理，该图片I的深度图为d。根据图片I中的RGB(Red-Green-Blue，红绿蓝颜色表示法)颜色，应用联合平滑滤波器对深度图d进行降噪处理。

其中，该清晰图片为I，深度图为d，基于图片I的联合滤波器为F_I，定义蒙版M，该蒙版是与d同样大小的一张图，当d中的某一像素点存在深度信息，则该相应点在M中的值为1，该处理的过程如下公式：

处理后的深度图d_I

＝对蒙版值为1的深度图区域应用滤波器F_I/对蒙版M应用滤波器F_I

$=\frac{F_I(d\·M)}{F_I\left(M\right)}---\left(1\right)$

其中，该联合平滑滤波器采用联合滤波方式，能够对图像进行降噪处理，同时，填补深度信息不存在的区域。

例如，输入大小完全相同的两张图片I和G，其中，I为需要进行滤波的图片，G为一张引导(guidance)图，依据该引导图G联合为待滤波图片I进行滤波，滤波的结果使得I整体变得更加平滑，而G中存在边缘的地方仍然保持清晰的边缘。

需要说明的是，采用该联合平滑滤波器进行降噪处理的同时，还能够根据图像中的颜色信息，对于原来深度图不存在的地方，将附近相似区域的深度信息填补过来，实现了增补深度信息不存在的区域，保证处理效果过渡稳定。

步骤S305：依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

其中，预设有计算图片中像素模糊值的公式，该公式可以表示深度图、聚焦像素位置信息以及图片中像素模糊值之间的关系。

具体的，本步骤可以包括：依据预设的公式c(x',y')＝A·|d₂(x',y')-d₂(x,y)|，计算所述图片中的每一像素的模糊值。

其中，d₂表示优化处理后的深度图，(x,y)表示聚焦点位置信息、c(x',y')为(x',y')点的模糊值；A表示电子设备的光圈值，取值为大于0的实数。

其中，联合平滑滤波器的参数决定于A的大小，该A的数值表示了模拟的镜头光圈的目标大小。

具体的，当A越大，图片清晰的区域越小，并且模糊程度越大，当A趋于无限大时，全图模糊；当A越小，图片清晰的区域越大，并且模糊程度越小，当A趋于0的时候，全图清晰，与原图相同。

需要说明的是，由于每个像素的位置不同，依次取每个像素的位置坐标(x',y')，该公式中其余参数不变，进行与其对应的模糊值计算，同理，计算图片中每一像素的模糊值。

步骤S306：依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

其中，步骤S306与实施例1中的步骤S104一致，本实施例不再赘述。

综上，本实施例提供的一种图像处理方法中，当该预设的第一滤波器为联合平滑滤波器时，则依据预设的第一滤波器和所述图片对所述深度图进行降噪处理包括：依据所述深度图确定所述深度图中每一个像素的深度信息；依据所述像素的深度信息确定所述像素的蒙版值；依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图。采用该方法，通过预设的深度处理公式对深度图进行降噪处理，减小深度图中的噪声影响，而且采用该联合平滑滤波器进行降噪处理的同时，还能够根据图像中的颜色信息，对于原来深度图不存在的地方，将附近相似区域的深度信息填补过来，实现了增补深度信息不存在的区域，保证处理效果过渡稳定。

参考图4，为本申请提供的一种图像处理方法实施例4的流程图，该方法可以通过以下步骤实现：

步骤S401：接收图片和所述图片的深度图；

步骤S402：依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

步骤S403：依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

其中，步骤S401-403与实施例1中的步骤S101-103一致，本实施例不再赘述。

步骤S404：依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

其中，步骤S403中计算得到图片中每个像素的模糊值，根据预设的模糊值计算公式，计算得到每一个像素的递归高斯滤波参数值。

具体的，计算得到每一个像素的递归高斯滤波参数值的过程包括：依据预设的递归高斯滤波参数值计算公式和任一像素的模糊值，计算所述像素的递归高斯滤波参数值；依次计算所述图片中的每一像素的递归高斯滤波参数值。

具体的，递归高斯滤波参数值a₀,a₁,a₂,a₃,b₁,b₂的计算方法如下

$a_0={(1-e^{-\frac{1.695}{{\mathrm{\δ}}_S}})}^2/(1+3.39e^{-\frac{1.695}{{\mathrm{\δ}}_S}}/{\mathrm{\δ}}^s-e^{-\frac{3.39}{{\mathrm{\δ}}_S}})---\left(2\right)$

