CN109903260B - 图像处理方法及图像处理装置 - Google Patents

图像处理方法及图像处理装置 Download PDF

Info

Publication number
CN109903260B
CN109903260B CN201910102854.3A CN201910102854A CN109903260B CN 109903260 B CN109903260 B CN 109903260B CN 201910102854 A CN201910102854 A CN 201910102854A CN 109903260 B CN109903260 B CN 109903260B
Authority
CN
China
Prior art keywords
images
pixel
target
value
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910102854.3A
Other languages
English (en)
Other versions
CN109903260A (zh
Inventor
邹学益
周一韧
许松岑
刘健庄
颜友亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201910102854.3A priority Critical patent/CN109903260B/zh
Publication of CN109903260A publication Critical patent/CN109903260A/zh
Priority to PCT/CN2019/114869 priority patent/WO2020155714A1/zh
Priority to US17/388,386 priority patent/US12020472B2/en
Application granted granted Critical
Publication of CN109903260B publication Critical patent/CN109903260B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种图像处理方法，该方法包括：获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；根据各位置的参考值确定各位置的目标像素；根据各位置的目标像素生成目标图像。实施本申请提供的方法，能够智能地、高效地对图像进行合成，获得目标图像，可以应用于终端人工智能领域。

Description

图像处理方法及图像处理装置
技术领域
本申请涉及计算机技术领域，尤其涉及一种图像处理方法及图像处理装置。
背景技术
随着社交应用(application，app)以及短视频软件的迅猛发展，越来越多的用户开始拍摄视频，并在朋友圈等社交应用或短视频软件中进行分享。因此如何拍出新奇、有意思的视频或图片吸引人气，成为用户使用手机拍摄视频或图片的需求之一。
一般地，用户通过手机连续拍摄多种包括主体(如翻跟斗的人)做一系列动作的图片，并选取其中一张图片作为基础图片；然后在拍摄的每张图片中选择需要保留的运动主体的区域，如用户通过用手指画出要保留的区域来选择需要保留的运动主体的区域；最后，根据用户勾勒出的保留区域抠出运动主体，并将用户勾勒出的保留区域贴到基础图片的适当位置，合成呈现具有运动主体分身效果的静态图片。然而，该种通过用户选择保留区域与基础图像合成的方法，不仅会使选择的保留区域的精确度低下，而且合成的图像的效果也不好。
发明内容
本申请提供了一种图像处理方法及图像处理装置，能够高效且智能对图像进行合成，以生成高质量的图像。
第一方面，本申请实施例提供了一种图像处理方法，包括：获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；根据各位置的参考值确定各位置的目标像素；根据各位置的目标像素生成目标图像。
本申请实施例中，根据N张图像中处于相同位置的像素的特征值得到相应位置的参考值，可理解为如N张图像中处于相同位置的像素的特征值分别为f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)，则相应位置的参考值f(i)可根据f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)来得到；其中，f(i，x)为N张图像中第x张图像中第i个位置的特征值，f(i)为位置i的参考值。又如N张图像中位置j的像素的特征值分别为f(j，1)、f(j，2)、f(j，3)、…、f(j，N-1)、f(j，N)，则位置j的参考值f(j)可分根据f(j，1)、f(j，2)、f(j，3)、…、f(j，N-1)、f(j，N)来得到。由此便可根据f(i)来确定位置i的目标像素，以及根据f(j)来确定位置j的目标像素，从而根据位置i的目标像素和位置j的目标像素生成目标图像；其中，目标图像中的位置i的像素由f(i)得到，目标图像中的位置j的像素由f(j)得到。可理解，位置i和位置j仅为一种示例，在N张图像中还会包括更多的相同位置，因此，不应将本申请实施例示出的位置i和位置j理解为对本申请实施例的限定。可理解，本申请实施例中f(i，x)为N张图像中第x张图像中第i个位置的特征值中所示出的第i个位置仅仅为一种示例，不应将其理解为每张图像中的位置有排序。
本申请实施例中，通过N张图像中相同位置的像素的特征值得到相应位置的参考值，从而根据各个位置的参考值得到各个位置的目标像素，进而可根据各个位置的目标像素来生成目标图像，避免了用户手动选择来生成图像，自动实现了图像的合成。
结合第一方面，在一种可能的实现方式中，所述根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值包括：获取处于所述N张图像中位置i的像素的特征值得到特征值集合i，所述位置i为所述N张图像中任一相同位置；根据所述特征值集合i得到所述位置i的参考值。
本申请实施例中，获取处于N张图像中位置i的像素的特征值得到特征值集合i，可理解为获取N张图像中处于相同位置i的像素的特征值得到特征值集合i。如该特征值集合i可为f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)，其中，f(i，x)为N张图像中第x张图像中第i个位置的特征值。由此，位置i的参考值f(i)可由f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)得到。
结合第一方面或第一方面的任一种可能的实现方式中，所述根据所述特征值集合i得到所述位置i的参考值包括：将所述特征值集合i的平均值作为所述位置i的参考值。
本申请实施例中，可通过计算特征值集合i中所包括的特征值的平均值，从而来得到位置i的参考值。如位置i的参考值f(i)可由f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)的平均值来得到。
结合第一方面或第一方面的任一种可能的实现方式中，所述根据所述特征值集合i得到所述位置i的参考值包括：将所述特征值集合i的中位值作为所述位置i的参考值。
本申请实施例中，可通过计算特征值集合i中所包括的特征值的中位值，从而来得到位置i的参考值。如位置i的参考值f(i)可由f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)中的中位值来得到。可理解，以上所示的位置i仅为一种示例，在具体实现中，位置i可为N张图像中任一相同位置。
结合第一方面或第一方面的任一种可能的实现方式中，所述根据所述特征值集合i得到所述位置i的参考值包括：将所述特征值集合i中的众数作为所述位置i的参考值。
结合第一方面或第一方面的任一种可能的实现方式中，所述根据各位置的参考值确定各位置的目标像素包括：从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最小的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
本申请实施例中，如N张图像中位置j的像素分别为y(j，1)、y(j，2)、y(j，3)、…、y(j，N-1)、y(j，N)，则可从其中选取特征值与位置j的参考值f(j)相差最小的像素如y(j，x1)，从而将y(j，x1)作为位置j的目标像素。可理解，y(j，1)的特征值即为前述实施例中的f(j，1)，…，y(j，x1)的特征值即为f(j，x1)，也就是说，可以从特征值集合f(j，1)，f(j，2)，…，f(j，N)中选取与f(j)相差最小的特征值如f(j，x1)，从而将f(j，x1)对应的像素y(j，x1)作为位置j的目标像素。
其中，从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最小的像素作为所述位置j的目标像素，也可理解为，从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值最接近的像素作为所述位置j的目标像素。
结合第一方面或第一方面的任一种可能的实现方式中，所述根据各位置的参考值确定各位置的目标像素包括：从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最大的的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
本申请实施例中，如N张图像中位置j的像素分别为y(j，1)、y(j，2)、y(j，3)、…、y(j，N-1)、y(j，N)，则可从其中选取特征值与位置j的参考值f(j)相差最大的像素如y(j，x2)，从而将y(j，x2)作为位置j的目标像素。可理解，y(j，1)的特征值即为前述实施例中的f(j，1)，…，y(j，x2)的特征值即为f(j，x2)，也就是说，可以从特征值集合f(j，1)，f(j，2)，…，f(j，N)中选取与f(j)相差最大的特征值如f(j，x2)，从而将f(j，x2)对应的像素y(j，x2)作为位置j的目标像素。
其中，从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最大的像素作为所述位置j的目标像素，也可理解为，从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值最远的像素作为所述位置j的目标像素。
可理解，以上所示的位置j仅为一种示例，在具体实现中，位置j可为N张图像中任一相同位置。
结合第一方面或第一方面的任一种可能的实现方式中，任一像素的特征值包括像素的局部特征的特征值。
结合第一方面或第一方面的任一种可能的实现方式中，任一像素的特征值包括灰度值和平方值中的一项或多项。
结合第一方面或第一方面的任一种可能的实现方式中，任一像素的特征值包括像素的局部特征的特征值与灰度值的和；或者，任一像素的特征值包括像素的局部特征的特征值与平方值的和。
结合第一方面或第一方面的任一种可能的实现方式中，所述获取N张图像包括：获取原始视频中的N个视频帧作为所述N张图像。
结合第一方面或第一方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述根据各位置的目标像素生成目标图像之后，所述方法还包括：根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断增加的视频。
结合第一方面或第一方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述根据各位置的目标像素生成目标图像之后，所述方法还包括：根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断减少的视频。
结合第一方面或第一方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述目标图像在所述N张图像中的位置不同，所述目标图像包括N个所述目标对象。
第二方面，本申请实施例提供了一种图像处理装置，包括：获取单元，用于获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；第一处理单元，用于根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；
第二处理单元，用于根据各位置的参考值确定各位置的目标像素；图像生成单元，用于根据各位置的目标像素生成目标图像。
结合第二方面，在一种可能的实现方式中，所述第一处理单元，具体用于获取处于所述N张图像中位置i的像素的特征值得到特征值集合i，所述位置i为所述N张图像中任一相同位置；以及根据所述特征值集合i得到所述位置i的参考值。
结合第二方面或第二方面的任一种可能的实现方式中，所述第二处理单元，具体用于从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最小的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
结合第二方面或第二方面的任一种可能的实现方式中，所述第二处理单元，具体用于从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最大的的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
结合第二方面或第二方面的任一种可能的实现方式中，所述第一处理单元根据所述特征值集合i得到所述位置i的参考值，具体用于将所述特征值集合i的平均值作为所述位置i的参考值。
结合第二方面或第二方面的任一种可能的实现方式中，所述第一处理单元根据所述特征值集合i得到所述位置i的参考值，具体用于将所述特征值集合i的中位值作为所述位置i的参考值。
