CN107767336A - 一种图像处理的方法及装置 - Google Patents

Abstract

本发明涉及数字图像处理领域，尤其涉及一种图像处理的方法及装置，该方法为，获取待处理图像的数目和每一个待处理图像的大小，根据待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；根据图像分块参数和每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，并根据每一个分块图像的图像特征，将每一个待处理图像进行拼接，获得拼接图像，这样，将待处理图像进行分块，进而对每一个分块图像同时并行处理，实现图像拼接，能够最大程度发挥并行器件的处理性能，提升了处理速度和效率。

Description

一种图像处理的方法及装置

技术领域

本发明涉及数字图像处理领域，尤其涉及一种图像处理的方法及装置。

背景技术

在视频监控、全景视频等应用场景中都会用到全景图像拼接技术。由于拍摄终端设备的拍摄角度、视角等问题的局限，单张图像只能拍摄到局部场景，需要通过数字图像处理技术对通过不同角度拍摄的多张图像进行拼接处理，生成拍摄环境的全景图像。在图像拼接中，通常需要对上千张、上万张图像进行处理，尤其在无人机实时监控、全景视频直播等一些对实时性要求很高的应用场合，需要对许多张拍摄图像实时进行拼接处理，这就对图像拼接处理速度提出了更高的要求。

现有技术中，图像拼接方法，有尺度不变特征转换(scale invariant featuretransform，SIFT)或快速鲁棒性特征(speed-up robust features，SURF)算法。

主要原理是，对图像进行特征提取得到图像特征向量，将待拼接图像之间的特征向量进行比对和匹配，从而得到图像之间的重叠区域，进而根据重叠区域对图像进行拼接。

虽然，SIFT和SURF算法鲁棒性较高，但是，由于SIFT或SURF算法需要对图像进行特征提取，涉及大量卷积运算，计算量大、运算时间长，存在着图像拼接速度慢、拼接效率低的问题，通常难以满足等全景视频直播、全景实时监控等应用场景的实时性要求。

现有技术中，另一种图像拼接方法，例如，专利《一种基于改进型SURF算法的图像快速拼接方法》，申请号201410626230.9，采用灰度算法预先判断图像大致重叠区域，再将重叠区域提取出来用SURF算法进行精确的特征计算，从而减少了计算量，在一定程度上提高了计算速度。

但是，由于其计算步骤较多，算法受系统计算性能影响较大，仍存在计算速度受限问题。

由此可见，现有技术中，存在图像拼接处理速度和处理效率较低，不能很好地满足系统实时性的要求。

发明内容

本发明实施例提供一种图像处理的方法及装置，以提高图像拼接处理的速度和效率。

本发明实施例提供的具体技术方案如下：

一种图像处理的方法，包括：

获取待处理图像的数目和每一个待处理图像的大小，根据所述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；

根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，并根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像。

较佳的，根据所述待处理图像的数目和当前运行资源，计算图像分块参数，具体包括：

计算当前运行资源与所述待处理图像的数目之间的比值，将所述比值作为图像分块参数。

较佳的，根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像，具体包括：

分别将每一个待处理图像的大小和预设阈值进行比较，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像，当确定所述当前比较的待处理图像的大小不大于预设阈值时，则直接将所述当前比较的待处理图像作为所述当前比较的待处理图像的相应的分块图像。

较佳的，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像，具体包括：

当确定当前比较的待处理图像的大小大于预设阈值时，按照预设分块方式，将所述当前比较的待处理图像分成N个分块图像；其中，N与所述图像分块参数相等，且所述N个分块图像组合后，能够完全覆盖所述当前比较的待处理图像。

较佳的，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，具体包括：

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，其中，在计算一个分块图像的图像特征时，同时并行计算所述一个分块图像的相互独立的像素的特征值，其中，相互独立的像素，表示计算像素的特征值时不相互影响的像素。

较佳的，根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像，具体包括：

分别将所述每一个分块图像的图像特征进行特征匹配，并根据特征匹配结果，确定所述每一个待处理图像之间的重叠区域；

根据所述每一个待处理图像之间的重叠区域，将所述每一个待处理图像进行拼接，获得拼接图像。

一种图像处理的装置，包括：

分块计算单元，用于获取待处理图像的数目和每一个待处理图像的大小，根据所述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；