$a_1=(1.695/{\mathrm{\δ}}_S-1)e^{-\frac{1.695}{{\mathrm{\δ}}_S}}{a}_0---\left(3\right)$

$b_1=-2e^{-\frac{1.695}{{\mathrm{\δ}}_S}}---\left(4\right)$

$b_2=e^{-\frac{3.39}{{\mathrm{\δ}}_S}}---\left(5\right)$

$a_2=(1.695/{\mathrm{\δ}}_S+1)e^{-\frac{1.695}{{\mathrm{\δ}}_S}}{a}_0---\left(6\right)$

a₃＝-a₀b₂(7)

其中，令σ_S＝c，化简并计算得到各个递归高斯滤波参数值。

其中，σ_S为高斯滤波器的参数，该参数越大产生的模糊效果越大。c为步骤S403中计算得到每个像素的模糊值，则该c也为该计算该像素对应递归高斯滤波参数值所需的高斯参数。

相应的，依次采用每个像素的模糊值，计算其对应的递归高斯滤波参数值。

步骤S405：依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。

其中，步骤S404计算得到每个像素的递归高斯滤波参数值之后，结合递归高斯滤波公式，对图片进行整体的模糊处理，以使得得到景深效果的图片。

具体的，根据每个像素的递归高斯滤波参数值对图片进行模糊处理的过程后续实施例中会做详细解释，本实施例中不做详述。

综上，本实施例提供的一种图像处理方法中，该依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理具体包括：依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。采用该方法，通过递归高斯滤波公式，对图片进行模糊处理，保证了图像中深度值连续变化的区域经过深度处理后得到图片连续变化，而不会出现断层的现象，处理结果较好。

参考图5，为本申请提供的一种图像处理方法实施例5的流程图，该方法可以通过以下步骤实现：

步骤S501：接收图片和所述图片的深度图；

步骤S502：依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

步骤S503：依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

步骤S504：依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

步骤S505：依据预设的递归高斯滤波参数值计算公式和任一像素的模糊值，计算所述像素的递归高斯滤波参数值；

步骤S506：依次计算所述图片中的每一像素的递归高斯滤波参数值；

其中，步骤S501-503与实施例4中的步骤S401-406一致，本实施例不再赘述。

步骤S507：依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；

其中，本实施例中采用的递归高斯滤波方式为横向滤波和纵向滤波两个步骤，步骤S507为横向滤波，步骤S508为纵向滤波。

具体的，该横向滤波由两部分构成，包括：左行滤波和右行滤波。

其中，左行滤波中，只涉及某一个像素以及其左边两个相邻的像素；右行滤波，只涉及某一个像素以及其右边两个相邻的像素。

具体的，左行滤波采用如下公式进行：

$H_1(x^{\′},y^{\′})=\left(a_0(x^{\′},y^{\′})a_1(x^{\′},y^{\′})b_1(x^{\′},y^{\′})b_2(x^{\′},y^{\′})\right)\·\left(\begin{array}{c}I(x^{\′},y^{\′})\\ I(x^{\′}-1,y^{\′})\\ -H_1(x^{\′}-1,y^{\′})\\ -H_1(x^{\′}-2,y^{\′})\end{array}\right)---\left(8\right)$

其中，H₁(x',y')为对像素(x',y')的左行滤波的结果，a₀(x',y')、a₁(x',y')、b₁(x',y')和b₂(x',y')是像素(x',y')的递归高斯滤波参数，I(x',y')为在图片中的该像素对应参数，I(x'-1,y')为在图片中的该像素左侧相邻像素的对应参数，H₁(x'-1,y')为该像素左侧相邻像素的左行滤波结果，H₁(x'-2,y')为该像素左侧第二相邻像素的左行滤波结果。

具体的，右行滤波采用如下公式进行：

$H_2(x^{\′},y^{\′})=\left(a_0(x^{\′},y^{\′})a_1(x^{\′},y^{\′})b_1(x^{\′},y^{\′})b_2(x^{\′},y^{\′})\right)\·\left(\begin{array}{c}I(x^{\′}+1,y^{\′})\\ I(x^{\′}+2,y^{\′})\\ -H_2(x^{\′}+1,y^{\′})\\ -H_2(x^{\′}+2,y^{\′})\end{array}\right)---\left(9\right)$

