CN113206956A - 图像处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种图像处理方法、装置、设备及存储介质，属于图像处理技术领域。该方法包括：获取M个预设拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；按照所述目标拍照倍率拍摄目标图像。采用本申请提供的方法，可以能够简化用户的拍摄操作，从而可以有效提高拍摄效率。

Description

图像处理方法、装置、设备及存储介质

技术领域

本申请属于图像处理技术领域，具体涉及一种图像处理方法、装置、设备及存储介质。

背景技术

随着电子设备的不断发展，电子设备大多都具备了拍摄功能，并且拍摄功能已经成为用户日常生活中的经常使用的一项重要功能。

目前，用户在使用电子设备拍摄图像时，可以根据经验调整电子设备，以拍摄到自己喜欢的照片。这样，会导致拍摄操作较为繁琐，拍摄效率较低。

发明内容

本申请实施例的目的是提供一种图像处理方法、装置、设备及存储介质，能够解决现有技术中拍摄操作较为繁琐，拍摄效率较低的技术问题。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本申请实施例提供了一种图像处理方法，该方法包括：

获取M个预设拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；

基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；

将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；

按照所述目标拍照倍率拍摄目标图像；

其中，所述图像分值用于指示对应的所述预览图像的美观程度；所述第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；所述第二预设矩阵包括每个对象组分布在所述每张图像中的每个区域的概率，所述对象组包括至少两种所述预设对象类型。

第二方面，本申请实施例提供了一种图像处理装置，该装置包括：

获取模块，用于获取M个拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；

计算模块，用于基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；

确定模块，用于将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；

拍摄模块，用于按照所述目标拍照倍率拍摄目标图像；

其中，所述图像分值用于指示对应的所述预览图像的美观程度；所述第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；所述第二预设矩阵包括每个对象组分布在所述每张图像中的每个区域的概率，所述对象组包括至少两种所述预设对象类型。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。

在本申请实施例中，电子设备可以获取M个预设拍照倍率对应的M张预览图像，基于第一预设矩阵和第二预设矩阵计算M张预览图像的图像分值，再确定M个图像分值中满足预设条件的目标图像目标拍照倍率，按照目标拍照倍率拍摄得到目标图像；其中，图像分值用于指示对应的预览图像的美观程度；第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率，第二预设矩阵包括每个对象组分布在每张图像中的每个区域的概率，对象组包括至少两种预设对象类型。

这样，电子设备能够自动调整拍照倍率，基于根据第一预设矩阵和第二预设矩阵计算得到的满足预设条件的目标图像分值对应的目标拍照倍率进行拍摄。也就是说，可以基于各个预览图像中每种预设对象类型和每个对象组的分布参数中，更接近预设训练样本集中的图像的分布情况的预览图像对应的预设拍照倍率进行拍摄。如此，相对于现有技术中用户人工根据经验调整电子设备进行图像拍摄而言，能够简化用户的拍摄操作，从而可以有效提高拍摄效率。

附图说明

图1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2是本申请实施例提供的一种区域划分方法的示意图；

图3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4是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。

下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法进行详细地说明。

图1示出了本申请实施例提供的一种图像处理方法的流程示意图，该方法的执行主体可以是电子设备。如图1所示，该图像处理方法可以包括如下步骤：

步骤110，获取M个预设拍照倍率对应的M张预览图像。

其中，一个预设拍照倍率可以对应一张预览图像，也就是说，预设拍照倍率和预览图像是一一对应的，M为大于或等于2的正整数。拍照倍率为用户在利用电子设备的拍摄程序进行拍摄时，在电子设备的显示界面上能够直接调节的倍率，如0.6倍至30倍、0.8倍至20倍等，默认倍率可以是1倍。假设电子设备按照默认倍率拍摄到的被拍摄物的预设尺寸为a，则按照5倍拍照倍率拍摄得到的图像中被拍摄物的尺寸则为5a。

作为一个示例，用户想要拍摄图像时，可以启动电子设备的拍摄程序，再通过触控、语音、手势等输入方式，控制电子设备进行拍摄，以使电子设备能够接收到用户的输入。电子设备在接收到用户的该输入之后，可以从电子设备的预设拍照倍率区间中获取M个预设拍照倍率。以电子设备的拍照倍率区间为0.6倍到30倍，M为8为例，可以从0.6倍到30倍中选择8个拍照倍率作为预设拍照倍率，如可以选择0.6倍、1倍、1.3倍、1.5倍、1.8倍、2倍、3倍、6倍。可以理解的是，M个预设拍照倍率可以是预先设置好的，且预设拍照倍率的选取可以是非均匀的，如在拍照倍率较小时，预设拍照倍率的选择可以较密集，拍照倍率较大时，预设拍照倍率的选择可以较为稀疏。

电子设备在获取到M个预设拍照倍率之后，可以分别获取每个预设拍照倍率的预览图像。仍以M为8，M个预设拍照倍率为0.6倍、1倍、1.3倍、1.5倍、1.8倍、2倍、3倍、6倍为例，电子设备可以分别获取拍照倍率为0.6倍时的预览图像1、拍照倍率为1倍时的预览图像2、……、拍照倍率为6倍时的预览图像8。