分块执行单元，用于根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；

并行计算单元，用于根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征；

图像拼接单元，用于根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像。

较佳的，根据所述待处理图像的数目和当前运行资源，计算图像分块参数时，分块计算单元具体用于：

计算当前运行资源与所述待处理图像的数目之间的比值，将所述比值作为图像分块参数。

较佳的，根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像时，分块执行单元具体用于：

分别将每一个待处理图像的大小和预设阈值进行比较，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像，当确定所述当前比较的待处理图像的大小不大于预设阈值时，则直接将所述当前比较的待处理图像作为所述当前比较的待处理图像的相应的分块图像。

较佳的，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像时，分块执行单元具体用于：

当确定当前比较的待处理图像的大小大于预设阈值时，按照预设分块方式，将所述当前比较的待处理图像分成N个分块图像；其中，N与所述图像分块参数相等，且所述N个分块图像组合后，能够完全覆盖所述当前比较的待处理图像。

较佳的，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征时，并行计算单元具体用于：

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，其中，在计算一个分块图像的图像特征时，同时并行计算所述一个分块图像的相互独立的像素的特征值，其中，相互独立的像素，表示计算像素的特征值时不相互影响的像素。

较佳的，根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像时，图像拼接单元具体用于：

分别将所述每一个分块图像的图像特征进行特征匹配，并根据特征匹配结果，确定所述每一个待处理图像之间的重叠区域；

根据所述每一个待处理图像之间的重叠区域，将所述每一个待处理图像进行拼接，获得拼接图像。

本发明的有益效果如下：

本发明实施例中，获取待处理图像的数目和每一个待处理图像的大小，根据上述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；根据上述图像分块参数和上述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，并根据上述每一个分块图像的图像特征，将上述每一个待处理图像进行拼接，获得拼接图像，这样，计算图像分块参数，将待处理图像进行分块，进而对每一个分块图像同时并行处理，能够最大程度发挥并行器件的处理性能，提升了处理速度和效率。

并且，计算分块图像的图像特征时，采用并行计算的方法，在保证图像特征运算精度的基础上，提升了处理速度，有利于实现图像拼接处理的实时性。

附图说明

图1为本发明实施例中，图像处理的方法概述流程图；

图2为本发明实施例中，图像分块示意图；

图3为本发明实施例中，分块图像并行计算示意图；

图4为本发明实施例中，图像处理的方法详细流程图；

图5为本发明实施例中，图像处理的装置结构示意图；

图6为本发明实施例中，图像处理的装置实现示意图。

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，并不是全部的实施例。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。

为了提高图像拼接处理的速度和效率，本发明实施例中，将每一个待处理图像进行分块，获得各个分块图像，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，进而根据每一个分块图像的图像特征，将每一个待处理图像进行拼接，获得拼接图像。

下面通过具体实施例对本发明方案进行详细描述，当然，本发明并不限于以下实施例。

参阅图1所示，本发明实施例中，图像处理方法的具体流程如下：

步骤100：获取待处理图像的数目和每一个待处理图像的大小，根据上述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数。

实际中，进行图像拼接时，通常需要处理大量的图像，本发明实施例，应用于并行器件，例如，现场可编程门阵列(Field-Programmable Gate Array，FPGA)等，通过并行器件的并行处理能力，来实现多个图像的并行处理。

执行步骤100时，具体包括：

首先，获取待处理图像的数目和每一个待处理图像的大小。

然后，根据待处理图像的数目和当前运行资源，计算图像分块参数。

具体为：计算当前运行资源与待处理图像的数目之间的比值，将上述比值作为图像分块参数。

例如，系统当前支持的并行计算的路数为Y路，当前拼接任务中包含P个待处理图像，则图像分块参数为Q＝[Y/P]，即Q为Y/P取整。

也就是说，每一个待处理图像最多可分为Q个分块图像。

这样，根据不同的情况，确定图像分块参数，如果本次拼接任务中待处理图像的数目较多、计算量较大，并且当前运算资源充足，则可以增加图像分块数量；反之则可以减少图像分块数量，具体地，图像分块参数可根据实际中并行器件的设计情况进行调整。

步骤110：根据上述图像分块参数和上述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像。

执行步骤110时，具体包括：分别将每一个待处理图像的大小和预设阈值进行比较，并根据每一个待处理图像的比较结果和图像分块参数，分别对每一个待处理图像进行分块，获得各个分块图像。

其中，上述预设阈值，表示每一路并行计算单元支持的最大的图像大小，可以根据实际中并行器件的性能进行设定。

下面以当前比较的待处理图像为例，进行详细说明，具体可以分为以下两种情况：

第一种情况：当确定当前比较的待处理图像的大小大于预设阈值时，则根据上述图像分块参数，将上述当前比较的待处理图像进行分块，获得上述当前比较的待处理图像的相应的分块图像。

