CN109325906A - 图像处理方法和装置、存储介质、电子设备 - Google Patents

Abstract

本申请涉及一种图像处理方法和装置、电子设备、计算机可读存储介质，从待处理图像中获取图像信息，根据图像信息获取与待处理图像匹配的轮廓光的打光强度，根据打光强度对待处理图像添加轮廓光。传统方法在对图像进行添加轮廓光的时候都是按照统一的标准进行添加的，并不能实现可以针对不同的图像添加不同打光强度的轮廓光。本申请中根据待处理图像的图像信息获取与待处理图像匹配的轮廓光的打光强度，然后再根据所获取的打光强度给待处理图像添加轮廓光，从而实现了针对性地添加轮廓光的效果。

Description

图像处理方法和装置、存储介质、电子设备

技术领域

本申请涉及计算机技术领域，特别是涉及一种图像处理方法和装置、存储介质、电子设备。

背景技术

随着移动终端的普及和移动互联网的迅速发展，移动终端的用户使用量越来越大。移动终端中的拍照、制作视频的功能已经成为用户常用功能之一。在拍照、制作视频的过程中，用户经常发现在自然光线的场景下，所拍摄或制作的视频的光线效果不能够满足用户的个性化需求。

发明内容

本申请实施例提供一种图像处理方法和装置、存储介质、电子设备，可以对图像进行添加与图像匹配的打光强度的轮廓光。

一种图像处理方法，包括：

从待处理图像中获取图像信息；

根据所述图像信息获取与所述待处理图像匹配的轮廓光的打光强度；

根据所述打光强度对所述待处理图像添加轮廓光。

一种图像处理装置，所述装置包括：

图像信息获取模块，用于从待处理图像中获取图像信息；

轮廓光的打光强度获取模块，用于根据所述图像信息获取与所述待处理图像匹配的轮廓光的打光强度；

轮廓光添加模块，用于根据所述打光强度对所述待处理图像添加轮廓光。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的图像处理方法的步骤。

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时执行如上所述的图像处理方法的步骤。

上述图像处理方法和装置、存储介质、电子设备，从待处理图像中获取图像信息，根据图像信息获取与待处理图像匹配的轮廓光的打光强度，根据打光强度对待处理图像添加轮廓光。传统方法在对图像进行添加轮廓光的时候都是按照统一的标准进行添加的，并不能实现可以针对不同的图像添加不同打光强度的轮廓光。本申请实施例中根据待处理图像的图像信息获取与待处理图像匹配的轮廓光的打光强度，然后再根据所获取的打光强度给待处理图像添加轮廓光，从而实现了针对性地添加轮廓光的效果。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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为一个实施例中电子设备的内部结构图；

图2为一个实施例中图像处理方法的流程图；

图3为根据图像的肤色信息及性别信息设置与图像匹配的轮廓光的打光强度，得到预设轮廓光打光强度序列方法的流程图；

图4为用户在轮廓光的6种打光强度下进行任意选择的界面示意图；

图5为另一个实施例中图像处理方法的流程图；

图6为一个实施例中图像处理装置的结构示意图；

图7为另一个实施例中图像处理装置的结构示意图；

图8为一个实施例中图像处理电路的示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中电子设备的内部结构示意图。如图1所示，该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的场景识别方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种图像处理方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。

在一个实施例中，如图2所示，提供了一种图像处理方法，以该方法应用于图1中的电子设备为例进行说明，包括：

步骤220，从待处理图像中获取图像信息。

待处理图像可以是拍照预览画面，也可以是拍照后保存到电子设备中的照片。从待处理图像中提取图像信息，图像信息包括后续对图像添加轮廓光会有影响的一些信息，例如，待处理图像中原本的光线信息、待处理图像中人物图像的肤色信息及性别信息等。

步骤240，根据图像信息获取与待处理图像匹配的轮廓光的打光强度。

轮廓光是对着摄像机方向照射的光线，是逆光效果。轮廓光起勾画被摄对象轮廓的作用。当主体和背景影调重叠的情况下，(比如主体暗，背景亦暗)，轮廓光起分离主体和背景的作用。在用人工光照明中轮廓光经常和主光副光配合使用，使画面影调层次富于变化，增加画面形式美感。