可以理解的是，在获取每个预设拍照倍率对应的预览图像时，每个预设拍照倍率对应的预览图像可以在电子设备上显示，也可以不在电子设备上显示。在每个预设拍照倍率对应的预览图像不在电子设备上显示的情况下，电子设备至少包括有两个摄像头，即电子设备至少为双摄。

步骤120，基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值。

其中，第一预设矩阵可以包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；第二预设矩阵可以包括每个对象组分布在每张图像中的每个区域的概率，对象组可以包括至少两种预设对象类型；图像分值可以用于指示对应的预览图像的美观程度；预设对象类型可以是预先设置的对象类型，如可以是图素类型，比如树木、建筑、草地、人物、动物等。

第一预设矩阵和第二预设矩阵可以是预先基于预设训练样本集训练得到的，预设训练样本集可以是预先选择的多张美观程度较高的图像的集合。

作为一个示例，在获取到M个预设拍照倍率对应的M张预览图像之后，可以基于第一预设矩阵和第二预设矩阵，分别计算M张预览图像的图像分值，得到M个图像分值，每张预览图像的图像分值可以用于指示该预览图像的美观程度，如可以是图像分值越高，表示美观程度越高。以M张预览图像为拍照倍率为预览图像1、预览图像2、……、预览图像8为例，可以基于第一预设矩阵和第二预设矩阵，分别计算预览图像1的图像分值1、预览图像2的图像分值2、……、预览图像8的图像分值8。

步骤130，将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率。

其中，目标拍照倍率可以为目标图像分值对应的预设拍照倍率；目标图像分值可以为M张预览图像的图像分值中满足预设条件的图像分值；预设条件可以是预先设置的用于确定目标图像分值的条件，如可以取M张预览图像的图像分值的最大值。

作为一个示例，在基于第一预设矩阵和第二预设矩阵，计算出M张预览图像的图像分值之后，可以从M张预览图像的图像分值中选择一个满足预设条件的目标拍照倍率，如可以是M个图像分值中的最大值。以M张预览图像的图像分值为0.4、0.3、0.6、0.55、0.65、0.7、0.8、0.85为例，可以选取前述M张预览图像的图像分值中的最大值0.85，将0.85对应的预设拍照倍率确定为目标拍照倍率。

可以理解的是，在确定目标拍照倍率的同时，也可以选择其他影响图像美观程度的拍摄参数，如色相、色调、色温、饱和度、对比度等本申请实施例对此不做限定。

步骤140，按照目标拍照倍率拍摄目标图像。

其中，目标图像可以是按照目标拍照倍率拍摄得到的图像。

作为一个示例，在确定出目标拍照倍率之后，可以按照目标拍照倍率进行拍摄，得到目标图像。由于每张预览图像的图像分值均是基于第一预设矩阵和第二预设矩阵计算得到的，而第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的各个区域的概率，第二预设矩阵包括每个对象组分布在每张图像中的各个区域的概率。故而，基于第一预设矩阵和第二预设矩阵计算出的图像分值，具有预设对象类型在每张预览图像中的分布的美观程度的属性。也就是说，每张预览图像各自对应的图像分值可以用于表示该预览图像的美观程度。故而，基于满足预设条件的目标图像分值对应的目标拍照倍率拍摄得到的目标图像，通常可以认为是较为美观的图像。

在本申请实施例中，电子设备可以获取M个预设拍照倍率对应的M张预览图像，基于第一预设矩阵和第二预设矩阵计算M张预览图像的图像分值，再确定M个图像分值中满足预设条件的目标图像目标拍照倍率，按照目标拍照倍率拍摄得到目标图像；其中，图像分值用于指示对应的预览图像的美观程度；第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率，第二预设矩阵包括每个对象组分布在每张图像中的每个区域的概率，对象组包括至少两种预设对象类型。

这样，电子设备能够自动调整拍照倍率，基于根据第一预设矩阵和第二预设矩阵计算得到的满足预设条件的目标图像分值对应的目标拍照倍率进行拍摄。也就是说，可以基于各个预览图像中每种预设对象类型和每个对象组的分布参数中，更接近预设训练样本集中的图像的分布情况的预览图像对应的预设拍照倍率进行拍摄。如此，相对于现有技术中用户人工根据经验调整电子设备进行图像拍摄而言，能够简化用户的拍摄操作，从而可以有效提高拍摄效率。

在一些实施例中，电子设备还可以预先基于预设训练样本集确定第一预设矩阵和第二预设矩阵。相应的，在上述步骤110之前，还可以执行如下处理：

将预设训练样本集中的每张图像划分为G个区域，G为大于或等于2的正整数；

根据每张图像中的每种预设对象类型在G个区域中的第一分布参数确定第一预设矩阵；

根据每张图像中的每个对象组在G个区域中的第二分布参数确定第二预设矩阵。

其中，第一分布参数可以是预设训练样本集中的每张图像中的每种预设对象类型在G个区域中的分布参数，其可以包括每种预设对象类型分布在每张图像的每个区域的次数(即第一次数)，和每种预设对象类型出现在预设训练样本集中的次数(即第一总次数)。第一次数可以是每种预设对象类型分布在每个区域的面积与该预设对象类型的面积之比。如对于预设对象类型1而言，假设某张图像中预设对象类型1的面积为1，预设对象类型1分布在该图像的第1个区域的面积为0.6，则可以计算出预设对象类型1分布在该图像的第1个区域的第一次数为0.6/1＝0.6。

