CN105979151A - 一种图像处理方法及终端 - Google Patents

Abstract

本发明实施例提供了一种图像处理方法，所述方法包括：获取图像的多个通道图像；将所述多个通道图像中每一通道图像分别进行多尺度变换；对所述多尺度变换后的每一通道图像进行符号变换；对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；将所述多个通道图像分别对应的中间图像进行合成，得到目标图像；确定所述目标图像中的聚焦区域。本发明实施例还提供了一种终端。通过本发明实施例可以提高确定聚焦区域的精度。

Description

一种图像处理方法及终端

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像处理方法及终端。

背景技术

随着信息技术的快速发展，终端(如手机、平板电脑等等)的使用越来越普及，终端中集成的功能也越来越多，例如，导航，购物，音乐，拍照等等。在现有的拍摄应用中，摄像头在拍摄过程中，都会通过目标提取的方式来选择一个聚焦区域，并依据该聚焦区域进行拍摄，得到图像，该方式无法较为准确地确定焦距区域。

发明内容

本发明实施例提供了一种图像处理方法及终端，可以提高确定聚焦区域的精度。

本发明实施例第一方面提供了一种图像处理方法，包括：

获取图像的多个通道图像；

将所述多个通道图像中每一通道图像分别进行多尺度变换；

对所述多尺度变换后的每一通道图像进行符号变换；

对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；

将所述多个通道图像分别对应的中间图像进行合成，得到目标图像；

确定所述目标图像中的聚焦区域。

本发明实施例第二方面提供了一种终端，包括：

第一获取单元，用于获取图像的多个通道图像；

第一变换单元，用于将所述第一获取单元获取的所述多个通道图像中每一通道图像分别进行多尺度变换；

第二变换单元，用于对所述第一变换单元多尺度变换后的每一通道图像进行符号变换；

反变换单元，用于对所述第二变换单元符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；

第一合成单元，用于将所述反变换单元反变换后的所述多个通道图像分别对应的中间图像进行合成，得到目标图像；

确定单元，用于确定所述第一合成单元合成的所述目标图像中的聚焦区域。

实施本发明实施例，具有如下有益效果：

可以看出，通过本发明实施例获取图像的多个通道图像，将多个通道图像中每一通道图像分别进行多尺度变换，对多尺度变换后的每一通道图像进行符号变换，对符号变换后的每一通道图像进行与多尺度变换对应的反变换，得到中间图像，将多个通道图像分别对应的中间图像进行合成，得到目标图像，确定目标图像中的聚焦区域。从而，可利用多个通道图像的进行多尺度变换，并对多尺度变换后的每一通道图像进行符号变换，从而，加大了聚焦区域与其他区域之间的能量差距，最后，对符号变换后的高频分量和低频分量进行多尺度变换，并对多尺度变换后的中间图像合成为目标图像，此时，可更为方便地可将聚焦区域与其他区域区分开来，因此，可以提高聚焦区域的确定精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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图像处理方法的第一实施例流程示意图；

图2是本发明实施例提供的一种图像处理方法的第二实施例流程示意图；

图3是本发明实施例提供的一种拍照方法的实施例流程示意图；

图4a是本发明实施例提供的一种终端的第一实施例结构示意图；

图4b是本发明实施例提供的图4a中所描述的终端的第一获取单元的结构示意图；

图4c是本发明实施例提供的图4a中所描述的终端的第一获取单元的结构示意图；

图4d是本发明实施例提供的图4a中所描述的终端的第一合成单元的结构示意图；

图5是本发明实施例提供的一种终端的第二实施例结构示意图。

具体实施方式

本发明实施例提供了一种图像处理方法及终端，可以提高确定聚焦区域的精度。

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。

本发明实施例所描述的终端可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备等，上述终端仅是举例，而非穷举，包含但不限于上述终端。