结合第二方面或第二方面的任一种可能的实现方式中，所述第一处理单元根据所述特征值集合i得到所述位置i的参考值，具体用于将所述特征值集合i中的众数作为所述位置i的参考值。
结合第二方面或第二方面的任一种可能的实现方式中，任一像素的特征值包括像素的局部特征的特征值。
结合第二方面或第二方面的任一种可能的实现方式中，任一像素的特征值包括灰度值和平方值中的一项或多项。
结合第二方面或第二方面的任一种可能的实现方式中，所述任一像素的特征值包括像素的局部特征的特征值与灰度值的和；或者，所述任一像素的特征值包括像素的局部特征的特征值与平方值的和。
结合第二方面或第二方面的任一种可能的实现方式中，所述获取单元，具体用于获取原始视频中的N个视频帧作为所述N张图像。
结合第二方面或第二方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述图像处理装置还包括：视频合成单元，用于根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断增加的视频。
结合第二方面或第二方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述图像处理装置还包括：视频合成单元，用于根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断减少的视频。
结合第二方面或第二方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述目标对象在所述N张图像中的位置不同，所述目标图像包括N个所述目标对象。
第三方面，本申请实施例提供了一种电子设备，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述存储器与所述处理器耦合，当所述处理器执行所述计算机指令时，所述处理器，用于获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；以及根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；以及根据各位置的参考值确定各位置的目标像素；以及根据各位置的目标像素生成目标图像。
结合第三方面或第三方面的任一种可能的实现方式中，所述电子设备还包括：显示屏，所述显示屏与所述处理器耦合，所述显示屏，用于显示所述N张图像和所述目标图像中的一项或多项。
结合第三方面，在一种可能的实现方式中，所述处理器，具体用于获取处于所述N张图像中位置i的像素的特征值得到特征值集合i，所述位置i为所述N张图像中任一相同位置；根据所述特征值集合i得到所述位置i的参考值。
结合第三方面或第三方面的任一种可能的实现方式中，所述处理器，具体用于从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最小的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
结合第三方面或第三方面的任一种可能的实现方式中，所述处理器，具体用于从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最大的的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
结合第三方面或第三方面的任一种可能的实现方式中，所述处理器，具体用于将所述特征值集合i的平均值作为所述位置i的参考值。
结合第三方面或第三方面的任一种可能的实现方式中，所述处理器，具体用于将所述特征值集合i的中位值作为所述位置i的参考值。
结合第三方面或第三方面的任一种可能的实现方式中，所述处理器，具体用于将所述特征值集合i中的众数作为所述位置i的参考值。
结合第三方面或第三方面的任一种可能的实现方式中，任一像素的特征值包括像素的局部特征的特征值。
结合第三方面或第三方面的任一种可能的实现方式中，任一像素的特征值包括灰度值和平方值中的一项或多项。
结合第三方面或第三方面的任一种可能的实现方式中，所述任一像素的特征值包括像素的局部特征的特征值与灰度值的和；或者，所述任一像素的特征值包括像素的局部特征的特征值与平方值的和。
结合第三方面或第三方面的任一种可能的实现方式中，所述处理器，具体用于获取原始视频中的N个视频帧作为所述N张图像。
结合第三方面或第三方面的任一种可能的实现方式中，所述电子设备还包括：摄像头，所述摄像头与所述处理器耦合，所述摄像头，用于获取所述原始视频。
结合第三方面或第三方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述处理器，还用于根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断增加的视频。
结合第三方面或第三方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述处理器，还用于根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断减少的视频。
结合第三方面或第三方面的任一种可能的实现方式中，所述N张图像中每张图像包括目标对象，所述目标对象在所述N张图像中的位置不同，所述目标图像包括N个所述目标对象。
第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质包括计算机指令，当所述计算机指令在电子设备上执行时，使得所述电子设备执行如第一方面或第一方面的任一种可能的实现方式。
第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面或第一方面的任一种可能的实现方式。
附图说明
图1是本申请实施例提供的一种电子设备的结构示意图；
图2是本申请实施例提供的另一种电子设备的结构示意图；
图3是本申请实施例提供的一种电子设备的软件结构框图；
图4是本申请实施例提供的一种图像处理方法的流程示意图；
图5是本申请实施例提供的一种位置匹配的示意图；
图6是本申请实施例提供的另一种位置匹配的示意图；
图7是本申请实施例提供的又一种位置匹配的示意图；
图8是本申请实施例提供的又一种位置匹配的示意图；
图9是本申请实施例提供的另一种图像处理方法的流程示意图
图10是本申请实施例提供的一种基于图7生成的目标图像的示意图；
图11是本申请实施例提供的另一种目标图像的示意图；
图12是本申请实施例提供的一种基于图7生成的目标图像的示意图；
图13是本申请实施例提供的又一种目标图像的示意图；
图14是本申请实施例提供的一种目标视频的示意图；
图15是本申请实施例提供的另一种目标视频的示意图；
图16是本申请实施例提供的图像处理方法的场景示意图；
图17是本申请实施例提供的一种获取图像的场景示意图；
图18是本申请实施例提供的另一种获取图像的场景示意图；
图19是本申请实施例提供的一种图像处理装置的结构示意图；
图20是本申请实施例提供的另一种图像处理装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图对本申请实施例进行描述。
本申请的说明书、权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上，“至少两个(项)”是指两个或三个及三个以上，“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
参考图1，图1是本申请实施例提供的一种电子设备的结构示意图，如图1所示，该电子设备可以包括处理器110，存储器120，摄像头130和显示屏140。该处理器110、存储器120、摄像头130和显示屏140通过连接器相耦合，该连接器包括各类接口、传输线或总线等等，本申请实施例对此不作限定。应当理解，本申请的各个实施例中，耦合是指通过特定方式的相互联系，包括直接相连或者通过其他设备间接相连，例如可以通过各类接口、传输线、总线等相连。
处理器110可以是一个或多个中央处理器(central processing unit，CPU)，在处理器110是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。可选的，处理器110可以是多个处理器构成的处理器组，多个处理器之间通过一个或多个总线彼此耦合。可选的，该处理器还可以为其他类型的处理器等等，本申请实施例不作限定。
存储器120可用于存储计算机程序指令，包括操作系统(operation system，OS)、以及用于执行本申请方案的程序代码在内的各类计算机程序代码，可选的，存储器120包括但不限于是非掉电易失性存储器，例如是嵌入式多媒体卡(embedded multi media card，EMMC)、通用闪存存储(universal flash storage，UFS)或只读存储器(read-only memory，ROM)，或者是可存储静态信息和指令的其他类型的静态存储设备，还可以是掉电易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的程序代码并能够由计算机存取的任何其他计算机可读存储介质等，该存储器120用于存储相关指令及数据。
可理解，本申请实施例中，存储器不仅可用于存储相关指令，还可用于存储相关图像以及视频，如该存储器可用于存储通过摄像头130获取的原始视频，又或者该存储器还可用于存储通过处理器110而生成的目标图像以及目标视频等等，本申请实施例对于该存储器中具体所存储的视频或图像不作限定。
摄像头130，可用于获取相关视频或图像等等，显示屏140可用于显示相关视频或图像，如该显示屏140可用于显示目标图像以及目标视频等等，本申请实施例不作限定。
进一步地，参考图2，图2是本申请实施例提供的另一种电子设备的结构示意图，如图2所示，该电子设备可以包括处理器210，外部存储器接口220，内部存储器221，通用串行总线(universal serial bus，USB)接口230，充电管理模块240，电源管理模块241，电池242，天线1，天线2，移动通信模块250，无线通信模块260，音频模块270，扬声器270A，受话器270B，麦克风270C，耳机接口270D，传感器模块280，按键290，马达291，指示器292，摄像头293，显示屏294，以及用户标识模块(subscriber identification module，SIM)卡接口295等。其中传感器模块280可以包括压力传感器280A，陀螺仪传感器280B，气压传感器280C，磁传感器280D，加速度传感器280E，距离传感器280F，接近光传感器280G，指纹传感器280H，温度传感器280J，触摸传感器280K，环境光传感器280L，骨传导传感器280M等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备的具体限定。在本申请另一些实施例中，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
处理器210可以包括一个或多个处理单元，例如：处理器210可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
其中，控制器可以是电子设备的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器210中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器210中的存储器为高速缓冲存储器。该存储器可以保存处理器210刚用过或循环使用的指令或数据。
在一些实施例中，处理器210可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。
可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备的结构限定。在本申请另一些实施例中，电子设备也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
充电管理模块240用于从充电器接收充电输入。充电管理模块240为电池242充电的同时，还可以通过电源管理模块241为电子设备供电。
电源管理模块241用于连接电池242，充电管理模块240与处理器210。电源管理模块241接收电池242和/或充电管理模块240的输入，为处理器210，内部存储器221，外部存储器，显示屏294，摄像头293，和无线通信模块260等供电。电源管理模块241还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块241也可以设置于处理器210中。在另一些实施例中，电源管理模块241和充电管理模块240也可以设置于同一个器件中。
电子设备的无线通信功能可以通过天线1，天线2，移动通信模块250，无线通信模块260，调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。例如，本申请实施例中，天线1和天线2可以用于向云服务器发送数据，以将保存在电子设备存储器内的图像或视频(包括目标图像、原始视频和目标视频中的一项或多项)等备份至云端。天线1和天线2还可以用于向云服务器发送下载请求，下载请求用于获取备份在云端的图片。天线1和天线2还可以用于接收云服务器响应于电子设备发送的下载请求而发送的数据。又例如，本申请实施例中，天线1和天线2还可以用于向其他电子设备发送数据，以将获得的目标图像和目标视频发送给其他电子设备等等。