第二分布参数可以是每张图像中的每个对象组在G个区域中的分布参数，其可以包括每个对象组分布在每张图像的每个区域的次数(即第二次数)，和每个对象组出现在预设训练样本集中的次数(即第二总次数)。对于某张图像的某个图像组而言，第二次数可以是对象组中的每种预设对象类型分布在该图像中的某个区域的第一次数的积。如以某张图像的某个图像组包括预设对象类型1和预设对象类型2为例，该对象组中预设对象类型1分布在该图像的第1个区域的情况下，预设对象类型2分布在该图像的第3个区域的第二次数可以为：预设对象类型1分布在该图像的第1个区域的第一次数a1，与预设对象类型2分布在该图像的第3个区域的第一次数a2的积，即a1a2。

作为一个示例，电子设备在预先基于预设训练样本集确定第一预设矩阵和第二预设矩阵时，可以先对预设训练样本集中包含的对象进行分类，分为N种预设对象类型，N为大于或等于1的正整数。如预设对象类型可以为树木、建筑、草地、人物、动物等，还可以为每种预设对象类型编号为1、2、……、N。电子设备还可以将预设训练样本集中的每张图像划分为G个区域，如图2所示，图2以G为12为例示出了一种区域划分方法的示意图，参照图2，可以通过横向和纵向等分，将每张图像划分为12个区域，并可以按照从上到下，从左到右的顺序依次对每个区域编号为1、2、……12。

然后，可以获取每种预设对象类型在每张图像中的G个区域中的第一分布参数，如可以包括每种预设对象类型分布在每个区域的第一次数，和每种预设对象类型出现在预设训练样本中的第一总次数，该第一总次数可以是每种预设对象类型出现在预设训练样本集中的每张图像的任意区域的次数之和，也就是说，在统计每种预设对象类型出现在预设训练样本集中的第一总次数时，是不区分其出现区域的，只要是出现在图像中即可。然后，可以再根据每种预设对象类型在每张图像中的G个区域中的第一分布参数确定出第一预设矩阵。

以预设训练样本集包括10张图像，预设对象类型为对象类型1、对象类型2、对象类型3，G为12为例，表1中区域1表示第1个区域、区域2表示第2个区域、……区域12表示第12个区域，假设每张图像中的预设对象类型分布情况如表1所示，则可以统计出对象类型1出现在预设训练样本集中的第一总次数为7；对象类型2、对象类型3出现在预设训练样本集中的第一总次数分别为9、8。

表1

还可以获取每个至少包括两种预设对象类型的对象组在每张图像中的G个区域中的第二分布参数，第二分布参数可以包括每个对象组分布在每个区域的第二次数，和每个对象组出现在预设训练样本中的第二总次数。如以每个对象组包括第i种预设对象类型和第j种预设对象类型为例，第二分布参数可以包括：每张图像中第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二次数；以及，预设训练样本集中第i种预设对象类型与第j种预设对象类型同时出现的情况下，第i种预设对象类型分布在第k个区域的第二总次数等参数。再根据每个至少包括两种预设对象类型的对象组，在每张图像中的G个区域中的第二分布参数确定第二预设矩阵。其中，第二总次数可以是预设训练样本集中的每张图像中，第i种预设对象类型与第j种预设对象类型同时出现的情况下，第i种预设对象类型分布在第k个区域的次数之和。其具体统计方式与第一总次数的统计方式类似。

可以理解的是，第一预设矩阵和第二预设矩阵可以是在电子设备首次启动拍摄程序之前确定，也可以按照周期进行更新。

这样，一方面，预先确定第一预设矩阵和第二预设矩阵，可以在用户拍摄时直接使用，无需实时计算，如此，可以减少拍摄耗时，在提高拍摄得到的图像的美感的基础上，进一步提高拍摄效率。另一方面，基于每张图像中的每种预设对象类型在G个区域中的第一分布参数，和每张图像中的每个对象组在G个区域中的第二分布参数确定第一预设矩阵和第二预设矩阵，可以使得第一预设矩阵和第二预设矩阵能够更准确的反应预设训练集中的较为美观的图像中的预设对象类型的构成和预设对象类型的比例，如此，可以为每张预览图像的图像分值计算提供更优的数据依据，从而可以使得计算出的图像分值更符合预览图像的实际美观程度，提高确定出的目标图像分值和目标拍照倍率的准确性，进而可以进一步提高拍摄效率。

在一些实施例中，可以根据每张图像中第i种预设对象类型分布在第k个区域的第一次数，以及第i种预设对象类型出现在预设训练样本集中的第一总次数确定第一预设矩阵。相应的，上述根据每张图像中的每种预设对象类型在G个区域中的第一分布参数确定第一预设矩阵的具体实现方式可以如下：

