CN111145108A - 一种图像处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种图像处理方法、装置、设备及存储介质，该方法包括：采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；确定所述主体区域的中心位置；基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。如此，通过控制主体区域的中心位置和目标图像块的中心位置重合，使主体区域最大限度的落在目标图像块内，在采用局部图像增强技术时避免了对主体区域增强效果不均的现象，保证了对主体区域增强效果的一致性。

Description

一种图像处理方法、装置、设备及存储介质

技术领域

本申请涉及图像技术，尤其涉及一种图像处理方法、装置、设备及存储介质。

背景技术

局部对比度增强是在图像处理中较为常用的增强手段，能够将图像对比度效果、细节丰富成度进行提升，达到增强视觉效果的作用。局部对比度增强在业界一般都是采用将图像进行分块处理的方式进行实现，具体实现方式是将图像分成规则的M x N个图像块(如4x4、6x6、4x6等)，如图1所示，将图像划分成4x4个矩形图像块，对于每个图像块分别进行直方图统计，计算每个图像块的对比度拉伸曲线，最后将各自图像块的对比度拉伸曲线应用到各自局部位置，从而实现局部对比度增强。

由于现有方案都采用规则的图像块划分来实现局部对比度增强的工程化，但若是画面中有物体运动时，如图2所示，画面中物体所在的灰色圆形区域(即主体区域)在视频中前后两个时刻的图像帧中的位置不同，第一时刻位置位于图像块内，第二时刻位置位于四个图像块的交界处。由于图像块之间需要画面效果的平滑过渡，需要用到空间上的过渡平滑，正因为此，运动物体在图像块中间和图像块边缘上的过渡效果会有些许差异，因此在视频时域上会有过渡不均现象出现，导致增强效果不佳，影响显示效果。

发明内容

为解决上述技术问题，本申请实施例期望提供一种图像处理方法、装置、设备及存储介质。

本申请的技术方案是这样实现的：

第一方面，提供了一种图像处理方法，该方法包括：

采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

确定所述主体区域的中心位置；

基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

第二方面，提供了一种图像处理装置，该装置包括：

图像识别单元，用于采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

图像划分单元，用于确定所述主体区域的中心位置；基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

图像处理单元，用于基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

第三方面，提供了一种图像处理设备，包括：处理器和配置为存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器配置为运行所述计算机程序时，执行前述第一方面的方法的步骤。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现前述方法的步骤。

本申请实施例期望提供一种图像处理方法、装置、设备及存储介质，采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；确定所述主体区域的中心位置；基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。如此，通过控制主体区域的中心位置和目标图像块的中心位置重合，使主体区域最大限度的落在目标图像块内，在采用局部图像增强技术时避免了对主体区域增强效果不均的现象，保证了对主体区域增强效果的一致性。

附图说明

图1为图像块的分布结构；

图2为主体区域在图像中的分布位置示意图；

图3为本申请实施例中图像处理方法的第一流程示意图；

图4为本申请实施例中图像处理方法的第二流程示意图；

图5为本申请实施例中图像块的初始划分方式的结构示意图；

图6为本申请实施例中图像块的目标划分方式的第一结构示意图；

图7为本申请实施例中图像块的目标划分方式的第二结构示意图；

图8为本申请实施例中图像块的目标划分方式的第三结构示意图；

图9为本申请实施例中图像处理装置的组成结构示意图；

图10为本申请实施例中图像处理设备的组成结构示意图。

具体实施方式

为了能够更加详尽地了解本申请实施例的特点与技术内容，下面结合附图对本申请实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本申请实施例。

本申请实施例提供了一种图像处理方法，图3为本申请实施例中图像处理方法的第一流程示意图，如图3所示，该方法具体可以包括：

步骤301：采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

步骤302：确定所述主体区域的中心位置；

步骤303：基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

步骤304：基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

这里，步骤301至步骤304的执行主体可以为图像处理装置的处理器。这里，图像处理装置可以为移动终端或者固定终端。比如，相机、摄像机、智能手机、平板电脑、笔记本、台式电脑、虚拟现实设备和可穿戴设备等。