本发明实施中，测光区域可用于反映被拍摄物体反射回来的光亮度，因此，测光区域也可以称之为反光区域。通常情况下，我们利用摄像头对着场景进行拍摄时，由于场景中物体对于光的反射能力不一样，因而，有的物体反光能力强，有的物体反光能力弱，具体应用中，我们可用能量来表示图像中的物体的反光情况，某一区域能量大，则说明该区域反光能力强，某一区域能量小，则说明该区域反光能力弱，因此，可设置一个阈值，如果大于该阈值，则定义为测光区域，若小于该阈值，则定义为非测光区域。对于一副图像来说，在暗视觉环境下，测光区域可能为0个，在非暗视觉环境下，测光区域可能为1或者多个。具体应用中，确定了测光区域，则可进一步根据测光区域调节拍摄参数，在拍摄参数与环境中的测光区域相宜的情况下，拍摄得到的图像效果更佳。

进一步地，测光区域包含聚焦区域，即聚焦区域为测光区域中能量最大的区域，通常情况下，只有一个聚焦区域。

请参阅图1，为本发明实施例提供的一种图像处理方法的第一实施例流程示意图。本实施例中所描述的图像处理方法，包括以下步骤：

101、获取图像的多个通道图像。

其中，获取的图像可为终端的摄像头拍摄的图像，网络图像，或者，由视频解析处出来的图像。

其中，图像的格式可为RGB格式图像，YUV格式图像，HIS格式图像，对于图像的格式类型，在此不做限定。通常情况下，图像均由多个通道组成，例如，RGB格式是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，那么，RGB格式图像可由R通道图像，G通道图像和B通道图像组成。又例如，YUV格式中，“Y”表示明亮度(Luminance或Luma)，也就是灰阶值；而“U”和“V”表示的则是色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色，那么，YUV格式图像可由Y通道图像，U通道图像和V通道图像组成。又例如，HIS格式中，H表示色调(Hue，H)，其与光波的波长有关，它表示人的感官对不同颜色的感受，如红色、绿色、蓝色等，它也可表示一定范围的颜色，如暖色、冷色等，S表示饱和度(Saturation，S)，具体用于表示颜色的纯度，如：纯光谱色是完全饱和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就会越鲜艳亮度；I表示图像亮度(Intensity，I)，其对应成图像亮度或图像灰度，是颜色的明亮程度，那么，HSI格式图像可由H通道图像，S通道图像和I通道图像组成。

上述多个通道图像中的多个，可为2个或者3个。

可选地，可获取任一图像，对该任一图像进行降采样处理，得到降采样图像，其中，降采样的目的是将原来的图像变小，变小之后的降采样图像具有更少的像素点，可以更快的进行后续处理步骤，然后，可对降采样图像进行分离，从而，可得到多个通道图像。

可选地，得到的图像为RGB格式的图像，因此，可获取RGB格式的图像，然后将该RGB格式的图像进行分离，可得到多个通道图像，即该多个通道图像分别为R通道图像，G通道图像和B通道图像，也可以为上述3个通道图像中的任意两个通道图像。

进一步可选地，假如获取的图像其他格式的图像，也可以转化为RGB格式图像，以YUV格式的图像为例进行说明，则可采用下述公式将YUV格式图像转化为RGB格式图像，如下：

R＝Y+1.4075*(V-128)；

G＝Y-0.3455*(U-128)-0.7169*(V-128)；

B＝Y+0.779*(U-128)；

其中，Y、U、V分别表示YUV格式图像的Y通道图像，U通道图像和V通道图像。R、G、B分别表示RGB格式图像的R通道图像，G通道图像和B通道图像。

102、将所述多个通道图像中每一通道图像分别进行多尺度变换。

其中，多尺度变换可包括但不仅限于：离散余弦变换(Discrete CosineTransform)、小波变换(wavelet)、快速傅里叶变换(Fast Fourier Transform，FFT)等等。

其中，在对多个通道图像中每一通道图像分别进行多尺度变换时，得到的图像个数可能多于多个通道图像的总个数，原因在于，在对某一图像进行多尺度变换时，往往是为了得到该图像的高频分量和低频分量，低频图像包含该图像的主体，即该图像的主要能量，而高频分量主要包含该图像的轮廓和细节。