移动通信模块250可以提供应用在电子设备上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块250可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。移动通信模块250可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块250还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块250的至少部分功能模块可以被设置于处理器210中。在一些实施例中，移动通信模块250的至少部分功能模块可以与处理器210的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器210，与移动通信模块250或其他功能模块设置在同一个器件中。
无线通信模块260可以提供应用在电子设备上的包括无线局域网(wirelesslocal area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块260可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块260经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器210。无线通信模块260还可以从处理器210接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
在一些实施例中，电子设备的天线1和移动通信模块250耦合，天线2和无线通信模块260耦合，使得电子设备可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications，GSM)，通用分组无线服务(general packet radio service，GPRS)，码分多址接入(code divisionmultiple access，CDMA)，宽带码分多址(wideband code division multiple access，WCDMA)，时分码分多址(time-division code division multiple access，TD-SCDMA)，长期演进(long term evolution，LTE)，BT，GNSS，WLAN，NFC，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system，GPS)，全球导航卫星系统(globalnavigation satellite system，GLONASS)，北斗卫星导航系统(beidou navigationsatellite system，BDS)，准天顶卫星系统(quasi-zenith satellite system，QZSS)和/或星基增强系统(satellite based augmentation systems，SBAS)。
电子设备通过GPU，显示屏294，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏294和应用处理器。处理器210可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏294用于显示图像和视频等。显示屏294包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dot lightemitting diodes，QLED)等。在一些实施例中，电子设备可以包括1个或多个显示屏294。例如，在本申请实施例中，显示屏294可以用于显示相关图像或视频如显示目标图像和目标视频。
电子设备可以通过ISP，摄像头293，视频编解码器，GPU，显示屏294以及应用处理器等实现拍摄功能。
ISP用于处理摄像头293反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点，亮度，肤色进行算法优化。ISP还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP可以设置在摄像头293中。
摄像头293用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，电子设备可以包括1个或多个摄像头293。
数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当电子设备在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备可以支持一种或多种视频编解码器。这样，电子设备可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，MPEG)1，MPEG2，MPEG3，MPEG4等。
NPU为神经网络(neural-network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现电子设备的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
外部存储器接口220可以用于连接外部存储卡，例如Micro SD卡，实现电子设备的存储能力。外部存储卡通过外部存储器接口220与处理器210通信，实现数据存储功能。例如，本申请实施例中可以将图像或视频保存在外部存储卡中，电子设备的处理器210可以通过外部存储器接口220获取保存在外部存储卡中的图片。
内部存储器221可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理器210通过运行存储在内部存储器221的指令，从而执行电子设备的各种功能应用以及数据处理。内部存储器221可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储电子设备使用过程中所创建的数据(比如音频数据，电话本，图片等)等。此外，内部存储器221可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。例如，在本申请实施例中，内部存储器221可以用于存储多帧图像或视频，该多帧图像或视频可以是电子设备通过摄像头293拍摄得到的，也可以是电子设备通过天线1和天线2从其他应用(例如微信、微博、facebook等)中接收后并下载得到的。
电子设备可以通过音频模块270，扬声器270A，受话器270B，麦克风270C，耳机接口270D，以及应用处理器等实现音频功能。例如音乐播放，录音等。
压力传感器280A用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器280A可以设置于显示屏294。
陀螺仪传感器280B可以用于确定电子设备的运动姿态。陀螺仪传感器280B还可以用于导航，体感游戏场景。气压传感器280C用于测量气压。磁传感器280D包括霍尔传感器。加速度传感器280E可检测电子设备在各个方向上(一般为三轴)加速度的大小。距离传感器280F，用于测量距离。接近光传感器280G可以包括例如发光二极管(LED)和光检测器，例如光电二极管。电子设备可以利用接近光传感器280G检测用户手持电子设备贴近耳朵通话，以便自动熄灭屏幕达到省电的目的。接近光传感器280G也可用于皮套模式，口袋模式自动解锁与锁屏。环境光传感器280L用于感知环境光亮度。环境光传感器280L也可用于拍照时自动调节白平衡。
指纹传感器280H用于采集指纹。电子设备可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。
温度传感器280J用于检测温度。
触摸传感器280K，也称“触控面板”。触摸传感器280K可以设置于显示屏294，由触摸传感器280K与显示屏294组成触摸屏，也称“触控屏”。触摸传感器280K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏294提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器280K也可以设置于电子设备的表面，与显示屏294所处的位置不同。
骨传导传感器280M可以获取振动信号。骨传导传感器280M也可以接触人体脉搏，接收血压跳动信号。
按键290包括开机键，音量键等。按键290可以是机械按键。也可以是触摸式按键。电子设备可以接收按键输入，产生与电子设备的用户设置以及功能控制有关的键信号输入。
马达291可以产生振动提示。马达291可以用于来电振动提示，也可以用于触摸振动反馈。
指示器292可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。
SIM卡接口295用于连接SIM卡。SIM卡可以通过插入SIM卡接口295，或从SIM卡接口295拔出，实现和电子设备的接触和分离。电子设备可以支持1个或多个SIM卡接口。电子设备通过SIM卡和网络交互，实现通话以及数据通信等功能。
电子设备的软件系统可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本申请实施例以分层架构的Android系统为例，示例性说明电子设备的软件结构。
图3是本申请实施例的电子设备的软件结构框图。
分层架构将软件分成若干个层，层与层之间通过软件接口通信。在一些实施例中，将Android系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(Android runtime)和系统库，以及内核层。
应用程序层可以包括一系列应用程序包。
如图3所示，应用程序包可以包括，短信息，facebook，QQ，地图，相册，日历，WLAN，推特(twitter)，音乐播放器，亚马逊等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图3所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。
内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。
视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。
电话管理器用于提供电子设备的通信功能。例如通话状态的管理(包括接通，挂断等)。
资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。
系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(Media Libraries)，三维图形处理库(例如：OpenGL ES)，2D图形引擎(例如：SGL)等。
表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如：MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。
三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。
示例性的，以下实施例中所涉及的技术方案均可以在具有上述硬件架构和软件架构的电子设备中实现。以下结合附图和应用场景对本申请实施例提供的图像处理方法进行详细介绍。
参见图4，图4是本申请实施例提供的一种图像处理方法的流程示意图，该图像处理方法可应用于图1至图3所示的电子设备。如图4所示，该图像处理方法至少包括：
401、电子设备获取N张图像，上述N张图像具有相同的像素数量和相同的像素位置排列，上述N为大于1的整数。
本申请实施例中，N张图像具有相同的像素数量和相同的像素位置排列，可理解为，该N张图像中的像素数量均相同，以及该N张图像中的像素位置的排列也相同。也可理解为，该N张图像具有相同的分辨率。具体的，图像分辨率可以用图像的水平像素数*垂直像素数来表示，又或者，图像分辨率可以用图像的长*宽来表示。可选的，每张图像的像素数量为多少，可以以像素的数量来衡量，或者，也可以以图像的尺寸来衡量，也就是说，该N张图像以同样的尺寸标准来衡量时，该N张图像的长相同，以及该N张图像的宽也相同。因此，本申请实施例，对于以哪种标准来衡量N张图像具有相同的像素数量以及相同的像素位置排列不作限定。
在一个实施例中，电子设备获取N张图像的方法，如该电子设备可以获取原始视频中的N个视频帧来作为该N张图像。其中，该原始视频可以为用户通过电子设备拍摄的视频，如通过图1所示的摄像头130拍摄，又或者，通过图2所示的摄像头293拍摄。或者，该原始视频还可以为用户通过电子设备从云端或其他电子设备获取的视频等等，本申请实施例对于该原始视频的来源不作限定。其中，电子设备从原始视频中获取N个视频帧的方法如可以通过等时间间隔法获取，也可以通过帧差法获取等等，本申请实施例对于该电子设备如何从原始视频中获取N个视频帧不作限定。举例来说，电子设备在从原始视频中选取N个视频帧时，可按照等时间间隔来选取每个视频帧。如电子设备可以以0.1s的时间间隔来分别选取每个视频帧，从而来得到N张图像。
在一个实施例中，电子设备获取N张图像的方法，如该电子设备可以通过图1所示的摄像头130拍摄该N张图像，又或者，通过图2所示的摄像头293拍摄该N张图像。或者，该N张图像还可以为用户通过电子设备从云端下载或直接从存储器中获取到的图像等等。
402、上述电子设备根据上述N张图像中处于相同位置的像素的特征值得到相应位置的参考值。
本申请实施例中，电子设备根据N张图像中处于相同位置的像素的特征值得到相应位置的参考值的具体实现方式，如该电子设备可以获取N张图像中具有相同位置的像素的特征值，然而根据具有相同位置的像素的特征值得到相应位置的参考值。其中，该相应位置可以为与N张图像中像素的位置相关的位置。举例来说，电子设备可以根据N张图像中处于相同位置i的像素的特征值得到位置i的像素的参考值，位置i为N张图像中的任意一个相同位置，即该N张图像中每张图像中都具有该位置i。