这里，图像识别策略用于识别一副图像中拍摄主体，比如：人脸、特定物体。具体的，采用图像识别策略识别出目标图像中拍摄主体所在的主体区域，包括：基于人工智能算法，识别出所述目标图像中拍摄主体所在的主体区域；或者，基于所述目标图像的对焦位置，识别出所述目标图像中拍摄主体所在的主体区域。

输入的目标图像经过人工智能算法(Artificial Intelligence，AI)识别拍摄主体，并分割出目标图像中包含拍摄主体的主体区域，AI识别拍摄主体采用深度学习方法，在当前场景中识别出人眼比较关注的物体或区域(比如，草原上一匹奔跑的马，拍摄主体识别将分割出马)；之后根据主体区域重新划分图像块位置，根据更新后的图像块的目标划分方式进行局部图像增强，得到最终的局部增强后的图像。

基于目标图像的对焦位置识别拍摄主体时，利用自动对焦的结果图，在对焦后，对焦区域较为清晰，非对焦区域比较模糊，可以以对焦区域为依据再结合图像模糊度进行分析从而得到主体区域。

具体的，将目标图像分割为一个二值图像，其中主体区域为1，其他区域为0；根据分割后的目标图像计算出主体区域的中心；然后根据主体区域的中心确定目标图像块的位置和形状，进而确定其他图像块的位置和形状，得到图像块的目标划分方式。

在一些实施例中，所述确定所述主体区域的中心位置，包括：计算所述主体区域内所有像素点坐标的累加和，得到横坐标累加和与纵坐标累加和；将所述横坐标累加和与纵坐标累加和分别除以所述主体区域内像素点个数，得到所述主体区域中心的横坐标和纵坐标。

实际应用中，主体区域的中心位置具体可以为主体区域的几何中心、拍摄主体的质心或重心等。

在计算主体区域的中心位置时，假设主体区域内各个像素点坐标为P_i(x,y)，则中心计算公式为：

其中，i取1至n的整数，n为主体区域内像素点的总个数。

进一步的，在确定了主体区域的中心位置之后，将中心位置与一个图像块的中心位置重合，并以此为基础对目标图像的整体进行图像块的划分，得到目标图像中图像块的目标划分方式。

在一些实施例中，所述基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像，包括：在所述目标图像的目标划分方式上，统计所述目标图像中各个图像块的直方图；基于所述图像块的直方图，计算所述目标图像中各个图像块的对比度拉伸曲线；基于所述图像块的对比度拉伸曲线，增强所述目标图像中各个图像块的对比度，得到对比度增强后的目标图像。

采用上述技术方案，通过控制主体区域的中心位置和目标图像块的中心位置重合，使主体区域最大限度的落在目标图像块内，在采用局部图像增强技术时避免了对主体区域增强效果不均的现象，保证了对主体区域增强效果的一致性。

在上述实施例的基础上还提供了一种更详细的图像处理方法，图4为本申请实施例中图像处理方法的第二流程示意图，如图4所示，该方法包括：

步骤401：采用预设的图像划分策略对目标图像进行图像块划分，得到所述目标图像中图像块的初始划分方式；

这里，图像划分策略包含了将一整幅图像划分为相同或不同形状的图像块的方法。比如，以网格形式将图像划分为多个矩形图像块、三角形图像块。

具体的，所述采用预设的图像划分策略对目标图像进行图像块划分，包括：将所述目标图像划分成N×M个形状和面积均相同的图像块；或者，将所述目标图像划分成N×M个形状或面积不完全相同的图像块，得到图像块的初始划分方式。比如，如图5所示，将目标图像划分成4x4矩形图像块。