具体为：按照预设分块方式，将上述当前比较的待处理图像分成N个分块图像；其中，N与上述图像分块参数相等，且上述N个分块图像组合后，能够完全覆盖上述当前比较的待处理图像。

其中，预设分块方式，可以为进行等分，也可以为进行不规则的分块，本发明实施例中，并不进行限制，但是，必须保证所有的分块图像组合后，能够完全覆盖当前比较的待处理图像，各个分块图像之间可以有部分重叠。

例如，参阅图2所示，当前比较的待处理图像的大小为9*9，图像分块参数为4，预设分块方式为等分，则可以分为4个大小为5*5的分块图像，为方便描述，不同的分块图像由不同的图案进行区分，分别为分块图像1、分块图像2、分块图像3和分块图像4。

由图2可知，这4个分块图像，相互之间有重叠区域，这是为了保证完全覆盖当前比较的待处理图像。

第二种情况：当确定上述当前比较的待处理图像的大小不大于预设阈值时，则直接将上述当前比较的待处理图像作为上述当前比较的待处理图像的相应的分块图像。

也就是说，当前比较的待处理图像比较小时，这时，就无需进一步将其进行分块了，可以直接将其作为分块图像，进入并行计算流程进行处理。

步骤120：根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，并根据上述每一个分块图像的图像特征，将上述每一个待处理图像进行拼接，获得拼接图像。

执行步骤120时，具体包括：

首先，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征。

这样，将多个待处理图像进行分块之后，对各个分块图像同时并行计算，由于分块图像的大小较小，进而计算量会降低，并且，同时并行计算，能够提高处理速度，最大程度发挥并行器件的处理性能。

其中，在计算一个分块图像的图像特征时，包括：同时并行计算上述一个分块图像的相互独立的像素的特征值，其中，相互独立的像素，表示计算像素的特征值时不相互影响的像素。

例如，预设的图像处理算法为SURF算法，在采用SURF算法求取积分图像过程中(即计算图像特征)，采用X行同时并行计算的方法(X不小于2的整数)，同时计算N行内斜线上的像素积分值。即对现有的SURF算法进行了改进，(本发明实施例中，以下称为改进的SURF算法)参阅图3所示，为分块图像并行计算的示意图。

其中，以分块图像1为例，(其它分块图像和分块图像1的计算方式相同，就不具体进行描述了)同时并行计算前3行，具体地，同时并行计算前3行内斜线上的像素积分值，即图3分块图像1中，相同图案的像素块同时并行计算。

可知，计算大小为M*N的待处理图像的积分值，传统计算方法为依次计算每个像素点的积分值，需花费M*N个时钟周期；而采用并行积分计算方法少花费(X-1)*M-(X-1)＝(X-1)(M-1)个时钟周期，因此，针对每一个分块图像，在计算图像特征值，并行计算方法能够显著提升图像特征的计算速度。

当然，也可以采用其它的图像处理算法，例如SIFT算法，本发明实施例中，并不进行限定，只是在计算图像特征时，同时并行计算相互独立的像素的特征值。

然后，根据上述每一个分块图像的图像特征，将上述每一个待处理图像进行拼接，获得拼接图像。

具体为：分别将上述每一个分块图像的图像特征进行特征匹配，并根据特征匹配结果，确定上述每一个待处理图像之间的重叠区域，进而根据上述每一个待处理图像之间的重叠区域，将上述每一个待处理图像进行拼接，获得拼接图像。

例如，确定出每一个待处理图像之间的重叠区域后，分别确定每一个待处理图像相对与上述重叠区域的相对位置坐标，并根据相对位置坐标，分别对每一个待处理图像进行坐标变换和融合，获得拼接图像。

值得说明的是，根据分块图像的图像特征，进而实现待处理图像的拼接，可以采用现有技术进行实现，这部分内容本发明实施例中，并不进行限定。

这样，本发明实施例中，在进行图像处理的过程中，在其中两个方面采用了并行计算的思想，一个是，将每一个待处理图像进行分块，进而对各个分块图像同时进行并行处理，另一个是，针对每一个分块图像，在计算每一个分块图像的图像特征时，对现有的图像处理算法进行改进，同时并行计算相互独立的像素的特征值，这样，大大提高了图像处理的速度和效率，有利于满足实时性的要求。