本申请实施例中，根据N张图像中处于相同位置的像素的特征值得到相应位置的参考值，还可理解为如N张图像中处于相同位置的像素的特征值分别为f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)，则相应位置的参考值f(i)可根据f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)来得到；其中，f(i，x)为N张图像中第x张图像中第i个位置的特征值，f(i)为位置i的参考值。又如N张图像中位置j的像素的特征值分别为f(j，1)、f(j，2)、f(j，3)、…、f(j，N-1)、f(j，N)，则位置j的参考值f(j)可分根据f(j，1)、f(j，2)、f(j，3)、…、f(j，N-1)、f(j，N)来得到。可理解，位置i和位置j仅为一种示例，在N张图像中还会包括更多的相同位置，因此，不应将本申请实施例示出的位置i和位置j理解为对本申请实施例的限定。可理解，本申请实施例中f(i，x)为N张图像中第x张图像中第i个位置的特征值中所示出的第i个位置仅仅为一种示例，不应将其理解为电子设备需要对每张图像中的位置进行排序，以及第x张图像也仅仅为一种示例，不应将其理解为电子设备需要对每张图像进行排序。可理解，f(i，x)仅为一种示例，至于该特征值具体取值多少本申请实施例不作限定。
在一些实施例中，由于电子设备获取了N张图像，因此N张图像中处于同一个相同位置的像素的特征值可包括N个。由此，上述根据上述N张图像中处于相同位置的像素的特征值得到相应位置的参考值包括：
获取处于上述N张图像中位置i的像素的特征值得到特征值集合i，上述位置i为上述N张图像中任一相同位置；
根据上述特征值集合i得到上述位置i的参考值。
本实施例中，特征值集合i中可包括图像1的位置i的像素的特征值、图像2的位置i的像素的特征值，…，图像N的位置i的像素的特征值，由此，电子设备可根据图像1的位置i的像素的特征值、图像2的位置i的像素的特征值，…，图像N的位置i的像素的特征值来得到位置i的参考值。可理解，位置i的参考值可以由特征值集合i中所包括的特征值经过一些运算或相关规则来得到。可理解，位置i仅为一个示例，在具体实现中，i的取值可以与每张图像的像素的数量相同。
本实施例中，如该特征值集合i还可为f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)，其中，f(i，x)为N张图像中第x张图像中第i个位置的特征值。由此，位置i的参考值f(i)可由f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)得到。
在一些实施例中，上述根据上述特征值集合i得到上述位置i的参考值包括：
将上述特征值集合i的平均值作为上述位置i的参考值。
本实施例中，电子设备可以将特征值集合i中所包括的各个特征值的平均值作为位置i的参考值。也就是说，电子设备可将图像1的位置i的像素的特征值、图像2的位置i的像素的特征值，…，图像N的位置i的像素的特征值，即N个特征值的平均值作为位置i的参考值。如以f(i，x)为例，则位置i的参考值值可由f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)得到的平均值得到。
在一些实施例中，上述根据上述特征值集合i得到上述位置i的参考值包括：
将上述特征值集合i的中位值作为上述位置i的参考值。
本实施例中，电子设备可以将特征值集合i中所包括的N个特征值中的中位值作为位置i的参考值。也就是说，电子设备可将图像1的位置i的像素的特征值、图像2的位置i的像素的特征值，…，图像N的位置i的像素的特征值，即N个特征值中的中位值作为位置i的参考值。可理解，该情况下，N可为大于2的整数。如以f(i，x)为例，则位置i的参考值值可由f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)中的中位值得到。
可选的，电子设备还可根将上述特征值集合i中的众数作为上述位置i的参考值。也就是说，电子设备可将图像1的位置i的像素的特征值、图像2的位置i的像素的特征值，…，图像N的位置i的像素的特征值，即N个特征值中的众值(即出现次数最多的特征值)作为位置i的参考值。
作为示例，图5是本申请实施例提供的一种位置匹配的示意图，如图5中的5a所示，N张图像中的相同位置可包括右上角所示的花纹以及左上角所示的实心，电子设备可根据N张图像中每张图像中的左上角位置(即黑色实心方块)的像素的特征值来得到左上角位置的参考值。以及根据N张图像中每张图像中的右上角位置(花纹方块)的像素的特征值来得到右上角位置的参考值。其中，图5中的5a中的左上角位置的特征值集合可包括第一张图像左上角位置的像素的特征值、第二张图像左上角位置的像素的特征值、…、第N-1张图像左上角位置的像素的特征值以及第N张图像左上角位置的像素的特征值。以及图5中的5a中的右上角位置的特征值集合可包括第一张图像右上角位置的像素的特征值、第二张图像右上角位置的像素的特征值、…、第N-1张图像右上角位置的像素的特征值以及第N张图像右上角位置的像素的特征值。可理解，图中所示的第N张图像仅为一种示例，在具体实现中，电子设备可不对N张图像进行排序。以及，图中仅示出四张图像，以及两个相同位置，不应将图5中的5a所示的图像数量以及相同位置数量理解为对本申请实施例的限定。
进一步地，左上角位置的参考值则可由第一张图像左上角位置的像素的特征值、第二张图像左上角位置的像素的特征值、…、第N-1张图像左上角位置的像素的特征值以及第N张图像左上角位置的像素的特征值，即N个特征值的平均值得到；又或者，由上述N个特征值的中位值得到；又或者，由上述N个特征值的众数得到。
作为示例，图6是本申请实施例提供的另一种位置匹配的示意图，如图6中的6a所示，如N＝4，且每张图像包括四个像素位置(仅为示例，在具体实现中，可能更多)。则4张图像中具有相同位置的位置i包括图6的6a中的位置1，图6的6b中的位置1，图6的6c中的位置1以及图6的6d中的位置1；还包括图6的6a中的位置2，图6的6b中的位置2，图6的6c中的位置2以及图6的6d中的位置2；还包括图6的6a中的位置3，图6的6b中的位置3，图6的6c中的位置3以及图6的6d中的位置3；以及还包括图6的6a中的位置4，图6的6b中的位置4，图6的6c中的位置4以及图6的6d中的位置4。由此，电子设备便可根据每张图像中的位置1的像素的特征值来得到位置1的参考值，根据每张图像中的位置2的像素的特征值来得到位置2的参考值，根据每张图像中的位置3的像素的特征值来得到位置3的参考值，以及根据每张图像中的位置4的像素的特征值来得到位置4的参考值。可理解，图6所示的图像的顺序仅为一种示例，在具体实现中，本申请实施例可不对图像排序。
进一步地，位置1的参考值可由各个图中位置1的像素的特征值的平均值得到，或者，由各个图中位置1的像素的特征值的中位值得到，或者，由各个图中位置1的像素的特征值的众数得到。位置2的参考值可由各个图中位置2的像素的特征值的平均值得到等等。位置3的参考值可由各个图中位置3的像素的特征值的平均值得到等等。以及位置4的参考值可由各个图中位置4的像素的特征值的平均值得到等等。
可理解，本申请实施例中，对于N张图像中任一像素的特征值如可包括像素的局部特征的特征值。其中，局部特征可包括局部二值模式(local binary patterns，LBP)局部特征或改进的局部二值模式(local binary similarity patterns，LBSP)局部特征。也就是说，任一像素的特征值可以包括像素的LBP的特征值和像素的LBSP的特征值中的一项或多项。其中，局部二值模式是一种用来描述图像局部纹理特征的算子，LBP特征具有灰度不变性和旋转不变性等显著优点，该局部二值模式可以将图像中的各个像素与其邻域像素进行比较，将结果保存为二进制数，并将得到的二进制比特串作为中心像素的编码值，即LBP特征值。可选的，该局部特征还可以包括图像的其他特征，如还可以包括图像sift特征，surf特征以及hog特征等等，本实施例对于该局部特征不作限定，进一步地，本实施例对于该局部特征的特征值的计算方法也不作唯一性限定。
本申请实施例中，任一像素的特征值还可包括灰度值和平方值中的一项或多项。如电子设备可以将任一像素的灰度值作为该任一像素的特征值。或者，该电子设备还可以将任一像素的平方值作为该任一像素的特征值。或者，该电子设备还可以将任一像素的灰度值与平方值的和作为该任一像素的特征值。如任一像素都可对应三维向量如RGB向量，例如，像素为(R，G，B)，则该像素的灰度值(gray)可为a×R+b×G+c×B，其中，a+b+c＝1。又如像素为(R，G，B)，则该像素的平方值为R2+G2+B2。可理解，在计算任一像素的平方值时，如像素为(R，G，B)，则该像素的平方值还可为d×R2+e×G2+f×B2，其中，本实施例对于d、e和f的具体取值不作限定。
进一步地，该任一像素的局部特征的特征值可包括像素的局部特征的灰度值、像素的局部特征的平方值中的一项或多项。由此，可选的，本申请实施例中，任一像素的特征值还可包括该像素的局部特征的特征值与像素的灰度值的和；或者，该任一像素的特征值还可包括像素的局部特征的特征值与像素的平方值的和。也就是说，任一像素的特征值可包括像素的局部特征的灰度值与灰度值的和、像素的局部特征的灰度值与平方值的和、像素的局部特征的平方值与灰度值的和以及像素的局部特征的平方值与平方值的和中的一项或多项。
因此，本申请实施例对于如何确定任一像素的特征值不作唯一性限定。
403、上述电子设备根据各位置的参考值确定各位置的目标像素。
本申请实施例中，电子设备可根据目标图像的类型来确定如何根据各位置的参考值得到各位置的目标像素。
如在一些实施例中，上述根据各位置的参考值确定各位置的目标像素包括：
从处于上述N张图像中位置j的像素中，选取特征值与上述位置j的参考值相差最小的像素作为上述位置j的目标像素，上述位置j为上述N张图像中任一相同位置。
本实施例中，如电子设备可以先从特征值集合j中选取与位置j的参考值相差最小的目标特征值，然后将目标特征值对应的像素作为位置j的目标像素。具体的，电子设备可从N张图像中位置j的N个像素中，选取特征值与位置j的参考值相差最小的像素作为位置j的目标像素。即该电子设备从N张图像中位置j的N个像素中，选取特征值与位置j的参考值最接近的像素作为位置j的目标像素。其中，特征值与位置j的参考值相差最小的像素可以包括特征值与位置j的参考值相同的像素。如N张图像中位置j的像素分别为y(j，1)、y(j，2)、y(j，3)、…、y(j，N-1)、y(j，N)，则可从其中选取特征值与位置j的参考值f(j)相差最小的像素如y(j，x1)，从而将y(j，x1)作为位置j的目标像素。可理解，y(j，1)的特征值即为前述实施例中的f(j，1)，…，y(j，x1)的特征值即为f(j，x1)，也就是说，可以从特征值集合f(j，1)，f(j，2)，…，f(j，N)中选取与f(j)相差最小的特征值如f(j，x1)，从而将f(j，x1)对应的像素y(j，x1)作为位置j的目标像素。
如以图6为例，电子设备可从各个图像中位置1的像素中，选取特征值与位置1的参考值相差最小的像素作为位置1的目标像素，也就是说，该位置1的目标像素可以为图6的6a中位置1的像素，也可以为图6的6b中的位置1的像素，也可以为图6的6c中的位置1的像素，也可以为图6的6d中的位置1的像素。
更详细的，举例来说，各个图像中位置1的像素的特征值依次为20、25、30和100，则位置1的参考值可为平均值43.75；则位置1的目标像素可为与43.75相差最小的特征值30的像素即图6的6c中的位置1的像素。可理解，以上各个数值仅为一种示例，不应将其理解为对本申请实施例的限定。
如在一些实施例中，上述根据各位置的参考值确定各位置的目标像素包括：
从处于上述N张图像中位置j的像素中，选取特征值与上述位置j的参考值相差最大的的像素作为上述位置j的目标像素，上述位置j为上述N张图像中任一相同位置。
本实施例中，如电子设备可以先从特征值集合j中选取与位置j的参考值相差最大的目标特征值，然后将目标特征值对应的像素作为位置j的目标像素。具体的，电子设备可从N张图像中位置j的N个像素中，选取特征值与位置j的参考值相差最大的像素作为位置j的目标像素。即该电子设备从N张图像中位置j的N个像素中，选取特征值与位置j的参考值最远的像素作为位置j的目标像素。
如以图6为例，电子设备可从各个图像中位置1的像素中，选取特征值与位置1的参考值相差最大的像素作为位置1的目标像素，也就是说，该位置1的目标像素可以为图6的6a中位置1的像素，也可以为图6的6b中的位置1的像素，也可以为图6的6c中的位置1的像素，也可以为图6的6d中的位置1的像素。
更详细的，举例来说，各个图像中位置1的像素的特征值依次为20、25、30和100，则位置1的参考值可为平均值43.75；则位置1的目标像素可为与43.75相差最大的特征值100的像素即图6的6c中的位置1的像素。可理解，以上各个数值仅为一种示例，不应将其理解为对本申请实施例的限定。
404、上述电子设备根据各位置的目标像素生成目标图像。
本申请实施例中，电子设备所生成的目标图像的像素数量与上述N张图像的像素数量相同，以及该目标图像的像素位置排列与上述N张图像的像素位置排列相同。其中，电子设备在依据步骤401至步骤403得到各个位置的目标像素后，便可根据该各个位置的目标像素来生成目标图像。如电子设备可将位置i的目标像素填入到目标图像的位置i中，将位置j的目标像素填入到目标图像的位置j中。又或者，电子设备还可以直接将各个位置的目标像素按照N张图像的像素位置进行排列，然后生成目标图像等等，本申请实施例对于该电子设备如何根据各位置的目标像素生成目标图像不作限定。如以前述实施例中的f(i，x)标识N张图像中第x张图像中第i个位置的特征值，以及如N张图像中处于相同位置的像素的特征值分别为f(i，1)、f(i，2)、f(i，3)、…、f(i，N-1)、f(i，N)，位置i的参考值为f(i)；又如N张图像中位置j的像素的特征值分别为f(j，1)、f(j，2)、f(j，3)、…、f(j，N-1)、f(j，N)，位置j的参考值为f(j)；则电子设备便可根据f(i)来确定位置i的目标像素，以及根据f(j)来确定位置j的目标像素，从而根据位置i的目标像素和位置j的目标像素生成目标图像；其中，目标图像中的位置i的像素由f(i)得到，目标图像中的位置j的像素由f(j)得到。