也就是说，先通过常规的图像划分方法对目标图像进行划分，得到图像块的初始划分方式，对初始划分方式进行调整得到目标划分方式。

步骤402：采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

这里，图像识别策略用于识别一副图像中拍摄主体，比如：人脸、特定物体。具体的，采用图像识别策略识别出目标图像中拍摄主体所在的主体区域，包括：基于人工智能算法，识别出所述目标图像中拍摄主体所在的主体区域；或者，基于所述目标图像的对焦位置，识别出所述目标图像中拍摄主体所在的主体区域。

输入的目标图像经过人工智能算法(Artificial Intelligence，AI)识别拍摄主体，并分割出目标图像中包含拍摄主体的主体区域，AI识别拍摄主体采用深度学习方法，在当前场景中识别出人眼比较关注的物体或区域(比如，草原上一匹奔跑的马，拍摄主体识别将分割出马)；之后根据主体区域重新划分图像块位置，根据更新后的图像块的目标划分方式进行局部图像增强，得到最终的局部增强后的图像。

基于目标图像的对焦位置识别拍摄主体时，利用自动对焦的结果图，在对焦后，对焦区域较为清晰，非对焦区域比较模糊，可以以对焦区域为依据再结合图像模糊度进行分析从而得到主体区域。

具体的，将目标图像分割为一个二值图像，其中主体区域为1，其他区域为0；根据分割后的目标图像计算出主体区域的中心；然后根据主体区域的中心确定目标图像块的位置，将目标图像块的中心位置移动至主体区域的中心位置，使图像块的初始划分方式调整为目标划分方式。

图5为本申请实施例中图像块的初始划分方式的结构示意图，如图5所示，主体区域位于四个图像块交接处，目标图像块的中心位置和主体区域的中心位置不重合，将目标图像块的中心位置以箭头所指方向向主体区域的中心位置移动。

步骤403：确定所述主体区域的中心位置；

实际应用中，基于主体区域的像素坐标确定主体区域的中心位置。具体的，计算所述主体区域内所有像素点坐标的累加和，得到横坐标累加和与纵坐标累加和；将所述横坐标累加和与纵坐标累加和分别除以所述主体区域内像素点个数，得到所述主体区域中心的横坐标和纵坐标。

实际应用中，主体区域的中心位置具体可以为主体区域的几何中心、拍摄主体的质心或重心等。

在计算主体区域的中心位置时，假设主体区域内各个像素点坐标为P_i(x,y)，则中心计算公式为：

其中，i取1至n的整数，n为主体区域内像素点的总个数。

步骤404：基于所述主体区域的中心位置和所述图像块的初始划分方式，确定所述目标图像块；

在确定了主体区域的中心位置之后，在图像块的初始划分方式中将中心位置与所述主体区域的中心位置距离最近的图像块作为目标图像块；然后将目标图像块的中心位置移动到主体区域的中心位置，得到目标图像中图像块的目标划分方式。这里，用图像块的中心位置指代图像块的位置，图像块的中心位置与主体区域的中心位置距离最小，表征图像块与主体区域最接近。

步骤405：将所述目标图像块的中心位置移动至所述主体区域的中心位置处，得到所述目标图像中图像块的目标划分方式；

在一些实施例中，将所述目标图像块的中心位置移动至所述主体区域的中心位置处，包括：在所述图像块的初始划分方式上，将所述目标图像中所有图像块进行整体平移，使目标图像块的中心位置和所述主体区域的中心位置重合；或者，在所述图像块的初始划分方式上，将所述目标图像块进行单独平移，使目标图像块的中心位置和所述主体区域的中心位置重合；或者，在所述图像块的初始划分方式上，调整所述目标图像块及其周围的至少一个其他图像块的形状或面积，使目标图像块的中心位置和所述主体区域的中心位置重合。

图6为本申请实施例中图像块的目标划分方式的第一结构示意图，如图6所示，将图像块进行整体平移，使目标图像块的中心位置和主体区域的中心位置重合。由于图像块的整体移动，图像块从16个相同图像块变为20个不完全相同的图像块。

图7为本申请实施例中图像块的目标划分方式的第二结构示意图，如图7所示，将目标图像块进行单独平移，并调整周围关联的四个图像块的形状和面积，其他非关联图像块的形状和位置不变。