轮廓光是在逆光或侧逆光照射下形成的，应用于人像摄影中，主要是为了增强并修饰人物的边缘轮廓。根据上述从待处理图像中所获取的图像信息，获取与待处理图像匹配的轮廓光的打光强度。例如，根据从待处理图像所获取的光线信息、人物图像的肤色信息及性别信息等，去匹配合适的轮廓光的打光强度。这个匹配的过程可以是采用算法进行直接匹配，当然也可以是预先存储了光线信息、人物图像的肤色信息及性别信息等与轮廓光的打光强度之间的对应关系表，直接在该对应关系表中进行获取到轮廓光的打光强度即可。此处的打光强度指的是将图像的RGB模型转化为HSV模型，HSV模型中的V的值的大小，V值越大则打光强度越大，V值越小则打光强度越小。HSV模型中颜色的参数分别是：色调(H)，饱和度(S)，明度(V)。其中明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；通常取值范围为0％(黑)到100％(白)。

步骤260，根据打光强度对待处理图像添加轮廓光。

在上述获取了与待处理图像匹配的轮廓光的打光强度之后，就可以采用该种打光强度对待处理图像添加轮廓光。例如，在对人脸处进行添加轮廓光的时候，就可以在脸颊处加上阴影，鼻尖处和额头进行打光，采用合适的打光强度进行打光。

本申请实施例中，从待处理图像中获取图像信息，根据图像信息获取与待处理图像匹配的轮廓光的打光强度，根据打光强度对待处理图像添加轮廓光。传统方法在对图像进行添加轮廓光的时候都是按照统一的标准进行添加的，并不能实现可以针对不同的图像添加不同打光强度的轮廓光。本申请中根据待处理图像的图像信息获取与待处理图像匹配的轮廓光的打光强度，然后再根据所获取的打光强度给待处理图像添加轮廓光，从而实现了针对性地添加轮廓光的效果。

在一个实施例中，从待处理图像中获取图像信息，包括：

从待处理图像中获取肤色信息及性别信息，肤色信息包括黄皮肤、黑皮肤及白皮肤，性别信息包括男性及女性。

具体地，轮廓光是在逆光或侧逆光照射下形成的，应用于人像摄影中，主要是为了增强并修饰人物的边缘轮廓。因此，在对主体为人物的待处理图像进行添加轮廓光的时候，可以首先从待处理图像中获取人物的肤色信息和性别信息。因为不同肤色人物所拍摄出的图像上原本的亮度是不一样的，所以图像中原本的亮度会影响添加轮廓光时候的打光强度。例如，白皮肤人物所拍摄出的图像自身亮度就比较高，而黑皮肤人物所拍摄出的图像自身亮度就比较低，黄皮肤人物所拍摄出的图像自身亮度介于两者之间。因此，不同的肤色信息就会直接影响添加轮廓光时的打光强度。其次，对于男性和女性对于拍摄效果的不同追求来说，男性希望所拍摄出的图像更加立体，而女性可能会追求所拍摄出的图像呈现出的效果更亮更白一些。因此，基于男性和女性对于拍摄效果的不同追求，也会影响添加轮廓光时的打光强度。所以在从待处理图像中获取图像信息时，需要获取到待处理图像中人物的肤色信息及性别信息。便于后续根据不同的肤色信息及性别信息来定义添加轮廓光时的打光强度。

本申请实施例中，传统的对于人像添加轮廓光的方法，一般只是采用统一的打光模板来进行添加轮廓光，即采用统一的打光强度来对人脸部分进行打光，所以对于不同肤色、不同性别的人脸来说，并不能针对性的进行较好的处理，因此添加轮廓光之后所得的图像的效果不太理想、不能满足男性女性不同的需求。在本申请中，首先从待处理图像中获取到肤色信息、性别信息，然后根据不同的肤色信息及性别信息去获取到匹配的轮廓光的打光强度，然后根据打光强度对待处理图像添加轮廓光。使得最终所得的添加轮廓光之后的图像的效果更好，更加符合男性女性的不同需求。

在一个实施例中，根据图像信息获取与待处理图像匹配的轮廓光的打光强度，包括：

根据图像信息从预设轮廓光打光强度序列中获取与待处理图像匹配的轮廓光的打光强度。

本申请实施例中，在上述从待处理图像中获取了图像信息之后，根据图像信息从预设轮廓光打光强度序列中获取与待处理图像匹配的轮廓光的打光强度。其中，预设轮廓光打光强度序列是预先存储在电子设备中，可供随时获取。预设轮廓光打光强度序列为根据图像的肤色信息及性别信息经验设置与图像匹配的轮廓光的打光强度所得到的。预设轮廓光打光强度序列中每一种肤色信息及性别信息的图像对应一种轮廓光打光强度。