举例来说，以图5为例，电子设备根据图5的5a中的左上角位置的像素的特征值得到左上角位置的参考值后，便可根据左上角位置的参考值确定左上角位置的目标像素，进而便可得到图5的5b中目标图像左上角的像素。即电子设备依据左上角位置的参考值确定出的目标像素可为目标图像左上角位置的像素。
又举例来说，以图6为例，电子设备可根据图6的6a至6d中各个图像的位置1的像素的特征值得到位置1的参考值，然后根据位置1的参考值得到位置1的目标像素，由此图6的6e中位置1的像素即为电子设备所得到的位置1的目标像素。相应的，电子设备还可根据图6的6a至图6的6d中各个图像位置2的像素的特征值得到位置2的参考值，依据位置2的参考值确定出的目标像素即为图6的6e中位置2的像素。对于图6的6e中位置3和位置4的像素的确定方法这里不再一一赘述。
本申请实施例中，通过N张图像中相同位置的像素的特征值得到相应位置的参考值，从而根据各个位置的参考值得到各个位置的目标像素，进而可根据各个位置的目标像素来生成目标图像，避免了用户手动选择来生成图像，自动实现了图像的合成。
在实际应用中，用户常常会使用电子设备来拍摄运动的物体的视频，也就是说，该原始视频中可包括目标对象、且在该原始视频中该目标对象是运动的。可理解，该目标对象可为人或动物等等，如该目标对象还可理解为除背景之外的主体部分。该目标对象还可称为目标主体，或主体或运动主体等，本申请实施例对于该目标对象的名称不作唯一性限定。
在该情况下，电子设备通过图4所示的方法不仅可获得不包括目标对象的背景图像，还可获得包括目标对象的分身的静态图像。以上将详细说明电子设备是如何获取背景图像以及包括目标对象的分身的静态图像的。
包括目标对象的分身的静态图像的生成方法如下所示：
在本申请的一些实施例中，为提高电子设备所生成的目标图像的效果，因此，电子设备所获取的N张图像可为包括目标对象的图像，且目标对象在N张图像中的位置不同。
该情况下，目标对象在N张图像中的位置不同，可理解为该目标对象在每张图像中的位置完全不重叠；或者该目标对象在N张图像中的位置不同，但目标对象在至少两张图像中的位置重叠的情况。即目标对象包括的像素位置在每张图像中均无重叠，或者目标对象包括的像素位置在N张图像中至少有两张图像中重叠。如以图7和图8为例，如以图中示出的椭圆为目标对象，N＝4；则在图7中该目标对象的位置在四张图像中依次为位置1、位置3、位置5和位置6。在图8中该目标对象的位置在四张图像中依次为位置1、位置1和位置2、位置5以及位置5和位置6。由于图7中目标对象的位置完全不重叠，因此，在电子设备根据该四张图像生成目标图像时，该目标图像的效果明显高于电子设备依据图8中的四张图像生成的目标图像的效果。如图8中的四张图像生成的目标图像中也包括四个目标对象，但是目标图像中该四个目标对象会存在重叠等等。可理解，本申请实施例对于该目标对象所包括的像素数量具体为多少不作限定。
因此，参见图9，图9是本申请实施例提供的一种静态图像生成方法的流程示意图，该方法可应用于电子设备，如图9所示，该方法包括：
901、电子设备从原始视频中获取N个视频帧作为N张图像，其中，该N张图像为包括目标对象的图像，且该目标对象在该N张图像中的位置不同。
可选的，为进一步提高目标图像的效果，在电子设备所获取的原始视频中，目标对象在不同时刻的运动速度有快有慢的情况下，该电子设备具体可通过帧差法来获取目标对象在相邻帧之间的变化量，基于该变化量来选取N张图像，如相邻帧之间的帧差较大，如大于帧差阈值，则说明目标对象运动较快，则电子设备可多选取几个视频帧来作为N张图像，而若相邻帧之间的帧差较小，如小于帧差阈值，则为了避免N张图像中某些张图像中的目标对象在空间重合，则可少选取几个视频帧作为N张图像。可理解，帧差阈值可以由用户设置，也可以由电子设备设置等等，本申请实施例对于该帧差阈值的设置方法不作限定。该帧差阈值为用于衡量相邻帧之间的帧差大小的阈值，因此，对于该帧差阈值的具体取值本申请实施例也不作限定。
可选的，该电子设备还可通过等时间间隔法来获取N个视频帧作为N张图像等等。
可选的，为提高目标图像的显示效果，该N张图像中任意两张图像之间的亮度变化还可不超过亮度变化阈值。例如，电子设备可分别计算每张图像的平均亮度，然后根据每张图像的平均亮度的差别与亮度变化阈值的关系来确定该N张图像的亮度变化。可理解，亮度变化阈值的设置方法如可由用户通过电子设备来设置，也可以由电子设备自主设置等等，本申请实施例不作限定。以及对于该亮度变化阈值的具体取值，本申请实施例也不作限定。可选的，为提高目标图像的质量以及效果，又如，该N张图像中任意两张图像之间的场景至少有部分重叠，具体的，该N张图像中任意两张图像之间的场景相同(或理解为背景相同)等等，本申请实施例对于该N张图像的要求不作唯一性限定。
902、该电子设备获取该N张图像中位置i的像素的特征值得到特征值集合i，并根据特征值集合i的平均值得到位置i的参考值，位置i为N张图像中任一相同位置。
可理解，对于步骤902的具体实现方式可参考图4所示的具体实现方式，这里不再一一详述。
903、该电子设备从处于N张图像中位置i的像素中，选取特征值与位置i的参考值相差最大的像素作为位置i的目标像素。
904、该电子设备根据各位置的目标像素生成包括N个目标对象的静态图像。
本申请实施例中，在电子设备选取的位置i的目标像素为特征值与位置i的参考值相差最大的像素的情况下，该位置i的目标像素可能是背景的像素，也可能是目标对象的像素，如位置i的目标像素与N张图像中位置i的像素均相差不大，则该位置i的目标像素就可能是背景的像素；否则，该位置i的目标像素就可能是目标对象的像素。这是因为N张图像可能会出现每张图像中的同一位置均是背景的情况，由此位置i的目标像素可能是背景的像素；而如果N张图像中每张图像中的同一位置可能不全部是背景，即有一张或多张(小于N)图像中的同一位置是目标对象，则位置i的目标像素就可能的目标对象的像素。通过该种方法获得的目标图像中不仅可包括目标对象也可包括背景，实现了自动合成图像。
进一步地，本申请实施例中，由于目标对象运动的，也就是说，在N张图像中，该目标对象不在同一个位置，因此，在从处于N张图像中位置i的像素中，选取特征值与位置i的参考值相差最大的像素作为位置i的目标像素时，电子设备所获取到的位置i的目标像素可能为目标对象在某张图像中的像素，又或者，电子设备所获取到的位置i的目标像素可能为背景在某张图像的像素。以图7为例，对于位置2来说，电子设备从四张图像中位置2的像素中，所选取的像素仍为背景的像素，目标图像中位置2的像素为背景的像素。而对于位置1来说，由于第二张图像、第三张图像以及第四张图像中位置1的像素为背景的像素，由于背景像素之间相差不大，因此，在电子设备从位置1的像素中选取位置1的目标像素时，该位置1的目标像素即为第一张图像中位置1的像素。依次类推，电子设备在遍历完4张图像中所有的相同位置后，生成的目标图像可如图10所示，即电子设备所生成的目标图像为包括四个目标对象的图像。也就是说，该电子设备生成的目标图像中包括目标对象的分身。
参见图11，图11是本申请实施例提供的一种目标图像的示意图，如图10所示，图中运动的人可理解为目标对象，且图11中示出了该目标对象的不同分身。
可理解，在电子设备从原始视频中获取的是N-1个视频帧时，该电子设备便可依据图9所示的方法，生成包括N-1个目标对象的图像。也就是说，通过图9所示的方法生成的目标图像中所包括的目标对象的数量与N相同。
作为示例，获得静态图像(包括N个分身)的步骤可包括：
1)、从原始视频中获取N个视频帧作为N张图像，将N张图像堆叠成维度为3*W*H*N的图像堆；其中，3表示图像的通道数，即RGB通道，W和H可分别表示每张图像的宽和高，N表示N个图像。
2)、对该图像堆的各个图像中的像素进行特征转换，获得各个图像中的像素的特征值。
3)、基于各个图像中的像素的特征值，求得各个图像中处于相同位置i的像素的特征值的中位值(或平均值)，即确定位置i的参考值。
4)、基于N张图像中处于相同位置i的像素的特征值，求得N张图像中处于相同位置i的像素的特征值中，离N张图像中处于相同位置i的像素的特征值的中位值(或平均值)最远的特征值的索引，即确定N张图像中处于相同位置i的像素的特征值中，与位置i的参考值最远的特征值的索引。
5)、以步骤4)获得的索引，提取对应图像(即离位置i的参考值最远的特征值的像素所在的图像)的各个像素的RGB值，获得静态图像。
本申请实施例中，通过选取特征值与位置i的参考值相差最大的像素作为位置i的目标像素，从而来生成目标图像，且该目标图像为包括目标对象的分身的静态图像，避免了用户手动选择来生成图像，进而全自动地实现了图像的组合；而且通过获取包括目标对象的图像作为N张图像，以及该N张图像中的目标对象的像素位置完全不重叠，还有效提高了图像的质量，提高了图像的显示效果，避免了生成的目标图像中分身有重叠的情况。
可理解，电子设备在生成包括目标对象的分身的图像时，如在获取N张图像的过程中，为进一步增加目标图像的效果，该电子设备还可额外添加M张不包括目标对象的背景图像。从而增加图像的鲁棒性，使得目标图像的显示效果更好。
作为示例，获得目标图像的步骤可包括：
1)、将K张图像与(C-K)个背景图像堆叠成维度为3*W*H*C的图像堆；
2)、对该图像堆的各个图像中的像素进行特征转换，获得各个图像中的像素的特征值；
3)、基于各个图像中的像素的特征值，求得各个图像中处于相同位置i的像素的特征值的中位值(或平均值)；
4)、基于C张图像中处于相同位置i的像素的特征值，求得C张图像中处于相同位置i的像素的特征值中，离N张图像中处于相同位置i的像素的特征值的中位值(或平均值)最远的特征值的索引；
5)、以步骤4)获得的索引，提取对应图像的各个像素的RGB值，获得包括K个目标对象的静态图像。
可理解，对于背景图像的生成方法可如下所示：
由于不包括目标对象的图像即背景图像的像素与N张图像中处于相同位置的像素的变化不大，因此电子设备可从N张图像中位置j的像素中，选取特征值与位置j的参考值相差最小的像素作为位置j的目标像素，由此，该位置j的目标像素即为背景的像素。以图7为例，且以位置j的参考值根据N张图像中位置j的像素的特征值的中位值得到，则对于图7中各个图像中的位置1来说，由于有背景的像素与有目标对象的像素相差较大，因此该位置1的目标像素可为第二张图像中位置1的像素、或者可为第三张图像中位置1的像素，又或者为第四张图像中位置1的像素。对于图7中位置2的目标像素则可能为第一张图像中位置2的像素、或者为第二张图像中位置2的像素、又或者为第三张图像中位置2的像素、又或者为第四张图像中位置2的像素。依次类推，电子设备所生成的目标图像可如图12所示，从图12中可看出电子设备所生成的目标图像中不包括目标对象，即该目标对象为原始视频中的背景图像。
参见图13，图13是本申请实施例提供的一种目标图像的示意图，其中，图13中的背景与图11中的背景相同，即图11和图13是通过同一个原始视频处理得到。如图13所示，电子设备生成的不包括目标对象的图像即为背景图像。
作为示例，获得背景图像的步骤可包括：
1)、从原始视频中等间隔选取10个视频帧作为10张图像。
2)、对各个图像中的像素进行特征转换，获得各个图像的像素的特征值。
3)、基于各个图像的像素的特征值，求得10张图像中处于相同位置i的像素的特征值的中位值(或平均值)的索引，即确定10张图像中处于相同位置i的像素的特征值中，与位置i的参考值最接近的特征值的索引。
4)、以步骤3)获得的索引，提取对应图像(即离位置i的参考值最接近的特征值的像素所在的图像)的各个像素的RGB值，获得背景图像。
可理解，以上仅为示例，不应将其中的个数理解为对本实施例的限定。
可理解，以上所示出的各个实施例各有侧重，其中一个实施例未详尽描述的实现方式，还可参考其他实施例中的实现方式，这里不再一一详述。
可选的，在实际应用中，用户通过电子设备拍摄图像或视频的过程中，用户常常会手抖，从而影响图像或视频的拍摄。因此，本申请的一些实施例中，在获取N张图像之后，还可对该N张图像进行对齐与裁剪，从而消除由于手抖而造成的不良后果。如电子设备获取N张图像之后，以及根据上述N张图像中处于相同位置的像素的特征值得到相应位置的参考值之前，上述方法还包括：
对上述N张图像进行对齐处理，以使上述N张图像对齐；
确定上述N张图像中每张图像的有效区域，其中，N张图像中每张图像的有效区域相同；
上述根据上述N张图像中处于相同位置的像素的特征值得到相应位置的参考值包括：
根据上述N张图像中的有效区域内处于相同位置的像素的特征值得到相应位置的参考值。
本实施例中，对N张图像进行对齐处理之后，可使得电子设备快速有效地确定出该N张图像中每张图像的有效区域，提高电子设备的处理速度。可选的，电子设备还可以从上述N张图像中获取基准图像；根据该基准图像来进行对齐操作，即将其余的N-1帧图像与该基准图像对齐，然后裁剪出对齐之后的N张图像中每张图像的有效区域。其中，该有效区域也可理解为N张图像中各个图像之间的共同区域。
作为示例，如以电子设备根据基准图像进行对齐处理为例，来说明上述对齐与裁剪操作的具体步骤，如可包括：
1)、对N张图像进行特征点与描述子(oriented FAST and rotated BRIEF，ORB)关键点检测。如可将每张图像划分成20x20(仅为示例)的网格，对每个网格中的关键点根据非极大值抑制方法保留响应最大的关键点，对这些响应最大的关键点计算描述子。由此，通过获得每张图像中分布均匀的关键点(即所保留的响应最大的关键点)，可提高对齐处理的鲁棒性。
2)、N-1张图像(除去基准图像)中每张图像中保留的响应最大的关键点与基准图像中的关键点根据描述子进行匹配处理，从而确定对齐用的单应变换矩阵。
3)、对每张图像(N张图像中基准图像除外)根据单应变换矩阵进行变换，以与基准图像对齐。
4)、在对N张图像对齐之后，裁剪该N张图像的共同区域。如可以逐行(以及逐列)扫描每张图像，如对于某张图像来说，若出现相邻的Y(如Y可以取10)个像素为全0(表示黑色)，则认为此行(列)不在该某张图像的有效区域内。通过该方法可有效确定出N张图像的有效区域，即该有效区域可理解为各张图像区域的交集或共同区域。可选的，还可以通过采用多张并行的方式来确定某张图像的有效区域等。