图8为本申请实施例中图像块的目标划分方式的第三结构示意图，如图8所示，由于主体区域的面积较大，需要扩大目标图像块的面积，使目标图像块的中心位置和主体区域的中心位置重合，并调整周围关联的三个图像块的形状和面积，其他非关联图像块的形状和位置不变。

在一些实施例中，在将所述目标图像块的初始中心位置移动至所述主体区域的中心位置之后，该方法还包括：所述主体区域的面积大于所述目标图像块的面积时，扩大所述目标图像块的面积，使所述主体区域位于扩大后的目标图像块内。

具体的，扩大目标图像块的面积，可以是对目标图像块进行单独扩大，同时缩小周围关联图像块的面积；或者，对所有图像块的面积进行整体扩大。

也就是说，由于主体区域的面积较大，在移动目标图像块之后，主体区域的部分区域位于目标图像块之外，为了避免目标图像块中间和目标图像块边缘上的过渡效果存在差异问题，扩大目标图像块之后，将主体区域全部落在目标图像块内，主体区域图像增强效果的一致性。

步骤406：基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

实际应用中，不同图像块对应不同的图像增强处理，以图像块的目标划分方式为依据，对不同图像块进行各自对应的图像增强处理。

比如，图像增强处理为对比度增强处理，包括：在所述目标图像的目标划分方式上，统计所述目标图像中各个图像块的直方图；基于所述图像块的直方图，计算所述目标图像中各个图像块的对比度拉伸曲线；基于所述图像块的对比度拉伸曲线，增强所述目标图像中各个图像块的对比度，得到对比度增强后的目标图像。

采用上述技术方案，通过控制主体区域的中心位置和目标图像块的中心位置重合，使主体区域最大限度的落在目标图像块内，在采用局部图像增强技术时避免了对主体区域增强效果不均的现象，保证了对主体区域增强效果的一致性。

本申请实施例中还提供了一种图像处理装置，如图9所示，该装置包括：

图像识别单元901，用于采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

图像划分单元902，用于确定所述主体区域的中心位置；基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

图像处理单元903，用于基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

在一些实施例中，图像划分单元902，还用于在所述确定所述目标图像中图像块的目标划分方式之前，采用预设的图像划分策略对目标图像进行图像块划分，得到所述目标图像中图像块的初始划分方式；

相应的，图像划分单元902，还用于基于所述主体区域的中心位置和所述图像块的初始划分方式，确定所述目标图像块；将所述目标图像块的中心位置移动至所述主体区域的中心位置处，得到所述目标图像中图像块的目标划分方式。

在一些实施例中，图像划分单元902，具体用于在所述图像块的初始划分方式上，将所述目标图像中所有图像块进行整体平移，使目标图像块的中心位置和所述主体区域的中心位置重合；或者，在所述图像块的初始划分方式上，将所述目标图像块进行单独平移，使目标图像块的中心位置和所述主体区域的中心位置重合；或者，在所述图像块的初始划分方式上，调整所述目标图像块及其周围的至少一个其他图像块的形状或面积，使目标图像块的中心位置和所述主体区域的中心位置重合。

在一些实施例中，图像划分单元902，还用于在将所述目标图像块的初始中心位置移动至所述主体区域的中心位置之后，所述主体区域的面积大于所述目标图像块的面积时，扩大所述目标图像块的面积，使所述主体区域位于扩大后的目标图像块内。

在一些实施例中，图像识别单元901，具体用于基于人工智能算法，识别出所述目标图像中拍摄主体所在的主体区域；或者，基于所述目标图像的对焦位置，识别出所述目标图像中拍摄主体所在的主体区域。

在一些实施例中，图像划分单元902，具体用于计算所述主体区域内所有像素点坐标的累加和，得到横坐标累加和与纵坐标累加和；将所述横坐标累加和与纵坐标累加和分别除以所述主体区域内像素点个数，得到所述主体区域中心的横坐标和纵坐标。