在一个实施例中，如图3所示，根据图像的肤色信息及性别信息设置与图像匹配的轮廓光的打光强度，得到预设轮廓光打光强度序列，包括：

步骤320，获取图像训练集，图像训练集中包括具有不同肤色信息及性别信息的人物图像。

采集具有不同肤色信息及性别信息的人物图像，构成图像训练集。因为肤色信息一般包括黄皮肤、黑皮肤及白皮肤，性别信息包括男性及女性。当然，上述肤色信息可能还包括未列举的其他类型，上述性别信息也可能还包括未列举的其他类型。因此，假设肤色信息包括黄皮肤、黑皮肤及白皮肤，性别信息包括男性及女性。那么就需要采集女性黄皮肤的人物图像、女性黑皮肤的人物图像、女性白皮肤的人物图像、男性黄皮肤的人物图像、男性黑皮肤的人物图像、男性白皮肤的人物图像这六种类型的图像构成图像训练集。例如，每个类型采集100张图像构成图像训练集，因此，图像训练集中的图像数量就为1000张。当然，也可以对于每个类型只采集10张图像构成图像训练集。当然，每一个类型的图像的数量可以相同，也可以不同。还可以对于每个类型采集其他数量的图像构成图像训练集。上述图像训练集可以从网络上采集未经处理的图像构成，也可以通过电子设备对实际中的人物采用自然光进行拍摄获得。

步骤340，对图像训练集中的人物图像按照肤色信息及性别信息进行分类，得出图像类别，每一种图像类别中包含具有相同肤色信息及性别信息的人物图像。

在得到了图像训练集之后，对图像训练集中的人物图像按照肤色信息及性别信息进行分类，得出图像类别。上述分类过程可以采用人工进行分类，也可以利用人工智能进行分类。具体是按照女性黄皮肤的人物图像、女性黑皮肤的人物图像、女性白皮肤的人物图像、男性黄皮肤的人物图像、男性黑皮肤的人物图像、男性白皮肤的人物图像这六种分类标准进行图像分类，之后就得到了六个图像类别。女性黄皮肤图像类别中只包含判断结果为女性，且为黄皮肤的人物图像，以此类推每一种图像类别中包含具有相同肤色信息及性别信息的人物图像。

步骤360，分别对每一类图像类别进行训练，得出与图像类别匹配的轮廓光的打光强度。

在对图像训练集进行分类之后，可以通过人工对每一类别中的每一张图像进行添加轮廓光，通过不断调整轮廓光的打光强度从而得到效果最好的图像，记录当前所使用的轮廓光的打光强度。例如根据男性希望所拍摄出的图像更加立体(一般此时在脸颊处添加阴影的强度高，而在鼻尖处和额头处打光的强度就弱)，而女性可能会追求所拍摄出的图像呈现出的效果更亮更白一些(一般此时在脸颊处添加阴影的强度弱，而在鼻尖处和额头处打光的强度就高)。从而得到该图像类别下每张图像将效果调整至最好时所采用的轮廓光的打光强度。统计每一类图像类别中所有的轮廓光的打光强度的出现概率，将出现概率大于预设阈值的轮廓光的打光强度进行筛选出来。其中，预设阈值可以是80％，或者也可以是其他合理的数值。所筛选出的轮廓光的打光强度可以是某一具体的数值，也可以是一个数值区间。将所筛选出的轮廓光的打光强度作为与图像类别匹配的轮廓光的打光强度。

步骤380，由图像类别及与图像类别匹配的轮廓光的打光强度构成预设轮廓光打光强度序列。

对每一个图像类别进行了上述类似的训练，得出与图像类别匹配的轮廓光的打光强度。按照轮廓光的打光强度从强到弱的顺序，对图像类别进行排序，就得到了由图像类别及与图像类别匹配的轮廓光的打光强度构成预设轮廓光打光强度序列。例如，得出了女性黄皮肤类别的图像所对应的轮廓光的打光强度最强，打光强度为一级；其次是女性黑皮肤的图像，打光强度为二级；再其次是女性白皮肤的图像，打光强度为三级；再其次是男性黄皮肤的图像，打光强度为四级；再其次是男性黑皮肤的图像，打光强度为五级；最后是男性白皮肤的图像，打光强度为六级，即打光强度最弱。在进行添加轮廓光的时候，打光强度弱，表示在脸颊处添加阴影的强度高，而在鼻尖处和额头处打光的强度就弱。