可理解，以上步骤均可调用OpenCV(open source computer vision library)实现，本申请实施例对于上述所示的对齐与裁剪方法不作限定，在具体实现中，可能还包括其他方法等等。
可理解，以上示出的各个实施例是在电子设备获得的为目标图像的情况示出的，本申请的一些实施例中，电子设备还可以根据N张图像以及该目标图像来获得目标视频，因此，在前述实施例所示的方法的基础上，在N张图像中每张图像包括目标对象的情况下，上述方法还包括：
电子设备根据上述目标图像以及上述N张图像合成标视频，上述目标视频包括随上述目标视频的播放顺序上述目标对象不断减少的视频。
可选的，该电子设备还可根据上述目标图像以及上述N张图像合成目标视频，上述目标视频包括随上述目标视频的播放顺序上述目标对象不断增加的视频。
本申请实施例中，目标图像即为包括目标对象的静态图像，以及不包括目标对象的背景图像。如上述实施例中所描述的方法可以得到包括N个目标对象的静态图像，以及得到不包括目标对象的背景图像，由此电子设备可根据上述实施例中所描述的方法来分别得到包括N-1个目标对象的静态图像(即N-1张图像)、包括N-2个目标对象的静态图像，…，以及包括1个目标对象的静态图像。可理解，本实施例中，该电子设备通过上述方法所得到的各个静态图像均可理解为目标图像，由此该电子设备便可根据该目标图像以及N张图像来合成目标视频。即该电子设备可对各个目标图像以及N张图像进行叠加，最后合成目标视频。为提高目标视频的显示效果，该电子设备还可根据该目标图像以及原始视频中所包括的视频帧来合成目标视频。以下将以电子设备根据目标图像以及原始视频中所包括的视频帧来合成目标视频为例来说明，其中，如该原始视频中包括M个视频帧，也就是说包括M张图像，且M张图像中包括N张图像。
具体的，上述根据上述目标图像以及上述N张图像，获得目标视频，包括：
确定上述N张图像中每张图像在M张图像中的位置；
根据上述N张图像中每张图像在M张图像中的位置、上述目标图像以及上述M张图像，合成上述目标视频。
本实施例中，电子设备可分别确定出N张图像中每张图像在M张图像中的位置，即确定出N张图像中每张图像在M张图像中的索引。然后根据N张图像中每张图像在M张图像中的索引，以及包括N个目标对象的静态图像，包括N-1个目标对象的静态图像，…，包括1个目标对象的静态图像，以及背景图像来获得目标视频。
可选的，电子设备可分别将包括N个目标对象的静态图像分别与M张图像中的第一张图像至第K张图像进行叠加，生成参考图像，以及将包括N-1个目标对象的静态图像分别与M张图像中的第K+1张图像至第K+X张图像进行叠加，生成参考图像等等，从而电子设备可基于所得到的各个参考图像进行合成，从而生成随目标视频播放顺序目标对象不断减少的视频图像。其中，K与X的具体取值与N张图像中的各个图像在M张图像中的位置相关。
为更形象的理解本实施例所提供的生成目标视频的方法，作为示例，假设电子设备从原始视频中获取了K个图像，K个图像的索引分别为i1,i2,…,iK，即K个图像分别为原始视频中的第i1帧图像，第i2帧图像，……，第iK帧图像；
1)、依据图4以及图8所示的方法分别获得包括K个目标对象的静态图像CombK，包括K-1个目标对象的静态图像CombK-1，…，包括1个目标对象的静态图像Comb1；
2)、将视频1帧到视频i1帧中每帧与CombK相叠加，生成相应的叠加图(即参考图像)。叠加方法为：视频1帧到视频i1帧中每帧图像中位置i的像素的RGB值+静态图像中位置i的像素的RGB值-背景图像中位置i的像素的RGB值；可理解，至于视频i1帧是否与CombK相叠加，本实施例不作限定。也就是说，本实施例对于K个图像中的各个像素是否与获得的静态图像进行叠加不作限定。可理解，位置i为图像中的任意的位置。
3)、将视频i1+1帧到视频i2帧每帧与CombK-1相叠加，生成相应的叠加图。依此类推，将视频帧iK-1+1帧到视频iK帧与Comb1相叠加，生成相应的叠加图；
4)、视频iK+1到最后帧(即视频iK+1到第N帧)保持不变；
5)、将以上所得叠加图合成视频，以得到随视频的播放顺序目标对象不断减少的视频。
可选的，电子设备还可分别将包括1个目标对象的静态图像分别与M张图像中的第K个图像至第K+X个图像进行叠加，生成参考图像，以及将包括2个目标对象的静态图像分别与M张图像中的第K+X+1张图像至第K+X+Y张图像进行叠加，生成参考图像等等，从而电子设备可基于所得到的各个参考图像进行合成，从而生成随视频的播放顺序目标对象不断增加的视频。其中，K、X以及Y的具体取值与N张图像中的各个图像在M张图像中的位置相关。
为更形象的理解本实施例所提供的生成目标视频的方法，作为示例，假设电子设备从原始视频中获取了K个图像，K个图像的索引分别为i1,i2,…,iK，即K个图像分别为原始视频中的第i1帧图像，第i2帧图像，……，第iK帧图像；
1)、依据图4以及图9所示的方法分别获得包括1个目标对象的静态图像Comb’1，包括2个目标对象的静态图像Comb’2，…，包括K个目标对象的静态图像Comb’K；
2)、视频1帧到视频i1帧保持不变；
3)、将视频i1+1帧到视频i2帧每帧与Comb’1相叠加，生成相应的叠加图。叠加方法为：视频i1+1帧到视频i2帧中每帧图像中位置i的像素的RGB值+静态图像中位置i的像素的RGB值-背景图像中位置i的像素的RGB值；
4)、将视频i2+1帧到视频i3帧与Comb’2相叠加，生成相应的叠加图。依此类推，将视频帧iK+1到最后帧与Comb’K相叠加，生成相应的叠加图；
5)、将以上所得叠加图合成视频，以得到随视频的播放顺序目标对象不断增加的视频。
参见图14和图15，图14和图15是本申请实施例提供的一种目标视频的示意图。如图14所示，该图所示的是随视频的播放顺序目标对象不断减少的视频，即随着目标视频的播放，该视频中的目标对象的分身不断减少。如图15所示，该图所示的是随视频的播放顺序目标对象不断增加的视频，即随着目标视频的播放，该视频中的目标对象的分身不断增加。至于图14和图15所示的视频中的分身具体为多少个，可与选取的N张图像相关，这里不再一一详述。
可理解，电子设备在获得上述目标图像以及目标视频之后，还可以分享上述目标图像、以及目标视频。如分享至各个应用或视频软件等等，本申请实施例对于将目标图像以及目标视频分享至何处不作限定。可理解，以上所示的实施例各种侧重，其中一个实施例中未详尽描述的实现方式，还可参考其他实施例。
为更形象的理解本申请实施例所提供的图像处理方法，参见图16，图16是本申请实施例提供的一种图像处理方法的场景示意图，该方法可应用于图1和图2所示的电子设备，如图16所示，该图像处理方法包括：
1601、电子设备通过摄像头拍摄视频，得到原始视频；或者，电子设备从存储器中获得原始视频。
作为示例，如图17所示，用户可以通过电子设备中的相机接口171来拍摄视频，或者，如图18所示，电子设备的存储器中可以保存多个视频，从而用户在需要对某个视频进行处理时，从该存储器中保存的多个视频中选择该某个视频如视频182。可理解，电子设备还可以从云端存储的多个视频中选择视频进行处理，又或者，从网络下载视频进行处理等等，本申请实施例不作限定。
可理解，用户在拍摄视频的过程中，要求视频中的目标对象一致，以及场景一致，也就是说，原始视频中不应变换场景和目标对象。以及在用户拍摄视频的过程中，本申请实施例对于用户是否出现了手抖不作限定，也就是说，原始视频中是否出现了抖动，本申请实施例不作限定。
1602、电子设备从原始视频中选取N个包括目标对象的视频帧作为N张图像。
其中，电子设备可利用目标检测算法来检测该原始视频中开始出现目标对象的第x帧，以及该原始视频中目标对象结束的第y帧，y大于x；然后该电子设备可利用帧差法或等时间间隔法从第x帧到第y帧中选取N个视频帧作为N张图像。可理解，对于帧差法或等时间间隔法的详细描述可参考前述实施例。
1603、电子设备根据N张图像获得包括N个目标对象的静态图像，包括N-1个目标对象的静态图像，…，包括1个目标对象的静态图像以及不包括目标对象的背景图像。
可理解，步骤1603的具体实现方式可参考前述各个实施例的具体实现方式，这里不再一一详述。
1604、电子设备对原始视频以及包括N个目标对象的静态图像，包括N-1个目标对象的静态图像，…，包括1个目标对象的静态图像和不包括目标对象的背景图像合成目标视频。
可理解，电子设备合成目标视频的方法可参考前述实施例的描述，这里不再一一详述。
1605、电子设备通过显示屏显示目标视频。
可理解，该电子设备还可显示步骤1603中获得的各个静态图像以及背景图像等等，本申请实施例不作限定。
可理解，该电子设备还可将上述目标视频、各个静态图像以及背景图像中的一项或多项，存储至存储器，或者存储至云端等等，本申请实施例不作限定。
1606、电子设备根据用户输入的分享指令分享目标视频。
举例来说，电子设备可通过用户输入的分享指令将目标视频分享至社交引用中，又或者分享至短视频软件中等等，本申请实施例不作限定。
本申请实施例中，通过合成有分身效果的动态视频或图像，从而不仅避免了用户手动进行合成，提高了视频或图像的显示效果；而且可合成了新奇且有意思的视频或图像，增加用户对电子设备的满足度。
以上示出了本申请实施例所提供的方法，以下将详细描述本申请实施例的装置。
参见图19，图19是本申请实施例提供的一种图像处理装置的结构示意图，该图像处理装置可用于执行图4所示的方法，以及该图像处理装置还可用于执行图9所示的方法，以及还可用于执行图16所示的方法。其中，该图像处理装置可以是电子设备，或者，是电子设备中视线上述功能的部分或芯片等等。如图19所示，该图像处理装置包括：
获取单元1901，用于获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；
第一处理单元1902，用于根据上述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；
第二处理单元1903，用于根据各位置的参考值确定各位置的目标像素；
图像生成单元1904，用于根据各位置的目标像素生成目标图像。
在一种可能的实现方式中，上述第一处理单元1902，具体用于获取处于上述N张图像中位置i的像素的特征值得到特征值集合i，上述位置i为上述N张图像中任一相同位置；以及根据上述特征值集合i得到上述位置i的参考值。
在一种可能的实现方式中，上述第二处理单元1903，具体用于从处于上述N张图像中位置j的像素中，选取特征值与上述位置j的参考值相差最小的像素作为上述位置j的目标像素，上述位置j为上述N张图像中任一相同位置。
在一种可能的实现方式中，上述第二处理单元1903，具体用于从处于上述N张图像中位置j的像素中，选取特征值与上述位置j的参考值相差最大的的像素作为上述位置j的目标像素，上述位置j为上述N张图像中任一相同位置。
在一种可能的实现方式中，上述第一处理单元1902根据上述特征值集合i得到上述位置i的参考值，具体用于将上述特征值集合i的平均值作为上述位置i的参考值。
在一种可能的实现方式中，上述第一处理单元1902根据上述特征值集合i得到上述位置i的参考值，具体用于将上述特征值集合i的中位值作为上述位置i的参考值。
在一种可能的实现方式中，任一像素的特征值包括像素的局部特征的特征值。
在一种可能的实现方式中，任一像素的特征值包括灰度值和平方值中的一项或多项。
在一种可能的实现方式中，上述任一像素的特征值包括像素的局部特征的特征值与灰度值的和；
或者，上述任一像素的特征值包括像素的局部特征的特征值与平方值的和。
在一种可能的实现方式中，所述获取单元1901，具体用于获取原始视频中的N个视频帧作为所述N张图像。
在一种可能的实现方式中，如图20所示，上述N张图像中每张图像包括目标对象，上述图像处理装置还包括：
视频合成单元1905，用于根据上述目标图像以及上述N张图像合成目标视频，上述目标视频为随上述目标视频的播放顺序上述目标对象不断增加的视频。
在一种可能的实现方式中，上述N张图像中每张图像包括目标对象，上述图像处理装置还包括：
视频合成单元1905，用于根据上述目标图像以及上述N张图像合成目标视频，上述目标视频为随上述目标视频的播放顺序上述目标对象不断减少的视频。
本申请实施例中，图1所示的处理器还可用于执行获取单元1901、第一处理单元1902、第二处理单元1903以及图像生成单元1904所示的方法。以及图2所示的处理器210也可用于执行获取单元1901、第一处理单元1902、第二处理单元1903以及图像生成单元1904所示的方法，这里不再一一详述。
可理解，该图像处理装置的具体实现方式，可参考前述方法的相应描述，这里不再一一详述。
本申请实施例还提供了一种计算机可读存储介质。上述方法实施例中的全部或者部分流程可以由计算机程序来指令相关的硬件完成，该程序可存储于上述计算机存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。计算机可读存储介质可以是前述任一实施例的图像处理装置的内部存储单元，例如图像处理装置的硬盘或内存。上述计算机可读存储介质也可以是上述图像处理装置的外部存储设备，例如上述图像处理装置上配备的插接式硬盘，智能存储卡(smart media card,SMC)，安全数字(secure digital,SD)卡，闪存卡(flash card)等。进一步地，上述计算机可读存储介质还可以既包括上述图像处理装置的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述图像处理装置所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
本申请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。
本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (26)