举例说明下，可采用傅里叶变换对多个通道图像中每一通道图像进行多尺度变换例如，多尺度变换可为傅里叶变换，具体如下：

$F(u,v)=c\left(u\right)c\left(v\right)\frac{2}{N}\underset{x=0}{\overset{N-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}f(x,y)cos\left(\frac{2x+1}{2N}u\mathrm{\π}\right)cos\left(\frac{2y+1}{2N}v\mathrm{\π}\right)$

其中，

其中，f(x,y)表示多个通道图像中任一通道图像，x，y分别表示该任一通道图像的横坐标和纵坐标。F(u,v)表示多尺度变换后的任一通道图像，u，v分别表示任一通道图像在多尺度变换后的横坐标和纵坐标。

103、对所述多尺度变换后的每一通道图像进行符号变换。

其中，可对多尺度变换后的每一通道图像进行符号变换，例如，可采用如下公式对多尺度变换后的每一通道图像进行符号变换，

$sign\left(x\right)=\left\{\begin{array}{c}1...x>0\\ 0...x=0\\ -1...x<0\\ x./abs\left(x\right)...complex\end{array}\right.$

其中，x为多尺度变换后的每一通道图像的每一点的像素值，对于任一像素值x来说，若大于0，则符号变换后取值为1，若等于0，则符号变换后取值为0，若小于0，则符号变换后取值为-1。

104、对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像。

其中，通常情况下，某一图像进行了多尺度变换后，必然会对该多尺度变换后的图像进行与该多尺度变换对应的反变换，使得多尺度尺度的图像可由频域转化为时域，即还原成图像。

接着步骤102中的例子，此处，则进行傅里叶变换的反变换，下面的函数为傅里叶变换函数的反函数。

$f(x,y)=\frac{2}{N}\underset{u=0}{\overset{N-1}{\&Sigma;}}\underset{v=0}{\overset{N-1}{\&Sigma;}}c\left(u\right)c\left(v\right)F(u,v)cos\left(\frac{2x+1}{2N}u\mathrm{\&pi;}\right)cos\left(\frac{2y+1}{2N}v\mathrm{\&pi;}\right)$

其中，

其中，F(u,v)表示多尺度变换后的任一通道图像，u，v分别表示任一通道图像在多尺度变换后的横坐标和纵坐标。f(x,y)表示多个通道图像中任一通道图像，x，y分别表示该任一通道图像的横坐标和纵坐标。

105、将所述多个通道图像分别对应的中间图像进行合成，得到目标图像。

其中，可对多个通道图像分别对应的中间图像进行合成，从而，可得到目标图像。

可选地，步骤105可包含如下3个步骤：

51)获取与所述多个通道图像中的每一中间图像对应的平方矩阵图像；

52)获取所有所述平方矩阵图像的权值；

53)根据所述多个通道图像分别对应的平方矩阵图像以及所述多个通道图像中每一平方矩阵图像的权值，进行合成得到目标图像。

其中，步骤51)的实现方式可对中间图像的图像矩阵直接进行平方运算，运算后，可得到平方矩阵图像。

Y(x,y)＝f(x,y).^2

其中，f(x,y)表示反变换后的任一通道的图像，x，y分别表示该反变换后的任一通道的图像的横坐标和纵坐标。

其中，步骤52)中每一通道图像对应的平方矩阵图像的权值可取1/3，以RGB格式的图像为例，加以说明，如下：

$G(x,y)=\frac{Y_R(x,y)+Y_G(x,y)+Y_B(x,y)}{3}$

其中，Y_R(x,y)表示R通道图像的平方矩阵图像，x，y分别表示该R通道图像的平方矩阵图像的横坐标和纵坐标。Y_G(x,y)表示G通道图像的平方矩阵图像，x，y分别表示该G通道图像的平方矩阵图像的横坐标和纵坐标。Y_B(x,y)表示B通道图像的平方矩阵图像，x，y分别表示该B通道图像的平方矩阵图像的横坐标和纵坐标。G(x,y)表示合成后的目标图像，x，y分别表示该目标图像的横坐标和纵坐标。