当然还可以提供另外一种用户可以参与到为待处理图像添加轮廓光的过程中，具体地，虽然在得出了待处理图像的图像类别之后，根据预设轮廓光打光强度序列就可以找到一个唯一的匹配的轮廓光的打光强度。此时也可以同时提供其他几种轮廓光的打光强度给用户个性化选择，如图4所示，例如，在轮廓光的模式下，在屏幕下方出现了6个数字，每一个数字表示轮廓光的一种打光强度。此时用户就可以在这6种打光强度下进行任意选择。

本申请实施例中，在采集不同肤色信息及性别信息的人物图像构成了图像训练集之后，对图像训练集进行分类，得到的每一种图像类别中包含相同肤色信息及性别信息的人物图像。分类的过程可以采用人工实现，也可以采用机器学习的方式实现。然后可以通过人工的方式对每一图像类别下的图像进行添加轮廓光，通过不断调整轮廓光的打光强度从而得到效果最好的图像。从而得到该图像类别下每张图像将效果调整至最好时所采用的轮廓光的打光强度。统计所有的轮廓光的打光强度的出现概率，将出现概率大于预设阈值的轮廓光的打光强度进行筛选出来作为与图像类别匹配的轮廓光的打光强度。由每一个图像类别及与该图像类别匹配的轮廓光的打光强度构成预设轮廓光打光强度序列。对图像训练集中的图像采用人工的方式进行添加轮廓光，得到每一图像类别所匹配的轮廓光的打光强度，这样训练所得出的每一图像类别所匹配的轮廓光的打光强度的准确度较高。

在一个实施例中，如图5所示，步骤240，根据图像信息获取与待处理图像匹配的轮廓光的打光强度，包括：

步骤242，根据图像信息、预设轮廓光光效模板，获取与待处理图像匹配的轮廓光的打光强度，预设轮廓光光效模板为采用卷积神经网络进行训练所得到。

具体地，图像信息除了包括肤色信息及性别信息，肤色信息包括黄皮肤、黑皮肤及白皮肤，性别信息包括男性及女性之外。图像信息还包括图像中的光照信息、人脸的角度等信息。因为不光肤色信息及性别信息会影响轮廓光打光，图像中的光照信息、人脸的角度等信息也会影响轮廓光打光。

预设轮廓光光效模板为采用卷积神经网络进行训练所得到。具体地，首先获取第一图像训练集，第一图像训练集中包含多张具有不同肤色信息及性别信息、且具有不同光照信息、人脸角度的图像。且预先通过专业的图像处理人员分别对上述第一图像训练集中的每一张图像进行添加最合适的轮廓光，从而得到对应的添加轮廓光之后的图像，构成第二图像训练集。因为是通过人工手动添加设置的轮廓光，所以并未形成一套标准操作的模板。因此，对第一图像训练集中的图像、及第二图像训练集中对应的图像采用卷积神经网络进行训练，得到预设轮廓光光效模板。具体地，采用卷积神经网络对第一图像训练集中的每一张图像中提取出肤色信息、性别信息、光照信息及人脸角度这四个方面的特征点，对特征点进行分析。并对经过人工处理之后的对应的图像采用卷积神经网络进行提取出添加轮廓光之后与原图像所不同的特征点。将这两者特征点之间的关系进行训练，从而得到与具有该特定的肤色信息、性别信息、光照信息及人脸角度的图像所对应的进行轮廓光处理时候的打光强度。对第一图像训练集中的每一张图像、及对应到第二图像训练集中的图像依次进行训练之后，就得到了预设轮廓光光效模板。

将一种具有特定肤色信息及性别信息、且具有特定光照信息、人脸角度的图像输入至预设轮廓光光效模板中，经过计算就可以得出与该图像匹配的轮廓光的打光强度。采用计算出的轮廓光的打光强度，对输入的图像进行添加轮廓光就可以得到比较理想的图像。

本申请实施例中，在通过第一图像训练集及第二图像训练集训练出了预设轮廓光光效模板之后，只需要将待处理图像输入至该预设轮廓光光效模板之后，就可以直接根据得到与该图像匹配的轮廓光的打光强度。从而采用计算出的轮廓光的打光强度，对输入的图像进行添加轮廓光就可以得到比较理想的图像。采用训练出的预设轮廓光光效模板，得到轮廓光的打光强度，方便快捷、简单易行，且训练出的预设轮廓光光效模板的精确度比较高。因为预设轮廓光光效模板考虑了肤色信息、性别信息、光照信息及人脸角度这四个方面的因素，所以所得出的轮廓光的打光强度的精确度就会比较高。