1.一种图像处理方法，其特征在于，包括：
获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；
根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；
根据各位置的参考值确定各位置的目标像素；
根据各位置的目标像素生成目标图像；
其中，所述根据各位置的参考值确定各位置的目标像素包括：
从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最大的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值包括：
获取处于所述N张图像中位置i的像素的特征值得到特征值集合i，所述位置i为所述N张图像中任一相同位置；
根据所述特征值集合i得到所述位置i的参考值。
3.根据权利要求1或2所述的方法，其特征在于，所述根据各位置的参考值确定各位置的目标像素包括：
从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最小的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
4.根据权利要求2所述的方法，其特征在于，所述根据所述特征值集合i得到所述位置i的参考值包括：
将所述特征值集合i的平均值作为所述位置i的参考值。
5.根据权利要求2所述的方法，其特征在于，所述根据所述特征值集合i得到所述位置i的参考值包括：
将所述特征值集合i的中位值作为所述位置i的参考值。
6.根据权利要求1、2、4、5任一项所述的方法，其特征在于，任一像素的特征值包括像素的局部特征的特征值。
7.根据权利要求1、2、4、5任一项所述的方法，其特征在于，任一像素的特征值包括灰度值和平方值中的一项或多项。
8.根据权利要求1、2、4、5任一项所述的方法，其特征在于，任一像素的特征值包括像素的局部特征的特征值与灰度值的和；
或者，任一像素的特征值包括像素的局部特征的特征值与平方值的和。
9.根据权利要求1、2、4、5任一项所述的方法，其特征在于，所述获取N张图像包括：
获取原始视频中的N个视频帧作为所述N张图像。
10.根据权利要求1、2、4、5任一项所述的方法，其特征在于，所述N张图像中每张图像包括目标对象，所述根据各位置的目标像素生成目标图像之后，所述方法还包括：
根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断增加的视频。
11.根据权利要求1、2、4、5任一项所述的方法，其特征在于，所述N张图像中每张图像包括目标对象，所述根据各位置的目标像素生成目标图像之后，所述方法还包括：
根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断减少的视频。
12.根据权利要求1、2、4、5任一项所述的方法，其特征在于，所述N张图像中每张图像包括目标对象，所述目标图像在所述N张图像中的位置不同，所述目标图像包括N个所述目标对象。
13.一种图像处理装置，其特征在于，包括：
获取单元，用于获取N张图像，所述N张图像具有相同的像素数量和相同的像素位置排列，所述N为大于1的整数；
第一处理单元，用于根据所述N张图像中处于相同位置的像素的特征值得到相应位置的参考值；
第二处理单元，用于根据各位置的参考值确定各位置的目标像素；
图像生成单元，用于根据各位置的目标像素生成目标图像；
其中，所述第二处理单元，具体用于从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最大的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
14.根据权利要求13所述的装置，其特征在于，
所述第一处理单元，具体用于获取处于所述N张图像中位置i的像素的特征值得到特征值集合i，所述位置i为所述N张图像中任一相同位置；以及根据所述特征值集合i得到所述位置i的参考值。
15.根据权利要求13或14所述的装置，其特征在于，
所述第二处理单元，具体用于从处于所述N张图像中位置j的像素中，选取特征值与所述位置j的参考值相差最小的像素作为所述位置j的目标像素，所述位置j为所述N张图像中任一相同位置。
16.根据权利要求14所述的装置，其特征在于，
所述第一处理单元根据所述特征值集合i得到所述位置i的参考值，具体用于将所述特征值集合i的平均值作为所述位置i的参考值。
17.根据权利要求14所述的装置，其特征在于，
所述第一处理单元根据所述特征值集合i得到所述位置i的参考值，具体用于将所述特征值集合i的中位值作为所述位置i的参考值。
18.根据权利要求13、14、16、17任一项所述的装置，其特征在于，任一像素的特征值包括像素的局部特征的特征值。
19.根据权利要求13、14、16、17任一项所述的装置，其特征在于，任一像素的特征值包括灰度值和平方值中的一项或两项。
20.根据权利要求13、14、16、17任一项所述的装置，其特征在于，任一像素的特征值包括像素的局部特征的特征值与灰度值的和；
或者，任一像素的特征值包括像素的局部特征的特征值与平方值的和。
21.根据权利要求13、14、16、17任一项所述的装置，其特征在于，
所述获取单元，具体用于获取原始视频中的N个视频帧作为所述N张图像。
22.根据权利要求13、14、16、17任一项所述的装置，其特征在于，所述N张图像中每张图像包括目标对象，所述图像处理装置还包括：
视频合成单元，用于根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断增加的视频。
23.根据权利要求13、14、16、17任一项所述的装置，其特征在于，所述N张图像中每张图像包括目标对象，所述图像处理装置还包括：
视频合成单元，用于根据所述目标图像以及所述N张图像合成目标视频，所述目标视频为随所述目标视频的播放顺序所述目标对象不断减少的视频。
24.根据权利要求13、14、16、17任一项所述的装置，其特征在于，所述N张图像中每张图像包括目标对象，所述目标对象在所述N张图像中的位置不同，所述目标图像包括N个所述目标对象。
25.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如权利要求1-12任一项所述的图像处理方法。
26.一种计算机存储介质，其特征在于，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1-12中任一项所述的图像处理方法。
CN201910102854.3A 2019-01-30 2019-01-30 图像处理方法及图像处理装置 Active CN109903260B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910102854.3A CN109903260B (zh) 2019-01-30 2019-01-30 图像处理方法及图像处理装置
PCT/CN2019/114869 WO2020155714A1 (zh) 2019-01-30 2019-10-31 图像处理方法及图像处理装置
US17/388,386 US12020472B2 (en) 2019-01-30 2021-07-29 Image processing method and image processing apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910102854.3A CN109903260B (zh) 2019-01-30 2019-01-30 图像处理方法及图像处理装置