其中，H₂(x',y')为对像素(x',y')的右行滤波的结果，a₀(x',y')、a₁(x',y')、b₁(x',y')和b₂(x',y')是像素(x',y')的递归高斯滤波参数，I(x'+1,y')为在图片中的该像素右侧相邻像素的对应参数，I(x'+2,y')为在图片中的该像素右侧第二相邻像素的对应参数，H₁(x'+1,y')为该像素右侧相邻像素的右行滤波结果，H₁(x'+2,y')为该像素右侧第二相邻像素的右行滤波结果。

然后，根据公式(8)和(9)的计算结果相加，计算得到横向滤波结果，如下公式：

H＝H₁+H₂(10)

根据公式(8)、(9)和(10)计算得到图片I的横向滤波结果。

需要说明的是，本实施例中先执行左行滤波，然后执行右行滤波，但是实际实施中，该左行滤波和右行滤波的顺序不限定于此，二者可采用任意的先后顺序也可同时进行计算，本实施例中不做限制。

步骤S508：依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；

具体的，该纵向滤波由两部分构成，包括：上向滤波和下向滤波。

其中，上向滤波中，只涉及某一个像素以及其下边两个相邻的像素；下向滤波，只涉及某一个像素以及其上边两个相邻的像素。

需要说明的是，图像坐标轴的纵轴y轴是从上到下的，即图像从上向下来看，第一行的纵坐标最小，最后一行的纵坐标最大。

具体的，下向滤波采用如下公式进行：

$V_1(x^{\′},y^{\′})=\left(a_0(x^{\′},y^{\′})a_1(x^{\′},y^{\′})b_1(x^{\′},y^{\′})b_2(x^{\′},y^{\′})\right)\·\left(\begin{array}{c}H(x^{\′},y^{\′})\\ H(x^{\′},y^{\′}-1)\\ -V_1(x^{\′},y^{\′}-1)\\ -V_1(x^{\′},y^{\′}-2)\end{array}\right)---\left(11\right)$

其中，V₁(x',y')为对像素(x',y')的下向滤波的结果，a₀(x',y')、a₁(x',y')、b₁(x',y')和b₂(x',y')是像素(x',y')的递归高斯滤波参数，H(x',y')为图像中该像素的横向滤波结果，H(x',y'-1)为该像素上侧相邻像素的横向滤波结果，V₁(x',y'-1)为该像素上侧相邻像素的上向滤波结果，V₁(x',y'-2)为该像素上侧第二相邻像素的下向滤波结果。

具体的，上向滤波采用如下公式进行：

$V_2(x^{\′},y^{\′})=\left(a_0(x^{\′},y^{\′})a_1(x^{\′},y^{\′})b_1(x^{\′},y^{\′})b_2(x^{\′},y^{\′})\right)\·\left(\begin{array}{c}H(x^{\′},y^{\′}+1)\\ H(x^{\′},y^{\′}+2)\\ -V_2(x^{\′},y^{\′}+1)\\ -V_2(x^{\′},y^{\′}+2)\end{array}\right)---\left(12\right)$

其中，V₂(x',y')为对像素(x',y')的上向滤波的结果，a₀(x',y')、a₁(x',y')、b₁(x',y')和b₂(x',y')是像素(x',y')的递归高斯滤波参数，H(x',y'+1)为该像素下侧相邻像素的横向滤波结果，H(x',y'+2)为该像素下侧第二相邻像素的横向滤波结果，V₂(x',y'+1)为该像素下侧相邻像素的上向滤波结果，V₂(x',y'+2)为该像素下侧第二相邻像素的上向滤波结果。然后，根据公式(11)和(12)的计算结果相加，计算得到纵向滤波结果，如下公式：

V＝V₁+V₂(13)

根据公式(11)、(12)和(13)计算得到图片I的纵向滤波结果。

需要说明的是，本实施例中先执行下向滤波，然后执行上向滤波，但是实际实施中，该上向滤波和下向滤波的顺序不限定于此，二者可采用任意的先后顺序也可同时进行计算，本实施例中不做限制。

步骤S509：将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。

其中，经过步骤S507-508对图片中所有的像素经过横向高斯滤波和纵向高斯滤波之后，即完成了对图像的整体模糊处理，将该纵向高斯滤波结果记为模糊处理结果。

需要说明的时，对图片进行完成高斯滤波处理后，即可得到景深效果的图片。

综上，本实施例提供的一种图像处理方法中，依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理具体包括：依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。采用递归高斯滤波算法对图片进行横向滤波和纵向滤波后，完成模糊处理，得到景深效果，采用该方法针对图像中相邻像素进行滤波处理，不需要对图像进行分层，不会带来断层的效果，图像过渡平滑，模糊效果较好。