统计第i种预设对象类型出现在预设训练样本集中的第一总次数；

分别计算每张图像中第i种预设对象类型分布在第k个区域的第一次数，得到P个第一次数；

计算P个第一次数之和，得到第三总次数；

基于第一总次数和第三总次数，计算第i种预设对象类型分布在第k个区域的第一概率；

根据第一概率确定第一预设矩阵。

其中，P为预设训练样本集中第一图像的数量，第一图像为包括第i种预设对象类型分布在第k个区域的图像，P为大于或等于2的正整数；i∈[1,N]，k∈[1,G],N为大于或等于1的正整数，N表示预设对象类型的数量，i,k为正整数。

作为一个示例，电子设备在计算第一预设矩阵时，可以统计第i种预设对象类型出现在预设训练样本集中的总次数，即第一总次数CI[i]。还可以统计预设训练样本集中的每张第一图像中，第i种预设对象类型分布在第k个区域的次数，即第一次数。如对于某张第一图像，可以计算第i种预设对象类型的面积A(i)，以及第i种预设对象类型分布在该第一图像中的第k个区域的面积A(i,k)，再根据公式(1)计算第i种预设对象类型分布在第k个区域的占比B(i,k)，将占比B(i,k)确定为第i种预设对象类型分布在第k个区域的第一次数。

B(i,k)＝A(i,k)/A(i) (1)

其中，B(i,k)表示第i种预设对象类型分布在第k个区域的占比，A(i,k)表示第i种预设对象类型分布在第k个区域的面积，A(i)表示第i种预设对象类型的面积。

对于预设训练样本集中每张存在第i种预设对象类型分布在第k个区域的第一图像，分别执行上述处理，得到P个第一次数B(i,k)。再对P个第一次数B(i,k)进行累加，即计算P个第一次数B(i,k)之和，得到一个总次数，即第三总次数C[i,k]。再基于第一总次数和第三总次数，根据公式(2)计算第i种预设对象类型分布在第k个区域的概率，即第一概率P[i,k]。在计算出P[i,k]之后，可以基于所有的P[i,k]构建第一预设矩阵。也就是说，第一预设矩阵实际上包括每种预设对象类型分布在预设训练样本集的每张图像中的各个区域的第一概率，即第一预设矩阵可以包括P[1,k]、P[2,k]、……、P[N,k]。

P[i,k]＝C[i,k]/CI[i] (2)

其中，i∈[1,N]，k∈[1,G]，N和G均为大于或等于1的正整数，P[i,k]表示第i种预设对象类型分布在第k个区域的第一概率，C[i,k]表示第三总次数，CI[i]表示第一总次数。

这样，可以使得确定出的第一预设矩阵可以包括有每种预设对象类型在图像的不同区域的分布概率，如此，为拍摄时计算预览图像的图像分值提供充足的数据基础。

在一些实施例中，可以根据每张图像中的每个对象组在G个区域中的第二分布参数确定第二预设矩阵。相应的，上述根据每张图像中的每个对象组在G个区域中的第二分布参数确定第二预设矩阵的具体实现方式可以如下：

统计预设训练样本集中，第i种预设对象类型与第j种预设对象类型同时出现的情况下，第i种预设对象类型分布在第k个区域的第二总次数；

分别计算每张图像中第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二次数，得到S个第二次数；

计算S个第二次数之和，得到第四总次数；

基于第二总次数和第四总次数，计算第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二概率；

根据第二概率确定第二预设矩阵。

其中，S为预设训练样本集中第二图像的数量，第二图像为包括第i种预设对象类型出现在第k个区域的情况下，第j种预设对象类型出现在第l个区域的图像，S为大于或等于2的正整数。

作为一个示例，电子设备在计算第二预设矩阵时，可以统计预设训练样本集中，第i种预设对象类型与第j种预设对象类型同时出现的情况下，第i种预设对象类型分布在第k个区域的总次数，即第二总次数DI[i,j,k]。还可以统计预设训练样本集中的每张第二图像中，第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的次数，即第二次数B(i,k)*B(j,l)。第二次数中B(i,k)和B(j,l)的计算原理与第一次数的计算原理类似，在此不再赘述。对于预设训练样本集中每张包括第i种预设对象类型出现在第k个区域的情况下，第j种预设对象类型出现在第l个区域的第二图像，分别执行上述处理，得到S个第二次数B(i,k)*B(j,l)。

然后，可以对S个第二次数B(i,k)*B(j,l)进行累加，即计算S个第二次数B(i,k)*B(j,l)之和，得到一个总次数，即第四总次数D[i,j,k,l]。再基于第二总次数和第四总次数，根据公式(3)计算第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的概率，即第二概率P[i,j,k,l]。在计算出P[i,j,k,l]之后，可以基于所有的P[i,j,k,l]构建第二预设矩阵。

P[i,j,k,l]＝D[i,j,k,l]/DI[i,j,k] (3)

其中，i∈[1,N]，k∈[1,G]，N和G均为大于或等于1的正整数，P[i,j,k,l]表示第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的概率，D[i,j,k,l]表示第四总次数，DI[i,j,k]表示第二总次数。