在一个实施例中，如图6所示，提供了一种图像处理装置600包括：图像信息获取模块620、轮廓光的打光强度获取模块640及轮廓光添加模块660。其中，

图像信息获取模块620，用于从待处理图像中获取图像信息；

轮廓光的打光强度获取模块640，用于根据图像信息获取与待处理图像匹配的轮廓光的打光强度；

轮廓光添加模块660，用于根据打光强度对待处理图像添加轮廓光。

在一个实施例中，图像信息获取模块620，还用于从待处理图像中获取肤色信息及性别信息，肤色信息包括黄皮肤、黑皮肤及白皮肤，性别信息包括男性及女性。

在一个实施例中，轮廓光的打光强度获取模块640，还用于根据图像信息从预设轮廓光打光强度序列中获取与待处理图像匹配的轮廓光的打光强度。

在一个实施例中，如图7所示，提供了一种图像处理装置600还包括：预设轮廓光打光强度序列生成模块680，用于根据图像的肤色信息及性别信息设置与图像匹配的轮廓光的打光强度，得到预设轮廓光打光强度序列，预设轮廓光打光强度序列中每一种肤色信息及性别信息的图像对应一种轮廓光打光强度。

在一个实施例中，如图7所示，预设轮廓光打光强度序列生成模块680，还用于获取图像训练集，图像训练集中包括具有不同肤色信息及性别信息的人物图像；对图像训练集中的人物图像按照肤色信息及性别信息进行分类，得出图像类别，每一种图像类别中包含具有相同肤色信息及性别信息的人物图像；分别对每一类图像类别进行训练，得出与图像类别匹配的轮廓光的打光强度；由图像类别及与图像类别匹配的轮廓光的打光强度构成预设轮廓光打光强度序列。

在一个实施例中，轮廓光的打光强度获取模块640，还用于根据图像信息、预设轮廓光光效模板，获取与待处理图像匹配的轮廓光的打光强度，预设轮廓光光效模板为采用卷积神经网络进行训练所得到。

上述图像处理装置中各个模块的划分仅用于举例说明，在其他实施例中，可将图像处理装置按照需要划分为不同的模块，以完成上述图像处理装置的全部或部分功能。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例所提供的图像处理方法的步骤。

在一个实施例中，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述各实施例所提供的图像处理方法的步骤。

本申请实施例还提供了一种计算机程序产品，当其在计算机上运行时，使得计算机执行上述各实施例所提供的图像处理方法的步骤。

本申请实施例还提供一种电子设备。该电子设备可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、穿戴式设备等任意终端设备，以电子设备为手机为例：上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image SignalProcessing，图像信号处理)管线的各种处理单元。图8为一个实施例中图像处理电路的示意图。如图8所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。

如图8所示，图像处理电路包括第一ISP处理器830、第二ISP处理器840和控制逻辑器850。第一摄像头810包括一个或多个第一透镜812和第一图像传感器814。第一图像传感器814可包括色彩滤镜阵列(如Bayer滤镜)，第一图像传感器814可获取用第一图像传感器814的每个成像像素捕捉的光强度和波长信息，并提供可由第一ISP处理器830处理的一组图像数据。第二摄像头820包括一个或多个第二透镜822和第二图像传感器824。第二图像传感器824可包括色彩滤镜阵列(如Bayer滤镜)，第二图像传感器824可获取用第二图像传感器824的每个成像像素捕捉的光强度和波长信息，并提供可由第二ISP处理器840处理的一组图像数据。

第一摄像头810采集的第一图像传输给第一ISP处理器830进行处理，第一ISP处理器830处理第一图像后，可将第一图像的统计数据(如图像的亮度、图像的反差值、图像的颜色等)发送给控制逻辑器850，控制逻辑器850可根据统计数据确定第一摄像头810的控制参数，从而第一摄像头810可根据控制参数进行自动对焦、自动曝光等操作。第一图像经过第一ISP处理器830进行处理后可存储至图像存储器860中，第一ISP处理器830也可以读取图像存储器860中存储的图像以对进行处理。另外，第一图像经过ISP处理器830进行处理后可直接发送至显示器870进行显示，显示器870也可以读取图像存储器860中的图像以进行显示。

其中，第一ISP处理器830按多种格式逐个像素地处理图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，第一ISP处理器830可对图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度计算精度进行。