可选地，也可以根据每一通道对应的平方矩阵图像的平均亮度分别确定每一通道图像的权值，以RGB格式的图像为例进行说明，假设R通道图像对应的平方矩阵图像的平均亮度为a，G通道图像对应的平方矩阵图像的平均亮度为b，B通道图像对应的平方矩阵图像的平均亮度为c，那么：

R通道图像对应的平方矩阵图像的权值＝a/(a+b+c)；

G通道图像对应的平方矩阵图像的权值＝b/(a+b+c)；

B通道图像对应的平方矩阵图像的权值＝c/(a+b+c)。

可选地，也可以根据每一通道对应的平方矩阵图像的平均能量分别确定每一通道图像的权值，以RGB格式的图像为例进行说明，假设R通道图像对应的平方矩阵图像的平均能量为a，G通道图像对应的平方矩阵图像的平均能量为b，B通道图像对应的平方矩阵图像的平均能量为c，那么：

R通道图像对应的平方矩阵图像的权值＝a/(a+b+c)；

G通道图像对应的平方矩阵图像的权值＝b/(a+b+c)；

B通道图像对应的平方矩阵图像的权值＝c/(a+b+c)。

当然对于步骤52)中权值的确定方法还有其他方式，在此不再赘述。

其中，对于步骤52)得到的权值，可进一步用于步骤53合成目标图像，具体地：

目标图像＝R通道图像对应的平方矩阵图像*a+G通道图像对应的平方矩阵图像*b+B通道图像对应的平方矩阵图像*c。

106、确定所述目标图像中的聚焦区域。

其中，聚焦区域为目标图像中能量最大的区域。

可选地，可将目标图像分为多个区域，分别确定每一区域的平均能量值，将最大平均能量值对应的区域作为聚焦区域。

可选地，可将目标图像中亮度最大的区域作为聚焦区域。

可选地，由于聚焦区域是目标图像中能量最大区域，也即是测光区域中能量最大的区域，可采用如下方式先确定测光区域，然后，再确定测光区域中能量最大区域，步骤106，可包含如下具体步骤：

61)、将所述目标图像分为多个区域；

62)、确定所述多个区域中每一区域的平均能量值；

63)、将所述平均能量值大于预设阈值的区域确定为测光区域；

64)、将所述测光区域中能量最大区域作为聚焦区域。

其中，步骤61中可将目标图像划分为多个区域，该多个区域可为独立区域，也可以为部分重叠区域，该多个区域中每一区域的大小可一样，也可以大小不一，优选地，该多个区域为大小相等且不重叠的区域。

其中，步骤62中可计算每一区域的平均能量值，即，计算出该区域的能量和，然后用能量和除以该区域总的像素点个数。

其中，步骤63中预设阈值可为经验值，也可以由用户自己设置，例如，预设阈值为整个目标图像的平均能量值，或者，大于多个区域中60％的区域的平均能量值。在暗视觉环境下，则测光区域较少，可由用户自己根据经验设置预设阈值。

可选地，步骤106的执行过程中，可对目标图像进行一定的去噪处理，例如，对目标图像进行平滑滤波处理或者小波去噪，或者，图像增强等等，去噪处理的目的在于，使得目标图像的图像质量更好。

例如，可采用如下公式对目标图像进行平滑处理，具体如下：

$T(x,y)=\frac{1}{2{\mathrm{\&pi;\&sigma;}}^2}{e}^{-\frac{x^2+y^2}{2{\mathrm{\&sigma;}}^2}}G(x,y)$

其中，T(x,y)表示平滑处理后的目标图像，G(x,y)表示目标图像。

具体实现过程中，可对获取的图像进行将采样处理，因此，在确定测光区域后，在目标图像中标记测光区域，可还原目标图像，将还原的目标图像的尺寸与降采样之前的图像的尺寸大小一致。那么，如此，可较快确定最初获取的图像中的聚焦区域。