这样，第二预设矩阵可以包括有每种对象组在图像的不同区域的分布概率，且由于对象组可以包括至少两种预设对象类型，故而，第二预设矩阵还可以包括有多种预设对象类型同时出现在同一图像下的分布概率。如此，可以使得第二预设矩阵可以包括更丰富全面，从而可以为拍摄时计算预览图像的图像分值提供更加丰富更加充足的数据基础。

在一些实施例中，上述基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值的具体实现方式可以如下：

计算第q张预览图像中第i种预设对象类型分布在第k个区域的第三次数，和第j种预设对象类型出现在第l个区域的第四次数；q∈[1,M],q为正整数；

从第一预设矩阵中获取第i个预设对象类型分布在第k个区域的第一概率，和从第二预设矩阵中获取第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二概率；

基于第三次数、第四次数、第一概率和第二概率，计算第一图像分值；

基于第一图像分值确定第q张预览图像的图像分值。

其中，第一图像分值用于指示第q张预览图像中第i种预设对象类型分布在第k个区域，且第j种预设对象类型分布在第l个区域的美观程度。

作为一个示例，在计算第q张预览图像的图像分值时，可以计算第q张预览图像中第i种预设对象类型分布在第k个区域的次数，即第三次数B′(i,k)，以及，第q张预览图像中第j种预设对象类型出现在第l个区域的次数，即第四次数B′(j,l)。还可以从第一预设矩阵中获取已知的第i个种预设对象类型分布在第k个区域的概率，即第一概率C[T(i),k]；从第二预设矩阵中获取第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的概率，即第二概率D[T(i),T(j)，k，l]。然后，可以基于第三次数、第四次数、第一概率和第二概率，按照公式(4)计算出第一图像分值P(i，j)，该第一图像分值可以用于指示第q张预览图像中第i种预设对象类型分布在第k个区域，且第j种预设对象类型分布在第l个区域的美观程度。之后，可以再基于第一图像分值确定第q张预览图像的图像分值。

P(i，j)＝∑_kC[T(i),k]B′(i,k)∑_lD[T(i),T(j),k,l]B′(j,l) (4)

其中，P(i,j)表示第一图像分值，C[T(i),k]表示第一概率，B′(i,k)表示第三次数，D[T(i),T(j),k,l]表示第二概率，B′(j,l)表示第四次数。

这样，在第一预设矩阵和第二预设矩阵的基础上，结合预览图像中的每种预设对象类型在各个区域的分布参数(即第三次数和第四次数)确定预览图像的图像分值，可以使得确定出的预览图像的图像分值具有预览图像本身的属性。从而可以使得确定出的图像分值更符合预览图像的实际美观程度，如此，可以为目标拍照倍率的确定提供更准确的数据依据，进而可以提高目标拍照倍率的准确性。

在一些实施例中，还可以结合预览图像中的对象组的分布参数，计算第一图像分值。相应的，上述步骤基于第三次数、第四次数、第一概率和第二概率，计算第一图像分值之前，还可以执行如下步骤：

从第一预设矩阵中，获取第j个预设对象类型分布在第l个区域的第三概率，和从第二预设矩阵中，获取第j种预设对象类型分布在第l个区域的情况下，第i种预设对象类型分布在第k个区域的第四概率。

此时，上述基于第三次数、第四次数、第一概率和第二概率，计算第一图像分值的具体实现方式可以如下：

基于第三次数、第四次数、第一概率、第二概率、第三概率和第四概率，计算第一图像分值。

作为一个示例，在计算第一图像分值之前，还可以从第一预设矩阵中，获取第j种预设对象类型分布在第l个区域的概率，即第三概率C[T(j),l]。从第二预设矩阵中，获取第j种预设对象类型分布在第l个区域的情况下，第i种预设对象类型分布在第k个区域的概率，即第四概率D[T(j),T(i),l,k]。然后，可以根据公式(5)基于第三次数B′(i,k)、第四次数B′(j,l)、第一概率C[T(i),k]、第二概率D[T(i),T(j),k,l]、第三概率C[T(j),l]和第四概率D[T(j),T(i),l,k]，计算第一图像分值P(i,j)。

其中，P(i,j)表示第一图像分值，B′(i,k)表示第三次数，B′(j,l)表示第四次数，C[T(i),k]表示第一概率，D[T(i),T(j),k,l]表示第二概率，C[T(j),l]表示第三概率，D[T(j),T(i),l,k]表示第四概率。

这样，在第一预设矩阵、第二预设矩阵和预览图像中的每种预设对象类型在各个区域的分布参数的基础上，结合预览图像中的每个对象组在各个区域的分布参数确定第一图像分值，可以使得确定出的第一图像分值具有预览图像本身的属性。从而可以使得基于第一图像分值确定出的预览图像的图像分值，更符合预览图像的实际美观程度，如此，可以进一步提高目标拍照倍率的准确性。

在一些实施例中，考虑到预览图像中可以包括至少两种预设对象类型，相应的确定出的第一图像分值也可以是至少两个。在这种情况下，上述基于第一图像分值确定第q张预览图像的图像分值的具体实现方式可以如下：