图像存储器860可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。

当接收到来自第一图像传感器814接口时，第一ISP处理器830可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器860，以便在被显示之前进行另外的处理。第一ISP处理器830从图像存储器860接收处理数据，并对处理数据进行RGB和YCbCr颜色空间中的图像数据处理。第一ISP处理器830处理后的图像数据可输出给显示器870，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，第一ISP处理器830的输出还可发送给图像存储器860，且显示器870可从图像存储器860读取图像数据。在一个实施例中，图像存储器860可被配置为实现一个或多个帧缓冲器。

第一ISP处理器830确定的统计数据可发送给控制逻辑器850。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、第一透镜812阴影校正等第一图像传感器814统计信息。控制逻辑器850可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定第一摄像头810的控制参数及第一ISP处理器830的控制参数。例如，第一摄像头810的控制参数可包括增益、曝光控制的积分时间、防抖参数、闪光控制参数、第一透镜812控制参数(例如聚焦或变焦用焦距)、或这些参数的组合等。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及第一透镜812阴影校正参数。

同样地，第二摄像头820采集的第二图像传输给第二ISP处理器840进行处理，第二ISP处理器840处理第一图像后，可将第二图像的统计数据(如图像的亮度、图像的反差值、图像的颜色等)发送给控制逻辑器850，控制逻辑器850可根据统计数据确定第二摄像头820的控制参数，从而第二摄像头820可根据控制参数进行自动对焦、自动曝光等操作。第二图像经过第二ISP处理器840进行处理后可存储至图像存储器860中，第二ISP处理器840也可以读取图像存储器860中存储的图像以对进行处理。另外，第二图像经过ISP处理器840进行处理后可直接发送至显示器870进行显示，显示器870也可以读取图像存储器860中的图像以进行显示。第二摄像头820和第二ISP处理器840也可以实现如第一摄像头810和第一ISP处理器830所描述的处理过程。

以下为运用图8中图像处理技术实现图像处理方法的步骤。

本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

从待处理图像中获取图像信息；

根据所述图像信息获取与所述待处理图像匹配的轮廓光的打光强度；

根据所述打光强度对所述待处理图像添加轮廓光。

2.根据权利要求1所述的方法，其特征在于，所述从待处理图像中获取图像信息，包括：

从待处理图像中获取肤色信息及性别信息，所述肤色信息包括黄皮肤、黑皮肤及白皮肤，所述性别信息包括男性及女性。

3.根据权利要求2所述的方法，其特征在于，所述根据所述图像信息获取与所述待处理图像匹配的轮廓光的打光强度，包括：

根据所述图像信息从预设轮廓光打光强度序列中获取与所述待处理图像匹配的轮廓光的打光强度。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据图像的肤色信息及性别信息设置与所述图像匹配的轮廓光的打光强度，得到预设轮廓光打光强度序列，所述预设轮廓光打光强度序列中每一种肤色信息及性别信息的图像对应一种轮廓光打光强度。

5.根据权利要求4所述的方法，其特征在于，所述根据图像的肤色信息及性别信息设置与所述图像匹配的轮廓光的打光强度，得到预设轮廓光打光强度序列，包括：

获取图像训练集，所述图像训练集中包括具有不同肤色信息及性别信息的人物图像；

对所述图像训练集中的人物图像按照肤色信息及性别信息进行分类，得出图像类别，每一种图像类别中包含具有相同肤色信息及性别信息的人物图像；

分别对每一类图像类别进行训练，得出与所述图像类别匹配的轮廓光的打光强度；

由图像类别及与所述图像类别匹配的轮廓光的打光强度构成预设轮廓光打光强度序列。

6.根据权利要求5所述的方法，其特征在于，所述预设轮廓光打光强度序列中的图像类别包括六类，分别为女性且为黄皮肤、女性且为黑皮肤、女性且为白皮肤、男性且为黄皮肤、男性且为黑皮肤及男性且为白皮肤。

7.根据权利要求1所述的方法，其特征在于，根据所述图像信息获取与所述待处理图像匹配的轮廓光的打光强度，包括：

根据所述图像信息、预设轮廓光光效模板，获取与所述待处理图像匹配的轮廓光的打光强度，所述预设轮廓光光效模板为采用卷积神经网络进行训练所得到。

8.一种图像处理装置，其特征在于，所述装置包括：

图像信息获取模块，用于从待处理图像中获取图像信息；

轮廓光的打光强度获取模块，用于根据所述图像信息获取与所述待处理图像匹配的轮廓光的打光强度；

轮廓光添加模块，用于根据所述打光强度对所述待处理图像添加轮廓光。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的图像处理方法的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的图像处理方法的步骤。