Publications (2)

Publication Number Publication Date
CN109903260A CN109903260A (zh) 2019-06-18
CN109903260B true CN109903260B (zh) 2023-05-23

Family

ID=66944624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910102854.3A Active CN109903260B (zh) 2019-01-30 2019-01-30 图像处理方法及图像处理装置

Country Status (3)

Country Link
US (1) US12020472B2 (zh)
CN (1) CN109903260B (zh)
WO (1) WO2020155714A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903260B (zh) * 2019-01-30 2023-05-23 华为技术有限公司 图像处理方法及图像处理装置
CN110677557B (zh) * 2019-10-28 2022-04-22 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN111145213A (zh) * 2019-12-10 2020-05-12 中国银联股份有限公司 一种目标跟踪方法、装置、系统及计算机可读存储介质
CN111586348B (zh) * 2020-04-15 2022-04-12 福建星网视易信息系统有限公司 一种视频背景图像获取方法、存储介质、视频抠像方法和存储设备
CN115035015A (zh) * 2021-02-23 2022-09-09 京东方科技集团股份有限公司 图片处理方法、装置、计算机设备及存储介质
CN113140005B (zh) * 2021-04-29 2024-04-16 上海商汤科技开发有限公司 目标对象定位方法、装置、设备及存储介质
CN114612018B (zh) * 2022-05-11 2022-07-22 中国南方电网有限责任公司 一种内控风险监测方法、系统和可读存储介质
CN116703741B (zh) * 2022-09-27 2024-03-15 荣耀终端有限公司 一种图像对比度的生成方法、装置和电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7460689B1 (en) * 2004-09-15 2008-12-02 The United States Of America As Represented By The Secretary Of The Army System and method of detecting, recognizing, and tracking moving targets
CN104243819A (zh) * 2014-08-29 2014-12-24 小米科技有限责任公司 照片获取方法及装置
US9008366B1 (en) * 2012-01-23 2015-04-14 Hrl Laboratories, Llc Bio-inspired method of ground object cueing in airborne motion imagery
CN105491358A (zh) * 2015-11-26 2016-04-13 努比亚技术有限公司 一种图像处理方法及装置、终端
CN108241645A (zh) * 2016-12-23 2018-07-03 腾讯科技（深圳）有限公司 图像处理方法及装置
CN108924439A (zh) * 2018-07-10 2018-11-30 Oppo广东移动通信有限公司 图像处理方法及相关产品

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6934421B2 (en) * 2002-03-20 2005-08-23 Eastman Kodak Company Calculating noise from multiple digital images having a common noise source
WO2007032082A1 (ja) * 2005-09-16 2007-03-22 Fujitsu Limited 画像処理方法及び画像処理装置
CN101394487B (zh) * 2008-10-27 2011-09-14 华为技术有限公司 一种合成图像的方法与系统
KR101321974B1 (ko) * 2012-05-09 2013-11-08 (주)비주얼 스포츠 옵티컬 플로우를 이용한 이동물체 영상합성 방법
US10591711B2 (en) * 2014-10-06 2020-03-17 Leica Microsystems (Schweiz) Ag Microscope and method for obtaining a high dynamic range synthesized image of an object
US20170161591A1 (en) * 2015-12-04 2017-06-08 Pilot Ai Labs, Inc. System and method for deep-learning based object tracking
US10298813B2 (en) * 2017-03-03 2019-05-21 University Of Maryland Baltimore County High resolution turbulence free imaging
KR102370063B1 (ko) * 2017-03-28 2022-03-04 삼성전자주식회사 얼굴 인증 방법 및 장치
US10777087B2 (en) * 2018-12-07 2020-09-15 International Business Machines Corporation Augmented reality for removing external stimuli
CN109903260B (zh) * 2019-01-30 2023-05-23 华为技术有限公司 图像处理方法及图像处理装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7460689B1 (en) * 2004-09-15 2008-12-02 The United States Of America As Represented By The Secretary Of The Army System and method of detecting, recognizing, and tracking moving targets
US9008366B1 (en) * 2012-01-23 2015-04-14 Hrl Laboratories, Llc Bio-inspired method of ground object cueing in airborne motion imagery
CN104243819A (zh) * 2014-08-29 2014-12-24 小米科技有限责任公司 照片获取方法及装置
CN105491358A (zh) * 2015-11-26 2016-04-13 努比亚技术有限公司 一种图像处理方法及装置、终端
CN108241645A (zh) * 2016-12-23 2018-07-03 腾讯科技（深圳）有限公司 图像处理方法及装置
CN108924439A (zh) * 2018-07-10 2018-11-30 Oppo广东移动通信有限公司 图像处理方法及相关产品

Also Published As

Publication number Publication date
US20210358523A1 (en) 2021-11-18
CN109903260A (zh) 2019-06-18
US12020472B2 (en) 2024-06-25
WO2020155714A1 (zh) 2020-08-06

Similar Documents

Publication Publication Date Title
CN109903260B (zh) 图像处理方法及图像处理装置
US11696018B2 (en) Method for displaying image in photographing scenario and electronic device
CN113132620B (zh) 一种图像拍摄方法及相关装置
US11949978B2 (en) Image content removal method and related apparatus
CN114650363B (zh) 一种图像显示的方法及电子设备
CN112712470B (zh) 一种图像增强方法及装置
CN113170037B (zh) 一种拍摄长曝光图像的方法和电子设备
CN111768352B (zh) 图像处理方法及装置
CN110138999B (zh) 一种用于移动终端的证件扫描方法及装置
CN113660408A (zh) 一种视频拍摄防抖方法与装置
CN115619858A (zh) 一种物体重建方法以及相关设备
US11816494B2 (en) Foreground element display method and electronic device
CN114283195B (zh) 生成动态图像的方法、电子设备及可读存储介质
CN115115679A (zh) 一种图像配准方法及相关设备
CN113542574A (zh) 变焦下的拍摄预览方法、终端、存储介质及电子设备
WO2022095906A1 (zh) 一种按键映射方法、电子设备及系统
CN114827442B (zh) 生成图像的方法和电子设备
CN115150542B (zh) 一种视频防抖方法及相关设备
CN115460343B (zh) 图像处理方法、设备及存储介质
CN116708751B (zh) 一种拍照时长的确定方法、装置和电子设备
CN116052236B (zh) 人脸检测处理引擎、涉及人脸检测的拍摄方法及设备
WO2022033344A1 (zh) 视频防抖方法、终端设备和计算机可读存储介质
CN114812381B (zh) 电子设备的定位方法及电子设备
CN115032640A (zh) 手势识别方法和终端设备
CN116761082B (zh) 图像处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant