CN110830709A - 图像处理方法和装置、终端设备、计算机可读存储介质 - Google Patents

Abstract

本申请涉及一种图像处理方法和装置、终端设备、计算机可读存储介质。所述方法包括：识别终端设备拍摄图像中的各个物体及各个物体所在的区域；根据各个所述区域的几何中心与拍摄图像的几何中心之间的距离，从各个所述区域中选取目标区域；对所述目标区域进行对焦处理。上述图像处理方法，可以实现对各类别物体的自动对焦。

Description

图像处理方法和装置、终端设备、计算机可读存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、终端设备、计算机可读存储介质。

背景技术

随着移动通信技术的发展，终端设备(例如，各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等)得到了广泛的应用。利用终端设备对物体进行拍摄时，终端设备的自动对焦功能主要针对人脸区域，当拍摄其他物体时仍然需要进行手动对焦。

发明内容

本申请实施例提供一种图像处理方法和装置、终端设备、计算机可读存储介质，可以实现对各类别物体的自动对焦。

一种图像处理方法，包括：

识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

根据各个所述区域的几何中心与拍摄图像的几何中心之间的距离，从各个所述区域中选取目标区域；

对所述目标区域进行对焦处理。

一种图像处理装置，包括：

识别模块，用于识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

选取模块，用于根据各个所述区域的几何中心与拍摄图像的几何中心之间的距离，从各个所述区域中选取待对焦的目标区域；

对焦模块，用于对所述目标区域进行对焦处理。

一种终端设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述的图像处理方法的步骤。

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如上所述的图像处理方法的步骤。

本申请实施例中的图像处理方法和装置、终端设备、计算机可读存储介质，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，再根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域，对目标区域进行对焦处理，可以实现自动对拍摄图像中目标区域对应的目标物体进行对焦。

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为一个实施例中图像处理方法的应用环境图；

图2为一个实施例中图像处理方法的流程图；

图3为另一个实施例中图像处理方法的流程图；

图4为一个实施例中图像处理装置的结构框图；

图5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为一个实施例中应用处理方法的应用环境示意图。如图1所示，应用处理方法应用于终端设备中，该终端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，支撑整个终端设备的运行。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终端设备的应用处理方法。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，用于与外部的终端设备进行通信。该终端设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。

图2为一个实施例中图像处理方法的流程图。如图2所示，图像处理方法包括步骤202至步骤206。

步骤202，识别终端设备拍摄图像中的各个物体及各个物体所在的区域。

具体地，各个物体所在的区域可以用矩形框表示，可以将拍摄图像上矩形框的位置信息存储在终端设备的内存中。

步骤204，根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域。

在本步骤中，当各个物体所在的区域用矩形框表示时，可以将各个矩形框区域中几何中心与拍摄图像的几何中心之间的距离在一定范围内的区域设为目标区域，也可以将各个矩形框区域中几何中心与拍摄图像的几何中心之间距离最近的区域设为目标区域，可以根据实际的拍摄场景调整目标矩形框区域与拍摄图像的几何中心之间的距离。

步骤206，对目标区域进行对焦处理。

对于步骤206，对焦是指终端设备摄像头的对焦机构通过调整物距和相距之间的位置，使被拍摄的物体成像清晰的过程。

在一个实施例中，在识别终端设备拍摄图像中的各个物体及各个物体所在的区域之前，终端设备可以执行以下步骤：对终端设备的摄像头进行监测；当监测到摄像头启动时，对终端设备拍摄图像中的各个物体进行识别。

在上述实施例中，可以在检测到终端设备在预设时间内不再移动时，对终端设备拍摄图像中的各个物体进行识别，其中，预设时间可以根据实际需要进行适当的调整。

上述实施例，在监测到摄像头启动且终端设备在预设时间内不再移动时，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，再根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域，对目标区域进行对焦处理，可以避免在终端设备移动的过程中对非目标物体的识别，实现在终端设备不再移动时，自动对拍摄图像中目标区域对应的目标物体进行识别和对焦。

在一个实施例中，步骤202可以包括：根据预先训练的模型，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别；其中，模型根据各个物体的类别及标定拍摄图像中各个物体位置的数据集训练得到的。

在上述实施例中，在训练模型时，可以预先准备上万类别物体的拍摄图像，其中，每类别物体的拍摄图像可以准备多张，采集拍摄图像中标定各类别物体位置的数据集。比方说，可以准备花朵、树木、水杯等上万类别物体的拍摄图像，每类物体的拍摄图像可以准备5000张左右，例如，准备5000张花朵的拍摄图像，采集各张花朵拍摄图像中标定花朵位置的数据集。其中，在训练模型时，可以运用目标检测算法(例如，单发多箱探测器(SingleShot MultiBox Detector，SSD)算法或卷积神经网络区域(Regions with ConvolutionalNeural Network)算法对物体的类别及物体的位置进行识别，也可以基于黑网(darknet)深度学习训练框架，采用单次查看(You Only Look Once，YOLO)算法对应的网络结构，将标定好的数据集按规定的格式准备好，再执行训练。训练好的模型可以部署到终端设备上，在终端设备对目标物体进行拍摄时可以调用该模型，实现对目标物体类别以及在拍摄图像中所在位置的识别。

上述实施例，根据目标检测算法训练模型，根据训练的模型对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，再根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域，对目标区域进行对焦处理，可以实现自动对拍摄图像中目标区域对应的目标物体进行识别和对焦。

在一个实施例中，从各个区域中选取目标区域时，可以执行以下步骤：获取各个区域的几何中心与拍摄图像的几何中心之间的距离；从各个区域中选取距离最近的区域设为目标区域。

在上述实施例中，可以获取物体的高度和宽度，根据物体的高度和宽度将物体所在的区域用矩形框来表示，可以获取矩形框的几何中心与拍摄图像的几何中心之间的距离，拍摄图像时，目标物体可以处在拍摄图像正中央位置的附近，可以将几何中心与拍摄图像的几何中心最近的矩形框设为目标区域，目标区域中对应的物体即为拍摄的目标物体。

上述实施例，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，再根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取距离最近的区域设为目标区域，对目标区域进行对焦处理，可以实现自动对拍摄图像中，中央位置附近的目标区域对应的目标物体进行识别和对焦。

在一个实施例中，可以通过以下步骤从各个区域中选取距离最近的区域设为目标区域：从各个区域中选取面积不超过面积阈值的候选区域；从候选区域中选取距离最近的区域设为目标区域。

在上述实施例中，可以预先设定候选区域面积的取值范围，将各个区域中面积在取值范围内的区域设为候选区域。也可以预先设定目标物体对应的矩形框占拍摄图像的总面积的比例范围，例如，可以将比例范围设为25％至70％，将占拍摄图像的总面积的比例范围低于25％或高于70％的矩形框设为非候选区域，在排除非候选区域之后，从候选区域中选取距离拍摄图像的几何中心最近的区域设为目标区域。

上述实施例，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，从各个区域中选取面积不超过面积阈值的候选区域，再从候选区域中选取距离最近的区域设为目标区域，对目标区域进行对焦处理，可以先排除掉面积超过面积阈值的区域，可以更精确地实现自动对拍摄图像中目标区域对应的目标物体进行识别和对焦。

在一个实施例中，还可以通过以下步骤对目标区域进行对焦处理：当多个目标区域的面积大小相等时，从多个目标区域中随机选取一个区域进行对焦处理。

在上述实施例中，若几何中心与拍摄图像几何中心的距离最近的区域有多个时，该拍摄图像就存在多个目标区域，若多个目标区域的面积大小不相等，则可以从多个目标区域中选取面积最大的目标区域进行对焦，若多个目标区域的面积大小也相等，则可以从多个目标区域中随机选取一个区域进行对焦处理。

上述实施例，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，从各个区域中选取面积不超过面积阈值的候选区域，再从候选区域中选取距离最近的区域设为目标区域，对目标区域进行对焦处理，可以先排除掉面积超过面积阈值的区域，若存在多个目标区域，则选择面积最大的区域进行对焦，若多个面积大小相等，则从多个目标区域中随机选取一个区域进行对焦处理，可以实现自动从拍摄图像的多个目标区域中选择一个进行对焦。

在一个实施例中，如图3所示，图像处理方法可以包括以下步骤：

步骤302,通过对终端设备的摄像头进行监测判断摄像头是否启动；若是，则执行步骤304，根据预先训练的模型，对终端设备拍摄图像中的各个物体进行识别；在识别了拍摄图像中的各个物体之后，执行步骤306，判断各个区域是否是面积不超过面积阈值的候选区域；若否，则执行步骤308，排除面积超过面积阈值的非候选区域；若是，则执行步骤310，判断各个区域中几何中心与拍摄图像的几何中心之间的距离最近的目标区域是否多个；若否，则执行步骤312，对距离最近的目标区域进行对焦处理；若是，则执行步骤314，判断与拍摄图像的几何中心之间的距离最近的多个目标区域的面积是否相等；若否，则执行步骤316，在多个目标区域中选择面积最大的目标区域进行对焦处理；若是，则执行步骤318，从多个目标区域中随机选取一个区域进行对焦处理。

上述实施例，在监测到摄像头启动，并且终端设备在预设时间内不再移动时，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，可以避免在终端设备移动的过程中对非目标物体的识别。从各个区域中选取面积不超过面积阈值的候选区域，再从候选区域中选取距离最近的区域设为目标区域，对目标区域进行对焦处理，可以先排除掉面积超过面积阈值的区域，若存在多个目标区域，则选择面积最大的区域进行对焦，若多个面积大小相等，则从多个目标区域中随机选取一个区域进行对焦处理，可以实现自动从拍摄图像的多个目标区域中选择一个进行对焦。