需要说明的是，现有技术中，主要通过对目标进行提取进行对焦，该方式得到的聚焦区域往往不止一个，例如，场景中包含多个人，那么，可能提取的对焦区域有多个，因而，这种会考虑多个区域进行对焦，通常情况下，多个对焦区域中的话，往往进行取平均，这样得到的焦点往往不太精准，因而，拍摄的效果不佳。而本实施例中，可根据能量确定唯一一个聚焦区域，因而，可提高对焦精度。

可以看出，通过本发明实施例可获取图像的多个通道图像，将该多个通道图像中每一通道图像分别进行多尺度变换，对多尺度变换后的每一通道图像进行符号变换，对符号变换后的每一通道图像进行与多尺度变换对应的反变换，得到中间图像，将多个通道图像分别对应的中间图像进行合成，得到目标图像，确定目标图像中的聚焦区域。从而，可利用多个通道图像的进行多尺度变换，以得到每一通道图像中的高频分量和低频分量，并对高频分量和低频分量进一步符号变换，从而，可利用多个通道图像的进行多尺度变换，以得到每一通道图像中的高频分量和低频分量，并对高频分量和低频分量进一步符号变换，从而，加大了聚焦区域与其他区域之间的能量差距，最后，对符号变换后的高频分量和低频分量进行多尺度变换，并对多尺度变换后的中间图像合成为目标图像，此时，可更为方便地可将聚焦区域与其他区域区分开来，因此，可以提高聚焦区域的确定精度。

请参阅图2，为本发明实施例提供的一种图像处理方法的第二实施例流程示意图。本实施例中所描述的图像处理方法为图1所描述的图像处理方法的完整一种实施步骤，包括以下步骤：

201、获取图像。

202、对所述图像进行降采样处理，得到降采样图像。

203、对所述降采样图像进行分离，得到多个通道图像。

204、将所述多个通道图像中每一通道图像分别进行多尺度变换。

205、对所述多尺度变换后的每一通道图像进行符号变换。

206、对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像。

207、获取与所述多个通道图像中的每一中间图像对应的平方矩阵图像。

208、获取所有所述平方矩阵图像的权值。

209、根据所述多个通道图像分别对应的平方矩阵图像以及所述多个通道图像中每一平方矩阵图像的权值，进行合成得到目标图像。

210、将所述目标图像中能量最大区域确定为聚焦区域。

其中，图2中步骤201-步骤210中的每一步骤的具体实施过程中可参照图1所描述的图像处理方法的步骤101-步骤106的具体描述。

具体实现过程中，可对获取的图像进行将采样处理，因此，在确定聚焦区域后，在目标图像中标记聚焦区域，可还原目标图像，将还原的目标图像的尺寸与降采样之前的图像的尺寸大小一致。那么，如此，可较快确定最初获取的图像中的聚焦区域。