将至少两个第一图像分值的最大值或平均值确定为第q张预览图像的图像分值。

作为一个示例，在计算出第q张预览图像的至少两个第一图像分值之后，可以获取前述至少两个第一图像分值中的最大值，将该最大值确定为第q张预览图像的图像分值。或者，也可以计算前述至少两个第一图像分值的平均值，将该平均值确定为第q张预览图像的图像分值。

可以理解的是，当预览图像仅对应有一个第一图像分值时，可以直接将第一图像分值确定为该预览图像的图像分值。

这样，由于第一图像分值的最大值或者平均值，可以更好的表示预览图像的美观程度，故而，将第一图像分值的最大值或平均值确定为预览图像的图像分值，可以使得确定出的图像分值更符合预览图像的实际美观程度，从而可以进一步提高确定出的目标图像分值的准确性。

需要说明的是，本申请实施例提供的图像处理方法，执行主体可以为图像处理装置，或者，该图像处理装置中的用于执行加载图像处理方法的控制模块。本申请实施例中以图像处理装置执行加载图像处理方法为例，说明本申请实施例提供的图像处理方法。

基于同一发明构思，本申请还提供了一种图像处理装置，如图3所示，该图像处理装置300可以包括：

第一获取模块310，可以用于获取M个拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；

计算模块320，可以用于基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；

确定模块330，可以用于将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；

拍摄模块340，可以用于按照所述目标拍照倍率拍摄目标图像；

其中，所述图像分值用于指示对应的所述预览图像的美观程度；所述第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；所述第二预设矩阵包括每个对象组分布在所述每张图像中的每个区域的概率，所述对象组包括至少两种所述预设对象类型。

在本申请实施例中，电子设备可以获取M个预设拍照倍率对应的M张预览图像，基于第一预设矩阵和第二预设矩阵计算M张预览图像的图像分值，再确定M个图像分值中满足预设条件的目标图像目标拍照倍率，按照目标拍照倍率拍摄得到目标图像；其中，图像分值用于指示对应的预览图像的美观程度；第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率，第二预设矩阵包括每个对象组分布在每张图像中的每个区域的概率，对象组包括至少两种预设对象类型。

这样，电子设备能够自动调整拍照倍率，基于根据第一预设矩阵和第二预设矩阵计算得到的满足预设条件的目标图像分值对应的目标拍照倍率进行拍摄。也就是说，可以基于各个预览图像中每种预设对象类型和每个对象组的分布参数中，更接近预设训练样本集中的图像的分布情况的预览图像对应的预设拍照倍率进行拍摄。如此，相对于现有技术中用户人工根据经验调整电子设备进行图像拍摄而言，能够简化用户的拍摄操作，从而可以有效提高拍摄效率。

在一些实施例中，所述图像处理装置300，还可以包括：

区域划分模块，可以用于将预设训练样本集中的每张图像划分为G个区域，G为大于或等于2的正整数；

第一确定模块，可以用于根据所述每张图像中的每种预设对象类型在所述G个区域中的第一分布参数确定所述第一预设矩阵，所述第一分布参数包括每种预设对象类型分布在每张图像的每个区域的第一次数，和每种预设对象类型出现在所述预设训练样本集中的第一总次数；

第二确定模块，可以用于根据所述每张图像中的每个对象组在所述G个区域中的第二分布参数确定所述第二预设矩阵，所述第二分布参数包括每个对象组分布在每张图像的每个区域的第二次数，和每个对象组出现在所述预设训练样本集中的第二总次数。

这样，一方面，预先确定第一预设矩阵和第二预设矩阵，可以在用户拍摄时直接使用，无需实时计算，如此，可以减少拍摄耗时，在提高拍摄得到的图像的美感的基础上，进一步提高拍摄效率。另一方面，基于每张图像中的每种预设对象类型在G个区域中的第一分布参数，和每张图像中的每个对象组在G个区域中的第二分布参数确定第一预设矩阵和第二预设矩阵，可以使得第一预设矩阵和第二预设矩阵能够更准确的反应预设训练集中的较为美观的图像中的预设对象类型的构成和预设对象类型的比例，如此，可以为每张预览图像的图像分值计算提供更优的数据依据，从而可以使得计算出的图像分值更符合预览图像的实际美观程度，提高确定出的目标图像分值和目标拍照倍率的准确性，进而可以进一步提高拍摄效率。

在一些实施例中，所述第一确定模块，可以包括：

第一统计单元，可以用于统计第i种预设对象类型出现在所述预设训练样本集中的第一总次数；

第一计算单元，可以用于分别计算每张图像中第i种预设对象类型分布在第k个区域的第一次数，得到P个第一次数，P为所述预设训练样本集中第一图像的数量，所述第一图像为包括第i种预设对象类型分布在所述第k个区域的图像，P为大于或等于2的正整数；i∈[1,N]，k∈[1,G],N为大于或等于1的正整数，N表示预设对象类型的数量，i,k为正整数；