与上述本申请提供的一种图像处理方法实施例相应的，本申请还提供了一种与该图像处理方法相应的电子设备，下面给出具体的实施例进行详细说明。

如图6，示出了本申请提供的一种电子设备实施例1的结构示意图，该电子设备具有图像处理功能，具体可以是台式机、笔记本、平板电脑、手机、智能电视、智能手表、穿戴式设备等电子设备。

该电子设备可包括以下结构：接收模块601、降噪模块602、计算模块603和处理模块604；

其中，接收模块601，用于接收图片和所述图片的深度图；

其中，降噪模块602，用于依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

其中，计算模块603，用于依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

其中，处理模块604，用于依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

综上，本实施例中提供的一种电子设备中，接收待处理的图片和该图片的深度图；依据预设的第一滤波器和该图片对深度图进行降噪处理；进一步的，依据预设的公式和降噪处理深度图、预设的聚焦像素位置信息，计算该图片中每一像素的模糊值；依据每一像素的模糊值以及预设的模糊处理算法，对该图片进行模糊处理，得到景深效果的图片。该过程中，首先对图片进行降噪处理，以减小深度图中的噪声影响，然后对图片中的每个像素的模糊值进行计算，保证了图像中深度值连续变化的区域经过深度处理后得到图片连续变化，而不会出现断层的现象，处理结果较好。

如图7，示出了本申请提供的一种电子设备实施例2的结构示意图，该电子设备可包括以下结构：接收模块701、降噪模块702、优化模块703、计算模块704和处理模块705；

其中，接收模块701、降噪模块702、计算模块704和处理模块705的结构和功能与实施例1中相应结构一致，本实施例不做赘述。

其中，优化模块703，用于采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理。

综上，本实施例提供的一种电子设备中，还包括：优化模块采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理，然后执行计算所述图片中每一像素的模糊值步骤。采用该电子设备，能够对深度图中边界深度信息不准确的情况进行优化，保证根据该优化后的深度图模糊图片得到的图标边界准确，视觉效果和谐。

其中，该第一滤波器可采用联合平滑滤波器。

如图8，示出了本申请提供的一种电子设备实施例3的结构示意图，该电子设备可包括以下结构：接收模块801、降噪模块802、优化模块803、计算模块804和处理模块805；

其中，降噪模块802包括：深度单元806、蒙版单元807和降噪单元808。

其中，接收模块801、优化模块803和处理模块805的结构和功能与实施例2中相应结构一致，本实施例不做赘述。

其中，深度单元806，用于依据所述深度图确定所述深度图中每一个像素的深度信息；

其中，蒙版单元807，用于依据所述像素的深度信息确定所述像素的蒙版值；

其中，降噪单元808，用于依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图；

其中，所述深度处理公式为

其中，所述d表示处理后的深度图，所述F_I0表示对蒙版值为1的深度图区域应用的滤波器，所述F_I表示对定义的蒙版M应用的滤波器。

其中，所述计算模块804具体用于：依据预设的公式c(x',y')＝A·|d₂(x',y')-d₂(x,y)|，计算所述图片中的每一像素的模糊值；

其中，d₂表示优化处理后的深度图，(x,y)表示聚焦点位置信息、c(x',y')为(x',y')点的模糊值；A表示电子设备的光圈值，取值为大于0的实数。

综上，本实施例提供的一种电子设备中，当该预设的第一滤波器为联合平滑滤波器时，依据所述深度图确定所述深度图中每一个像素的深度信息；依据所述像素的深度信息确定所述像素的蒙版值；依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图。采用该电子设备，通过预设的深度处理公式对深度图进行降噪处理，减小深度图中的噪声影响，而且采用该联合平滑滤波器进行降噪处理的同时，还能够根据图像中的颜色信息，对于原来深度图不存在的地方，将附近相似区域的深度信息填补过来，实现了增补深度信息不存在的区域，保证处理效果过渡稳定。

如图9，示出了本申请提供的一种电子设备实施例4的结构示意图，该电子设备可包括以下结构：接收模块901、降噪模块902、优化模块903、计算模块904和处理模块905；

其中，处理模块905包括：计算单元906和处理单元907。

其中，接收模块901、降噪模块902、优化模块903、计算模块904的结构和功能与实施例2中相应结构一致，本实施例不做赘述。

其中，计算单元906，用于依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

其中，处理单元907，用于依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。

其中，所述处理单元907具体用于：依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。

综上，本实施例提供的一种电子设备中，该处理模块具体包括：计算单元，依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；其中，处理单元，依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。采用该电子设备，通过递归高斯滤波公式，对图片进行模糊处理，保证了图像中深度值连续变化的区域经过深度处理后得到图片连续变化，而不会出现断层的现象，处理结果较好。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的装置而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所提供的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所提供的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种图像处理方法，其特征在于，所述方法应用于电子设备，所述方法包括：