下面采用一个具体的应用场景对上述实施例作出进一步详细说明。具体参阅图4所示，本发明实施例中，图像处理的方法执行过程具体如下：

其中，预设的图像处理算法，例如为改进的SURF算法。

步骤200：获取待处理图像的数目和大小，计算图像分块参数。

具体为：根据待处理图像的数目和当前运行资源，计算图像分块参数。

例如，有3个待处理图像，当前运行资源，即系统当前支持的并行计算的路数为13路，则图像分块参数为：[13/3]＝12。

步骤201：进行分块，获得每一个待处理图像的各分块图像。

例如，分别将3个待处理图像等分成3个分块图像，则共获得12个分块图像。这里假设，这3个待处理图像的大小都大于预设阈值。

步骤202：采用改进的SURF算法，同时并行计算各个分块图像的图像特征，并进行特征匹配。

步骤203：根据特征匹配结果，确定每一个待处理图像重叠区域及相对位置关系，进行图像坐标变换，获得拼接图像。

基于上述实施例，参阅图5所示，本发明实施例中，图像处理的装置，具体包括：

分块计算单元30，用于获取待处理图像的数目和每一个待处理图像的大小，根据上述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；

分块执行单元31，用于根据上述图像分块参数和上述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；

并行计算单元32，用于根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征；

图像拼接单元33，用于根据上述每一个分块图像的图像特征，将上述每一个待处理图像进行拼接，获得拼接图像。

较佳的，根据上述待处理图像的数目和当前运行资源，计算图像分块参数时，分块计算单元30具体用于：

计算当前运行资源与上述待处理图像的数目之间的比值，将上述比值作为图像分块参数。

较佳的，根据上述图像分块参数和上述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像时，分块执行单元31具体用于：

分别将每一个待处理图像的大小和预设阈值进行比较，当确定当前比较的待处理图像的大小大于预设阈值时，则根据上述图像分块参数，将上述当前比较的待处理图像进行分块，获得上述当前比较的待处理图像的相应的分块图像，当确定上述当前比较的待处理图像的大小不大于预设阈值时，则直接将上述当前比较的待处理图像作为上述当前比较的待处理图像的相应的分块图像。

较佳的，当确定当前比较的待处理图像的大小大于预设阈值时，则根据上述图像分块参数，将上述当前比较的待处理图像进行分块，获得上述当前比较的待处理图像的相应的分块图像时，分块执行单元31具体用于：

当确定当前比较的待处理图像的大小大于预设阈值时，按照预设分块方式，将上述当前比较的待处理图像分成N个分块图像；其中，N与上述图像分块参数相等，且上述N个分块图像组合后，能够完全覆盖上述当前比较的待处理图像。

较佳的，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征时，并行计算单元32具体用于：

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，其中，在计算一个分块图像的图像特征时，同时并行计算上述一个分块图像的相互独立的像素的特征值，其中，相互独立的像素，表示计算像素的特征值时不相互影响的像素。

较佳的，根据上述每一个分块图像的图像特征，将上述每一个待处理图像进行拼接，获得拼接图像时，图像拼接单元33具体用于：

分别将上述每一个分块图像的图像特征进行特征匹配，并根据特征匹配结果，确定上述每一个待处理图像之间的重叠区域；

根据上述每一个待处理图像之间的重叠区域，将上述每一个待处理图像进行拼接，获得拼接图像。

下面采用一个具体的应用场景对上述实施例作出进一步详细说明。本发明实施例中，对于图像处理的装置的实现，分块运算和存储两个方面，具体参阅图6所示，本发明实施例中，图像处理装置中，运算和存储两个方面之间的相互关系的示意图。

运算方面，分为：任务分解策略模块、图像分块模块、并行计算模块、图像拼接模块。

其中，这四个模块，分别对应于上述分块计算单元、分块执行单元、并行计算单元和图像拼接单元。

存储方面，分为：待处理图像缓存模块、图像分块参数缓存模块、分块图像及图像特征双口RAM存储模块、拼接图像存储模块。

值得说明的是，本发明实施例中，分块图像存储与图像特征存储采用同一个双口随机存取存储器(Random Access Memory，RAM)存储模块，并行计算模块计算完成后覆盖写入原分块图像存储地址，可以节省存储空间，提升硬件资源利用率。

综上所述，本发明实施例中，获取待处理图像的数目和每一个待处理图像的大小，根据上述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；根据上述图像分块参数和上述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，并根据上述每一个分块图像的图像特征，将上述每一个待处理图像进行拼接，获得拼接图像，这样，计算图像分块参数，将待处理图像进行分块，进而对每一个分块图像同时并行处理，能够最大程度发挥并行器件的处理性能，提升了处理速度和效率。