第二计算单元，可以用于计算所述P个第一次数之和，得到第三总次数；

第三计算单元，可以用于基于所述第一总次数和所述第三总次数，计算所述第i种预设对象类型分布在第k个区域的第一概率；

第一确定单元，可以用于根据所述第一概率确定所述第一预设矩阵。

这样，可以使得确定出的第一预设矩阵可以包括有每种预设对象类型在图像的不同区域的分布概率，如此，为拍摄时计算预览图像的图像分值提供充足的数据基础。

在一些实施例中，所述每个对象组可以包括第i种预设对象类型和第j种预设对象类型；

所述第二确定模块，可以包括：

第二统计单元，可以用于统计所述预设训练样本集中，所述第i种预设对象类型与所述第j种预设对象类型同时出现的情况下，所述第i种预设对象类型分布在第k个区域的第二总次数；

第四计算单元，可以用于分别计算每张图像中第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二次数，得到S个第二次数，S为所述预设训练样本集中第二图像的数量，所述第二图像为包括所述第i种预设对象类型出现在第k个区域的情况下，所述第j种预设对象类型出现在第l个区域的图像，S为大于或等于2的正整数；

第五计算单元，可以用于计算所述S个第二次数之和，得到第四总次数；

第六计算单元，可以用于基于所述第二总次数和所述第四总次数，计算所述第i种预设对象类型分布在第k个区域的情况下，所述第j种预设对象类型分布在第l个区域的第二概率；

第二确定单元，可以用于根据所述第二概率确定所述第二预设矩阵。

这样，第二预设矩阵可以包括有每种对象组在图像的不同区域的分布概率，且由于对象组可以包括至少两种预设对象类型，故而，第二预设矩阵还可以包括有多种预设对象类型同时出现在同一图像下的分布概率。如此，可以使得第二预设矩阵可以包括更丰富全面，从而可以为拍摄时计算预览图像的图像分值提供更加丰富更加充足的数据基础。

在一些实施例中，所述计算模块320，可以包括：

第七计算单元，可以用于计算第q张预览图像中所述第i种预设对象类型分布在所述第k个区域的第三次数，和所述第j种预设对象类型出现在第l个区域的第四次数；q∈[1,M],q为正整数；

获取单元，可以用于从所述第一预设矩阵中获取所述第i种预设对象类型分布在第k个区域的第一概率，和从所述第二预设矩阵中获取所述第i种预设对象类型分布在所述第k个区域的情况下，所述第j种预设对象类型分布在所述第l个区域的第二概率；

第八计算单元，可以用于基于所述第三次数、所述第四次数、所述第一概率和所述第二概率，计算第一图像分值，第一图像分值用于指示所述第q张预览图像中所述第i种预设对象类型分布在第k个区域，且所述第j种预设对象类型分布在所述第l个区域的美观程度；

第三确定单元，可以用于基于所述第一图像分值确定所述第q张预览图像的图像分值。

这样，在第一预设矩阵和第二预设矩阵的基础上，结合预览图像中的每种预设对象类型在各个区域的分布参数(即第三次数和第四次数)确定预览图像的图像分值，可以使得确定出的预览图像的图像分值具有预览图像本身的属性。从而可以使得确定出的图像分值更符合预览图像的实际美观程度，如此，可以为目标拍照倍率的确定提供更准确的数据依据，进而可以提高目标拍照倍率的准确性。

在一些实施例中，所述基于所述第三次数、所述第四次数和所述第一概率、所述第二概率，计算第一图像分值的计算公式可以为：

P(i，j)＝∑_kC[T(i)，k]B′(i，k)∑_lD[T(i)，T(j)，k，l]B′(j，l)

其中，C[T(i),k]表示所述第一概率，B′(i,k)表示所述第三次数，D[T(i),T(j),k,l]表示所述第二概率，B′(j,l)表示所述第四次数。

在一些实施例中，所述图像处理装置300，还可以包括：

第二获取模块，可以用于从所述第一预设矩阵中，获取所述第j种预设对象类型分布在第l个区域的第三概率，和从所述第二预设矩阵中，获取所述第j种预设对象类型分布在所述第l个区域的情况下，所述第i种预设对象类型分布在所述第k个区域的第四概率；；

所述第八计算单元，可以包括计算子单元，可以用于：

基于所述第三次数、所述第四次数、所述第一概率、所述第二概率、所述第三概率和所述第四概率，计算所述第一图像分值。

这样，在第一预设矩阵、第二预设矩阵和预览图像中的每种预设对象类型在各个区域的分布参数的基础上，结合预览图像中的每个对象组在各个区域的分布参数确定第一图像分值，可以使得确定出的第一图像分值具有预览图像本身的属性。从而可以使得基于第一图像分值确定出的预览图像的图像分值，更符合预览图像的实际美观程度，如此，可以进一步提高目标拍照倍率的准确性。

在一些实施例中，所述基于所述第一次数、所述第二次数、所述第一概率、所述第二概率、所述第三概率和所述第四概率，计算所述第一图像分值的计算公式为：

其中，C[T(i),k]表示所述第一概率，B(i,k)表示所述第三次数，D[T(i),T(j),k,l]表示所述第二概率，B(j,l)表示所述第四次数，C[T(j),l]表示第三概率，D[T(j),T(i),l,k]表示第四概率。