请参阅图3，为本发明实施例提供的一种拍照方法的实施例流程示意图。本实施例中所描述的拍照方法，包括以下步骤：

301、获取图像的多个通道图像。

302、将所述多个通道图像中每一通道图像分别进行多尺度变换。

303、对所述多尺度变换后的每一通道图像进行符号变换。

304、对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像。

305、将所述多个通道图像分别对应的中间图像进行合成，得到目标图像。

306、确定所述目标图像中的聚焦区域。

307、根据所述聚焦区域进行对焦。

308、根据所述对焦进行拍摄。

其中，图3中步骤301-步骤306中的每一步骤的具体实施过程中可参照图1所描述的图像处理方法的步骤101-步骤106的具体描述。

其中，步骤307，确定了聚焦区域即可基于该聚焦区域进行对焦，即基于聚焦区域可进一步确定焦点，焦点可为聚焦区域中能量最大的一点，基于焦点可完成对焦。

其中，步骤308可基于该对焦进行拍摄，由于根据能量唯一确定聚焦区域，该聚焦区域适合寻找焦点，因而，拍摄后得到的图像效果更佳。

可选地，步骤306的过程中，也可以先确定测光区域，然后再确定聚光区域，在测光区域确定之后，可计算测光区域的面积、测光区域的反光强度、测光区域的分布范围等等。拍摄参数可包括但不仅限于：闪光灯的功率、闪光灯的闪光时间、曝光时间、摄像头的拍照模式，摄像头的旋转角度。例如，可事先设置测光区域的面积与闪光灯的功率之间的映射关系，假设，两者为反比例关系，即测光区域的面积越大，那么，闪光灯的功率越小，原因在于，测光区域的面积大，则说明场景中光源充足，此时，不需要不光或者需要较少补光，因此，闪光灯的功率较小为好。又例如，可事先设置测光区域的面积与曝光时间之间的映射关系，假设，两者为反比例关系，即测光区域的面积越大，那么，曝光时间越短，原因在于，测光区域的面积大，则说明场景中光源充足，此时，不需要不光或者需要较少补光，因此，曝光时间较小。又例如，可根据测光区域的分布范围确定摄像头的旋转角度，可控制摄像头向测光区域分布较小的方向进行旋转，旋转之后的测光区域的面积小于第一阈值，或者，旋转之后的测光区域的分布机密小于第二阈值，其中，第一阈值和第二阈值可为具体的经验值，可由用户自行设置或者系统默认。如此，步骤308可不仅可调节拍摄参数，还可以确定聚焦区域，完成对焦，拍摄出的图像效果更佳。

可以看出，通过本发明实施例可获取图像的多个通道图像，将该多个通道图像中每一通道图像分别进行多尺度变换，对多尺度变换后的每一通道图像进行符号变换，对符号变换后的每一通道图像进行与多尺度变换对应的反变换，得到中间图像，将多个通道图像分别对应的中间图像进行合成，得到目标图像，确定目标图像中的聚焦区域。从而，可利用多个通道图像的进行多尺度变换，以得到每一通道图像中的高频分量和低频分量，并对高频分量和低频分量进一步符号变换，从而，可利用多个通道图像的进行多尺度变换，以得到每一通道图像中的高频分量和低频分量，并对高频分量和低频分量进一步符号变换，从而，加大了聚焦区域与其他区域之间的能量差距，最后，对符号变换后的高频分量和低频分量进行多尺度变换，并对多尺度变换后的中间图像合成为目标图像，此时，可更为方便地可将聚焦区域与其他区域区分开来，因此，可以提高聚焦区域的确定精度，并且，可基于该聚焦区域，确定焦点，完成对焦，根据该对焦拍摄后得到的图像拍摄效果更佳。

以下是实施上述图1或图2所描述的图像处理方法及图3所描述的拍照方法的装置，具体如下：

请参阅图4a，为本发明实施例提供的一种终端的第一实施例结构示意图。本实施例中所描述的终端，包括：第一获取单元401、第一变换单元402、第二变换单元403、反变换单元404、第一合成单元405和确定单元406，具体如下：