在一些实施例中，图像处理单元903，具体用于在所述目标图像的目标划分方式上，统计所述目标图像中各个图像块的直方图；基于所述图像块的直方图，计算所述目标图像中各个图像块的对比度拉伸曲线；基于所述图像块的对比度拉伸曲线，增强所述目标图像中各个图像块的对比度，得到对比度增强后的目标图像。

采用上述技术方案，通过控制主体区域的中心位置和目标图像块的中心位置重合，使主体区域最大限度的落在目标图像块内，在采用局部图像增强技术时避免了对主体区域增强效果不均的现象，保证了对主体区域增强效果的一致性。

本申请实施例还提供了一种图像处理设备，如图10所示，该设备包括：处理器1001和配置为存储能够在处理器上运行的计算机程序的存储器1002；

处理器1001运行存储器1002中计算机程序时实现以下步骤：

采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

确定所述主体区域的中心位置；

基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

在一些实施例中，处理器1001运行存储器1002中计算机程序时还实现以下步骤：所述确定所述目标图像中图像块的目标划分方式之前，采用预设的图像划分策略对目标图像进行图像块划分，得到所述目标图像中图像块的初始划分方式；

相应的，在一些实施例中，处理器1001运行存储器1002中计算机程序时具体实现以下步骤：基于所述主体区域的中心位置和所述图像块的初始划分方式，确定所述目标图像块；将所述目标图像块的中心位置移动至所述主体区域的中心位置处，得到所述目标图像中图像块的目标划分方式。

在一些实施例中，处理器1001运行存储器1002中计算机程序时具体实现以下步骤：在所述图像块的初始划分方式上，将所述目标图像中所有图像块进行整体平移，使目标图像块的中心位置和所述主体区域的中心位置重合；或者，在所述图像块的初始划分方式上，将所述目标图像块进行单独平移，使目标图像块的中心位置和所述主体区域的中心位置重合；或者，在所述图像块的初始划分方式上，调整所述目标图像块及其周围的至少一个其他图像块的形状或面积，使目标图像块的中心位置和所述主体区域的中心位置重合。

在一些实施例中，处理器1001运行存储器1002中计算机程序时还实现以下步骤：在将所述目标图像块的初始中心位置移动至所述主体区域的中心位置之后，所述主体区域的面积大于所述目标图像块的面积时，扩大所述目标图像块的面积，使所述主体区域位于扩大后的目标图像块内。

在一些实施例中，处理器1001运行存储器1002中计算机程序时具体实现以下步骤：基于人工智能算法，识别出所述目标图像中拍摄主体所在的主体区域；或者，基于所述目标图像的对焦位置，识别出所述目标图像中拍摄主体所在的主体区域。

在一些实施例中，处理器1001运行存储器1002中计算机程序时具体实现以下步骤：计算所述主体区域内所有像素点坐标的累加和，得到横坐标累加和与纵坐标累加和；将所述横坐标累加和与纵坐标累加和分别除以所述主体区域内像素点个数，得到所述主体区域中心的横坐标和纵坐标。

在一些实施例中，处理器1001运行存储器1002中计算机程序时具体实现以下步骤：在所述目标图像的目标划分方式上，统计所述目标图像中各个图像块的直方图；基于所述图像块的直方图，计算所述目标图像中各个图像块的对比度拉伸曲线；基于所述图像块的对比度拉伸曲线，增强所述目标图像中各个图像块的对比度，得到对比度增强后的目标图像。

当然，实际应用时，如图10所示，该设备中的各个组件通过总线系统1003耦合在一起。可理解，总线系统1003用于实现这些组件之间的连接通信。总线系统1003除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图10中将各种总线都标为总线系统1003。

采用上述技术方案，通过控制主体区域的中心位置和目标图像块的中心位置重合，使主体区域最大限度的落在目标图像块内，在采用局部图像增强技术时避免了对主体区域增强效果不均的现象，保证了对主体区域增强效果的一致性。