应该理解的是，虽然图2和图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

图4为一个实施例的图像处理装置的结构框图。如图4所示，本实施例的图像处理装置包括：

识别模块402，用于识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

选取模块404，用于根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取待对焦的目标区域；

对焦模块406，用于对目标区域进行对焦处理。

上述图像处理装置，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别，再根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域，对目标区域进行对焦处理，可以实现自动对拍摄图像中目标区域对应的目标物体进行识别和对焦。

在一个实施例中，还可以包括监测模块，监测模块用于对终端设备的摄像头进行监测；当监测到摄像头启动时，对终端设备拍摄图像中的各个物体进行识别。

在一个实施例中，识别模块402还用于根据预先训练的模型，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别；其中，模型根据各个物体的类别及标定拍摄图像中各个物体位置的数据集训练得到的。

在一个实施例中，选取模块404还用于获取各个区域的几何中心与拍摄图像的几何中心之间的距离；从各个区域中选取距离最近的区域设为目标区域。

在一个实施例中，选取模块404还用于从各个区域中选取面积不超过面积阈值的候选区域；从候选区域中选取距离最近的区域设为目标区域。

在一个实施例的图像处理装置中，对焦模块406还用于当距离最近的目标区域有多个时，对多个目标区域中面积最大的目标区域进行对焦处理。

在一个实施例的图像处理装置中，对焦模块406还用于当多个目标区域的面积大小相等时，从多个目标区域中随机选取一个区域进行对焦处理。

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。

关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端设备或服务器上运行。该计算机程序构成的程序模块可存储在终端设备或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。

本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行以下步骤：

识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域；

对目标区域进行对焦处理。

在一个实施例中，当计算机可执行指令被一个或多个处理器执行时，还使得处理器执行以下步骤：对终端设备的摄像头进行监测；当监测到摄像头启动时，对终端设备拍摄图像中的各个物体进行识别。

在一个实施例中，当计算机可执行指令被一个或多个处理器执行时，还使得处理器执行以下步骤：根据预先训练的模型，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别；其中，模型根据各个物体的类别及标定拍摄图像中各个物体位置的数据集训练得到的。

在一个实施例中，当计算机可执行指令被一个或多个处理器执行时，还使得处理器执行以下步骤：获取各个区域的几何中心与拍摄图像的几何中心之间的距离；从各个区域中选取距离最近的区域设为目标区域。

在一个实施例中，当计算机可执行指令被一个或多个处理器执行时，还使得处理器执行以下步骤：从各个区域中选取面积不超过面积阈值的候选区域；从候选区域中选取距离最近的区域设为目标区域。

在一个实施例中，当计算机可执行指令被一个或多个处理器执行时，还使得处理器执行以下步骤：当距离最近的目标区域有多个时，对多个目标区域中面积最大的目标区域进行对焦处理。

在一个实施例中，当计算机可执行指令被一个或多个处理器执行时，还使得处理器执行以下步骤：当多个目标区域的面积大小相等时，从多个目标区域中随机选取一个区域进行对焦处理。

一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行以下步骤：

识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域；

对目标区域进行对焦处理。

在一个实施例中，包含指令的计算机程序产品，当其在计算机上运行时，还使得计算机执行以下步骤：对终端设备的摄像头进行监测；当监测到摄像头启动时，对终端设备拍摄图像中的各个物体进行识别。

在一个实施例中，包含指令的计算机程序产品，当其在计算机上运行时，还使得计算机执行以下步骤：根据预先训练的模型，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别；其中，模型根据各个物体的类别及标定拍摄图像中各个物体位置的数据集训练得到的。

在一个实施例中，包含指令的计算机程序产品，当其在计算机上运行时，还使得计算机执行以下步骤：获取各个区域的几何中心与拍摄图像的几何中心之间的距离；从各个区域中选取距离最近的区域设为目标区域。

在一个实施例中，包含指令的计算机程序产品，当其在计算机上运行时，还使得计算机执行以下步骤：从各个区域中选取面积不超过面积阈值的候选区域；从候选区域中选取距离最近的区域设为目标区域。

在一个实施例中，包含指令的计算机程序产品，当其在计算机上运行时，还使得计算机执行以下步骤：当距离最近的目标区域有多个时，对多个目标区域中面积最大的目标区域进行对焦处理。

在一个实施例中，包含指令的计算机程序产品，当其在计算机上运行时，还使得计算机执行以下步骤：当多个目标区域的面积大小相等时，从多个目标区域中随机选取一个区域进行对焦处理。