接收图片和所述图片的深度图；

依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

2.根据权利要求1所述的方法，其特征在于，依据预设的第一滤波器和所述图片对所述深度图进行降噪处理之后，所述计算所述图片中每一像素的模糊值之前，还包括：

采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理。

3.根据权利要求1所述的方法，其特征在于，所述预设的第一滤波器为联合平滑滤波器时，依据预设的第一滤波器和所述图片对所述深度图进行降噪处理包括：

依据所述深度图确定所述深度图中每一个像素的深度信息；

依据所述像素的深度信息确定所述像素的蒙版值；

依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图；

其中，所述深度处理公式为：

其中，所述d表示处理后的深度图，所述F_I0表示对蒙版值为1的深度图区域应用的滤波器，所述F_I表示对定义的蒙版M应用的滤波器。

4.根据权利要求3所述的方法，其特征在于，所述依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值包括：

依据预设的公式c(x',y')＝A·|d₂(x',y')-d₂(x,y)|，计算所述图片中的每一像素的模糊值；

其中，d₂表示优化处理后的深度图，(x,y)表示聚焦点位置信息、c(x',y')为(x',y')点的模糊值；A表示电子设备的光圈值，取值为大于0的实数。

5.根据权利要求1所述的方法，其特征在于，所述依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理包括：

依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。

6.根据权利要求5所述的方法，其特征在于，依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理包括：

依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；

依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；

将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。

7.一种电子设备，其特征在于，包括：

接收模块，用于接收图片和所述图片的深度图；

降噪模块，用于依据预设的第一滤波器和所述图片对所述深度图进行降噪处理；

计算模块，用于依据预设的公式和所述深度图、预设的聚焦像素位置信息，计算所述图片中每一像素的模糊值；

处理模块，用于依据每一像素的模糊值以及预设的模糊处理算法，对所述图片进行模糊处理，得到景深效果的图片。

8.根据权利要求7所述的电子设备，其特征在于，还包括：

优化模块，用于采用预设格式的高斯滤波算法对所述降噪处理的深度图进行优化处理。

9.根据权利要求7所述的电子设备，其特征在于，所述预设的第一滤波器为联合平滑滤波器时，降噪模块包括：

深度单元，用于依据所述深度图确定所述深度图中每一个像素的深度信息；

蒙版单元，用于依据所述像素的深度信息确定所述像素的蒙版值；

降噪单元，用于依据所述蒙版值、所述联合平滑滤波器和预设的深度处理公式，对所述深度图进行处理得到降噪处理的深度图；

其中，所述深度处理公式为：

其中，所述d表示处理后的深度图，所述F_I0表示对蒙版值为1的深度图区域应用的滤波器，所述F_I表示对定义的蒙版M应用的滤波器。

10.根据权利要求9所述的电子设备，其特征在于，所述计算模块具体用于：依据预设的公式c(x',y')＝A·|d₂(x',y')-d₂(x,y)|，计算所述图片中的每一像素的模糊值；

其中，d₂表示优化处理后的深度图，(x,y)表示聚焦点位置信息、c(x',y')为(x',y')点的模糊值；A表示电子设备的光圈值，取值为大于0的实数。

11.根据权利要求7所述的电子设备，其特征在于，所述处理模块包括：

计算单元，用于依据所述模糊值计算所述图片中每一个像素的递归高斯滤波参数值；

处理单元，用于依据计算得到的递归高斯滤波参数值结合预设的递归高斯滤波公式，对所述图片进行模糊处理，得到景深效果的图片。

12.根据权利要求11所述的电子设备，其特征在于，所述处理单元具体用于：

依据预设的第一递归高斯滤波公式，结合所述图片中的任一像素的递归高斯滤波参数及所述像素的位置信息，对所述像素横向滤波，得到所述像素的横向高斯滤波结果；

依据预设的第二递归高斯滤波公式和像素的横向高斯滤波结果，结合所述像素的递归高斯滤波参数及所述像素的位置信息，对所述像素纵向滤波，得到纵向高斯滤波结果；

将所述纵向高斯滤波结果记为模糊处理结果，得到景深效果的图片。