第一获取单元401，用于获取图像的多个通道图像；

第一变换单元402，用于将所述第一获取单元401获取的所述多个通道图像中每一通道图像分别进行多尺度变换；

第二变换单元403，用于对所述第一变换单元402多尺度变换后的每一通道图像进行符号变换；

反变换单元404，用于对所述第二变换单元403符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；

第一合成单元405，用于将所述反变换单元404反变换后的所述多个通道图像分别对应的中间图像进行合成，得到目标图像；

确定单元406，用于确定所述第一合成单元405合成的所述目标图像中的聚焦区域。

可选地，如图4b，图4a中所描述终端的所述第一获取单元401可包括：

第二获取单元4011，用于获取RGB格式的图像；

第一分离单元4012，用于将所述第二获取单元4011获取的所述RGB格式的图像进行分离，得到多个通道图像。

可选地，如图4c，图4a中所描述终端的所述第一获取单元401可包括：

第三获取单元4013，用于获取图像；

降采样单元4014，用于对所述第三获取单元4013获取的所述图像进行降采样处理，得到降采样图像；

第二分离单元4015，用于对所述降采样单元4014降采样后的所述降采样图像进行分离，得到多个通道图像。

可选地，如图4d，图4a中所描述终端的所述第一合成单元405，包括：

第四获取单元4051，用于获取与所述多个通道图像中的每一中间图像对应的平方矩阵图像；

所述第四获取单元4051，还用于：

获取所有所述平方矩阵图像的权值；

第二合成单元4052，用于根据所述多个通道图像分别对应的平方矩阵图像以及所述多个通道图像中每一平方矩阵图像的权值，进行合成得到目标图像。

进一步地，上述所述确定单元406，具体用于；

确定所述目标图像中的聚焦区域。

进一步地，上述图4a-图4d中所描述的终端还可包括：对焦单元(图中未标出)和拍摄单元(图中未标出)，具体地：

对焦单元，用于基于所述确定单元406确定的所述聚焦区域进行对焦；

拍摄单元，用于根据所述对焦进行拍摄。

可以看出，通过本发明实施例所描述的终端可获取图像的多个通道图像，将该多个通道图像中每一通道图像分别进行多尺度变换，对多尺度变换后的每一通道图像进行符号变换，对符号变换后的每一通道图像进行与多尺度变换对应的反变换，得到中间图像，将多个通道图像分别对应的中间图像进行合成，得到目标图像，确定目标图像中的聚焦区域。从而，可利用多个通道图像的进行多尺度变换，以得到每一通道图像中的高频分量和低频分量，并对高频分量和低频分量进一步符号变换，从而，可利用多个通道图像的进行多尺度变换，以得到每一通道图像中的高频分量和低频分量，并对高频分量和低频分量进一步符号变换，从而，加大了聚焦区域与其他区域之间的能量差距，最后，对符号变换后的高频分量和低频分量进行多尺度变换，并对多尺度变换后的中间图像合成为目标图像，此时，可更为方便地可将聚焦区域与其他区域区分开来，因此，可以提高聚焦区域的确定精度。

请参阅图5，为本发明实施例提供的一种终端的第二实施例结构示意图。本实施例中所描述的终端，包括：至少一个输入设备1000；至少一个输出设备2000；至少一个处理器3000，例如CPU；和存储器4000，上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。

其中，上述输入设备1000具体可为物理按键、触控面板或摄像头等等。

上述输出设备2000具体可为显示屏。

上述存储器4000可以是高速RAM存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。上述存储器4000用于存储一组程序代码，上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码，执行如下操作：

上述处理器3000，用于：

获取图像的多个通道图像；

将所述多个通道图像中每一通道图像分别进行多尺度变换；

对所述多尺度变换后的每一通道图像进行符号变换；

对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；

将所述多个通道图像分别对应的中间图像进行合成，得到目标图像；

确定所述目标图像中的聚焦区域。

可选地，上述处理器3000获取图像的多个通道图像，包括：

获取RGB格式的图像；

将所述RGB格式的图像进行分离，得到多个通道图像。

可选地，上述处理器3000获取图像的多个通道图像，包括：

获取图像；

对所述图像进行降采样处理，得到降采样图像；

对所述降采样图像进行分离，得到多个通道图像。

可选地，上述处理器3000将所述多个通道图像分别对应的中间图像进行合成，得到目标图像，包括：

获取与所述多个通道图像中的每一中间图像对应的平方矩阵图像；

获取所有所述平方矩阵图像的权值；

根据所述多个通道图像分别对应的平方矩阵图像以及所述多个通道图像中每一平方矩阵图像的权值，进行合成得到目标图像。

可选地，上述处理器3000确定所述目标图像中的测光区域，包括；

将所述目标图像中能量最大区域确定为聚焦区域。

进一步可选地，上述处理器3000在确定所述目标图像中的测光区域之后，还可以用于：

根据所述聚焦区域进行对焦。

根据所述对焦进行拍摄。

具体实现中，本发明实施例中所描述的输入设备1000、输出设备2000和处理器3000可执行本发明实施例提供的一种图像处理方法的第一实施例、第二实施例和拍摄方法的实施例中所描述的实现方式，也可执行本发明实施例提供的一种终端的第一实施例中所描述的终端的实现方式，在此不再赘述。