本申请实施例还提供一种终端设备。上述终端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 Signal Processing，图像信号处理)管线的各种处理单元。图5为一个实施例中图像处理电路的示意图。如图5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5所示，图像处理电路包括ISP处理器540和控制逻辑器550。成像设备510捕捉的图像数据首先由ISP处理器540处理，ISP处理器540对图像数据进行分析以捕捉可用于确定和/或成像设备510的一个或多个控制参数的图像统计信息。成像设备510可包括具有一个或多个透镜512和图像传感器514的照相机。图像传感器514可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器514可获取用图像传感器514的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器540处理的一组原始图像数据。传感器520(如陀螺仪)可基于传感器520接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器540。传感器520接口可以利用SMIA(Standard Mobile Imaging Architecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。

此外，图像传感器514也可将原始图像数据发送给传感器520，传感器520可基于传感器520接口类型把原始图像数据提供给ISP处理器540，或者传感器520将原始图像数据存储到图像存储器530中。

ISP处理器540按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器540可对原始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精度进行。

ISP处理器540还可从图像存储器530接收图像数据。例如，传感器520接口将原始图像数据发送给图像存储器530，图像存储器530中的原始图像数据再提供给ISP处理器540以供处理。图像存储器530可为存储器装置的一部分、存储设备、或终端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。

当接收到来自图像传感器514接口或来自传感器520接口或来自图像存储器530的原始图像数据时，ISP处理器540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530，以便在被显示之前进行另外的处理。ISP处理器540从图像存储器530接收处理数据，并对处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。ISP处理器540处理后的图像数据可输出给显示器570，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，ISP处理器540的输出还可发送给图像存储器530，且显示器570可从图像存储器530读取图像数据。在一个实施例中，图像存储器530可被配置为实现一个或多个帧缓冲器。此外，ISP处理器540的输出可发送给编码器/解码器560，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器570设备上之前解压缩。编码器/解码器560可由CPU或GPU或协处理器实现。

ISP处理器540确定的统计数据可发送给控制逻辑器550单元。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、透镜512阴影校正等图像传感器514统计信息。控制逻辑器550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，确定成像设备510的控制参数及ISP处理器540的控制参数。例如，成像设备510的控制参数可包括传感器520控制参数(例如增益、曝光控制的积分时间、防抖参数等)、照相机闪光控制参数、透镜512控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。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，以及透镜512阴影校正参数。

以下为运用图5中图像处理技术实现图像处理方法的步骤：

识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

根据各个区域的几何中心与拍摄图像的几何中心之间的距离，从各个区域中选取目标区域；

对目标区域进行对焦处理。

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：

识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

根据各个所述区域的几何中心与拍摄图像的几何中心之间的距离，从各个所述区域中选取目标区域；

对所述目标区域进行对焦处理。

2.根据权利要求1所述的图像处理方法，其特征在于，所述识别终端设备拍摄图像中的各个物体及各个物体所在的区域之前，包括：

对终端设备的摄像头进行监测；

当监测到所述摄像头启动时，对终端设备拍摄图像中的各个物体进行识别。

3.根据权利要求1或2所述的图像处理方法，其特征在于，所述识别终端设备拍摄图像中的各个物体及各个物体所在的区域，包括：

根据预先训练的模型，对终端设备拍摄图像中的各个物体及各个物体所在的区域进行识别；其中，所述模型根据各个物体的类别及标定拍摄图像中各个物体位置的数据集训练得到的。

4.根据权利要求1或2所述的图像处理方法，其特征在于，所述根据各个所述区域的几何中心与拍摄图像的几何中心之间的距离，从各个所述区域中选取目标区域，包括：

获取各个所述区域的几何中心与拍摄图像的几何中心之间的距离；

从各个所述区域中选取所述距离最近的区域设为目标区域。

5.根据权利要求4所述的图像处理方法，其特征在于，所述从各个所述区域中选取所述距离最近的区域设为目标区域，包括：

从各个所述区域中选取面积不超过面积阈值的候选区域；

从候选区域中选取所述距离最近的区域设为目标区域。

6.根据权利要求4所述的图像处理方法，其特征在于，所述对所述目标区域进行对焦处理，包括：

当距离最近的目标区域有多个时，对多个目标区域中面积最大的目标区域进行对焦处理。

7.根据权利要求6所述的图像处理方法，其特征在于，所述对所述目标区域进行对焦处理，还包括：

当多个目标区域的面积大小相等时，从所述多个目标区域中随机选取一个区域进行对焦处理。

8.一种图像处理装置，其特征在于，包括：

识别模块，用于识别终端设备拍摄图像中的各个物体及各个物体所在的区域；

选取模块，用于根据各个所述区域的几何中心与拍摄图像的几何中心之间的距离，从各个所述区域中选取待对焦的目标区域；

对焦模块，用于对所述目标区域进行对焦处理。

9.一种终端设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求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。

Images