并且，计算分块图像的图像特征时，采用并行计算的方法，在保证图像特征运算精度的基础上，提升了处理速度，有利于实现图像拼接处理的实时性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种图像处理的方法，其特征在于，包括：

获取待处理图像的数目和每一个待处理图像的大小，根据所述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；

根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，并根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像。

2.如权利要求1所述的方法，其特征在于，根据所述待处理图像的数目和当前运行资源，计算图像分块参数，具体包括：

计算当前运行资源与所述待处理图像的数目之间的比值，将所述比值作为图像分块参数。

3.如权利要求1所述的方法，其特征在于，根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像，具体包括：

分别将每一个待处理图像的大小和预设阈值进行比较，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像，当确定所述当前比较的待处理图像的大小不大于预设阈值时，则直接将所述当前比较的待处理图像作为所述当前比较的待处理图像的相应的分块图像。

4.如权利要求3所述的方法，其特征在于，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像，具体包括：

当确定当前比较的待处理图像的大小大于预设阈值时，按照预设分块方式，将所述当前比较的待处理图像分成N个分块图像；其中，N与所述图像分块参数相等，且所述N个分块图像组合后，能够完全覆盖所述当前比较的待处理图像。

5.如权利要求1-4任一项所述的方法，其特征在于，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，具体包括：

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，其中，在计算一个分块图像的图像特征时，同时并行计算所述一个分块图像的相互独立的像素的特征值，其中，相互独立的像素，表示计算像素的特征值时不相互影响的像素。

6.如权利要求5所述的方法，其特征在于，根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像，具体包括：

分别将所述每一个分块图像的图像特征进行特征匹配，并根据特征匹配结果，确定所述每一个待处理图像之间的重叠区域；

根据所述每一个待处理图像之间的重叠区域，将所述每一个待处理图像进行拼接，获得拼接图像。

7.一种图像处理的装置，其特征在于，包括：

分块计算单元，用于获取待处理图像的数目和每一个待处理图像的大小，根据所述待处理图像的数目和当前运行资源，计算图像分块参数；其中，当前运行资源，表示系统当前支持的并行计算的路数；

分块执行单元，用于根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像；

并行计算单元，用于根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征；

图像拼接单元，用于根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像。

8.如权利要求7所述的装置，其特征在于，根据所述待处理图像的数目和当前运行资源，计算图像分块参数时，分块计算单元具体用于：

计算当前运行资源与所述待处理图像的数目之间的比值，将所述比值作为图像分块参数。

9.如权利要求7所述的装置，其特征在于，根据所述图像分块参数和所述每一个待处理图像的大小，分别对每一个待处理图像进行分块，获得各个分块图像时，分块执行单元具体用于：

分别将每一个待处理图像的大小和预设阈值进行比较，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像，当确定所述当前比较的待处理图像的大小不大于预设阈值时，则直接将所述当前比较的待处理图像作为所述当前比较的待处理图像的相应的分块图像。

10.如权利要求9所述的装置，其特征在于，当确定当前比较的待处理图像的大小大于预设阈值时，则根据所述图像分块参数，将所述当前比较的待处理图像进行分块，获得所述当前比较的待处理图像的相应的分块图像时，分块执行单元具体用于：

当确定当前比较的待处理图像的大小大于预设阈值时，按照预设分块方式，将所述当前比较的待处理图像分成N个分块图像；其中，N与所述图像分块参数相等，且所述N个分块图像组合后，能够完全覆盖所述当前比较的待处理图像。

11.如权利要求7-10任一项所述的装置，其特征在于，根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征时，并行计算单元具体用于：

根据预设的图像处理算法，同时并行计算每一个分块图像的图像特征，其中，在计算一个分块图像的图像特征时，同时并行计算所述一个分块图像的相互独立的像素的特征值，其中，相互独立的像素，表示计算像素的特征值时不相互影响的像素。

12.如权利要求11所述的装置，其特征在于，根据所述每一个分块图像的图像特征，将所述每一个待处理图像进行拼接，获得拼接图像时，图像拼接单元具体用于：

分别将所述每一个分块图像的图像特征进行特征匹配，并根据特征匹配结果，确定所述每一个待处理图像之间的重叠区域；

根据所述每一个待处理图像之间的重叠区域，将所述每一个待处理图像进行拼接，获得拼接图像。