本发明所有实施例中的单元，可以通过通用集成电路，例如CPU(CentralProcessing Unit，中央处理器)，或通过ASIC(Application Specific IntegratedCircuit，专用集成电路)来实现。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本发明实施例终端中的单元可以根据实际需要进行合并、划分和删减。

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指令相关的硬件来完成，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-Only Memory，ROM)或随机存取存储器(Random Access Memory，简称RAM)等。

以上对本发明实施例所提供的一种图像处理方法及终端进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

获取图像的多个通道图像；

将所述多个通道图像中每一通道图像分别进行多尺度变换；

对所述多尺度变换后的每一通道图像进行符号变换；

对所述符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；

将所述多个通道图像分别对应的中间图像进行合成，得到目标图像；

确定所述目标图像中的聚焦区域。

2.根据权利要求1所述的方法，其特征在于，所述获取图像的多个通道图像，包括：

获取RGB格式的图像；

将所述RGB格式的图像进行分离，得到多个通道图像。

3.根据权利要求1所述的方法，其特征在于，所述获取图像的多个通道图像，包括：

获取图像；

对所述图像进行降采样处理，得到降采样图像；

对所述降采样图像进行分离，得到多个通道图像。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述将所述多个通道图像分别对应的中间图像进行合成，得到目标图像，包括：

获取与所述多个通道图像中的每一中间图像对应的平方矩阵图像；

获取所有所述平方矩阵图像的权值；

根据所述多个通道图像分别对应的平方矩阵图像以及所述多个通道图像中每一平方矩阵图像的权值，进行合成得到目标图像。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述确定所述目标图像中的聚焦区域，包括；

将所述目标图像中能量最大区域确定为聚焦区域。

6.一种终端，其特征在于，包括：

第一获取单元，用于获取图像的多个通道图像；

第一变换单元，用于将所述第一获取单元获取的所述多个通道图像中每一通道图像分别进行多尺度变换；

第二变换单元，用于对所述第一变换单元多尺度变换后的每一通道图像进行符号变换；

反变换单元，用于对所述第二变换单元符号变换后的每一通道图像进行与所述多尺度变换对应的反变换，得到中间图像；

第一合成单元，用于将所述反变换单元反变换后的所述多个通道图像分别对应的中间图像进行合成，得到目标图像；

确定单元，用于确定所述第一合成单元合成的所述目标图像中的聚焦区域。

7.根据权利要求6所述的终端，其特征在于，所述第一获取单元包括：

第二获取单元，用于获取RGB格式的图像；

第一分离单元，用于将所述第二获取单元获取的所述RGB格式的图像进行分离，得到多个通道图像。

8.根据权利要求6所述的终端，其特征在于，所述第一获取单元包括：

第三获取单元，用于获取图像；

降采样单元，用于对所述第三获取单元获取的所述图像进行降采样处理，得到降采样图像；

第二分离单元，用于对所述降采样单元降采样后的所述降采样图像进行分离，得到多个通道图像。

9.根据权利要求6至8任一项所述的终端，其特征在于，所述第一合成单元，包括：

第四获取单元，用于获取与所述多个通道图像中的每一中间图像对应的平方矩阵图像；

所述第四获取单元，还用于：

获取所有所述平方矩阵图像的权值；

第二合成单元，用于根据所述多个通道图像分别对应的平方矩阵图像以及所述多个通道图像中每一平方矩阵图像的权值，进行合成得到目标图像。

10.根据权利要求6至8任一项所述的终端，其特征在于，所述确定单元，包括:

将所述目标图像中能量最大区域确定为聚焦区域。