本申请实施例还提供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上述任一实施例所述的方法的步骤。

在实际应用中，上述处理器可以为特定用途集成电路(ASIC，ApplicationSpecific Integrated Circuit)、数字信号处理装置(DSPD，Digital Signal ProcessingDevice)、可编程逻辑装置(PLD，Programmable Logic Device)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。

上述存储器可以是易失性存储器(volatile memory)，例如随机存取存储器(RAM，Random-Access Memory)；或者非易失性存储器(non-volatile memory)，例如只读存储器(ROM，Read-Only Memory)，快闪存储器(flash memory)，硬盘(HDD，Hard Disk Drive)或固态硬盘(SSD，Solid-State Drive)；或者上述种类的存储器的组合，并向处理器提供指令和数据。

需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：

采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

确定所述主体区域的中心位置；

基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

2.根据权利要求1所述的方法，其特征在于，所述确定所述目标图像中图像块的目标划分方式之前，所述方法还包括：

采用预设的图像划分策略对目标图像进行图像块划分，得到所述目标图像中图像块的初始划分方式；

相应的，所述基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式，包括：

基于所述主体区域的中心位置和所述图像块的初始划分方式，确定所述目标图像块；

将所述目标图像块的中心位置移动至所述主体区域的中心位置处，得到所述目标图像中图像块的目标划分方式。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标图像块的中心位置移动至所述主体区域的中心位置处，包括：

在所述图像块的初始划分方式上，将所述目标图像中所有图像块进行整体平移，使目标图像块的中心位置和所述主体区域的中心位置重合；

或者，在所述图像块的初始划分方式上，将所述目标图像块进行单独平移，使目标图像块的中心位置和所述主体区域的中心位置重合；

或者，在所述图像块的初始划分方式上，调整所述目标图像块及其周围的至少一个其他图像块的形状或面积，使目标图像块的中心位置和所述主体区域的中心位置重合。

4.根据权利要求2所述的方法，其特征在于，在将所述目标图像块的初始中心位置移动至所述主体区域的中心位置之后，所述方法还包括：

所述主体区域的面积大于所述目标图像块的面积时，扩大所述目标图像块的面积，使所述主体区域位于扩大后的目标图像块内。

5.根据权利要求1所述的方法，其特征在于，所述采用图像识别策略识别出目标图像中拍摄主体所在的主体区域，包括：

基于人工智能算法，识别出所述目标图像中拍摄主体所在的主体区域；

或者，基于所述目标图像的对焦位置，识别出所述目标图像中拍摄主体所在的主体区域。

6.根据权利要求1所述的方法，其特征在于，所述确定所述主体区域的中心位置，包括：

计算所述主体区域内所有像素点坐标的累加和，得到横坐标累加和与纵坐标累加和；

将所述横坐标累加和与纵坐标累加和分别除以所述主体区域内像素点个数，得到所述主体区域中心的横坐标和纵坐标。

7.根据权利要求1所述的方法，其特征在于，所述基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像，包括：

在所述目标图像的目标划分方式上，统计所述目标图像中各个图像块的直方图；

基于所述图像块的直方图，计算所述目标图像中各个图像块的对比度拉伸曲线；

基于所述图像块的对比度拉伸曲线，增强所述目标图像中各个图像块的对比度，得到对比度增强后的目标图像。

8.一种图像处理装置，其特征在于，所述装置包括：

图像识别单元，用于采用图像识别策略识别出目标图像中拍摄主体所在的主体区域；

图像划分单元，用于确定所述主体区域的中心位置；基于所述主体区域的中心位置，确定所述目标图像中图像块的目标划分方式；其中，在所述目标划分方式中目标图像块的中心位置和所述主体区域的中心位置重合；

图像处理单元，用于基于所述图像块的目标划分方式，对所述目标图像中每一个图像块进行图像增强处理，得到增强后的目标图像。

9.一种图像处理设备，所述设备包括：处理器和配置为存储能够在处理器上运行的计算机程序的存储器，

其中，所述处理器配置为运行所述计算机程序时，执行权利要求1至7任一项所述方法的步骤。

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，该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。

Images