在一些实施例中，所述第一图像分值可以为至少两个；

所述第三确定单元，具体可以用于：

将所述至少两个所述第一图像分值的最大值或平均值确定为所述第q张预览图像的图像分值。

这样，由于第一图像分值的最大值或者平均值，可以更好的表示预览图像的美观程度，故而，将第一图像分值的最大值或平均值确定为预览图像的图像分值，可以使得确定出的图像分值更符合预览图像的实际美观程度，从而可以进一步提高确定出的目标图像分值的准确性。

本申请实施例中的图像处理装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例中的图像处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。

本申请实施例提供的图像处理装置能够实现图1的方法实施例中图像处理装置实现的各个过程，为避免重复，这里不再赘述。

可选的，本申请实施例还提供一种电子设备，包括处理器410，存储器409，存储在存储器409上并可在所述处理器410上运行的程序或指令，该程序或指令被处理器410执行时实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要注意的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。

图4为实现本申请实施例的一种电子设备的硬件结构示意图。

该电子设备400包括但不限于：射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409、以及处理器410等部件。

本领域技术人员可以理解，电子设备400还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器410逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图4中示出的电子设备结构并不构成对电子设备的限定，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，或者不同的部件布置，在此不再赘述。

其中，处理器410，可以用于：

获取M个预设拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；

基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；

将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；

按照所述目标拍照倍率拍摄目标图像；

其中，所述图像分值用于指示对应的所述预览图像的美观程度；所述第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；所述第二预设矩阵包括每个对象组分布在所述每张图像中的每个区域的概率，所述对象组包括至少两种所述预设对象类型。

在本申请实施例中，电子设备可以获取M个预设拍照倍率对应的M张预览图像，基于第一预设矩阵和第二预设矩阵计算M张预览图像的图像分值，再确定M个图像分值中满足预设条件的目标图像目标拍照倍率，按照目标拍照倍率拍摄得到目标图像；其中，图像分值用于指示对应的预览图像的美观程度；第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率，第二预设矩阵包括每个对象组分布在每张图像中的每个区域的概率，对象组包括至少两种预设对象类型。

这样，电子设备能够自动调整拍照倍率，基于根据第一预设矩阵和第二预设矩阵计算得到的满足预设条件的目标图像分值对应的目标拍照倍率进行拍摄。也就是说，可以基于各个预览图像中每种预设对象类型和每个对象组的分布参数中，更接近预设训练样本集中的图像的分布情况的预览图像对应的预设拍照倍率进行拍摄。如此，相对于现有技术中用户人工根据经验调整电子设备进行图像拍摄而言，能够简化用户的拍摄操作，从而可以有效提高拍摄效率。

可选的，处理器410，还可以用于：

将预设训练样本集中的每张图像划分为G个区域，G为大于或等于2的正整数；

根据所述每张图像中的每种预设对象类型在所述G个区域中的第一分布参数确定所述第一预设矩阵，所述第一分布参数包括每种预设对象类型分布在每张图像的每个区域的第一次数，和每种预设对象类型出现在所述预设训练样本集中的第一总次数；

根据所述每张图像中的每个对象组在所述G个区域中的第二分布参数确定所述第二预设矩阵，所述第二分布参数包括每个对象组分布在每张图像的每个区域的第二次数，和每个对象组出现在所述预设训练样本集中的第二总次数。

这样，一方面，预先确定第一预设矩阵和第二预设矩阵，可以在用户拍摄时直接使用，无需实时计算，如此，可以减少拍摄耗时，在提高拍摄得到的图像的美感的基础上，进一步提高拍摄效率。另一方面，基于每张图像中的每种预设对象类型在G个区域中的第一分布参数，和每张图像中的每个对象组在G个区域中的第二分布参数确定第一预设矩阵和第二预设矩阵，可以使得第一预设矩阵和第二预设矩阵能够更准确的反应预设训练集中的较为美观的图像中的预设对象类型的构成和预设对象类型的比例，如此，可以为每张预览图像的图像分值计算提供更优的数据依据，从而可以使得计算出的图像分值更符合预览图像的实际美观程度，提高确定出的目标图像分值和目标拍照倍率的准确性，进而可以进一步提高拍摄效率。

可选的，处理器410，还可以用于：

统计第i种预设对象类型出现在所述预设训练样本集中的第一总次数；

分别计算每张图像中第i种预设对象类型分布在第k个区域的第一次数，得到P个第一次数，P为所述预设训练样本集中第一图像的数量，所述第一图像为包括第i种预设对象类型分布在所述第k个区域的图像，P为大于或等于2的正整数；i∈[1,N]，k∈[1,G],N为大于或等于1的正整数，N表示预设对象类型的数量，i,k为正整数；

计算所述P个第一次数之和，得到第三总次数；

基于所述第一总次数和所述第三总次数，计算所述第i种预设对象类型分布在第k个区域的第一概率；

根据所述第一概率确定所述第一预设矩阵。

这样，可以使得确定出的第一预设矩阵可以包括有每种预设对象类型在图像的不同区域的分布概率，如此，为拍摄时计算预览图像的图像分值提供充足的数据基础。

可选的，处理器410，还可以用于：

统计所述预设训练样本集中，所述第i种预设对象类型与所述第j种预设对象类型同时出现的情况下，所述第i种预设对象类型分布在第k个区域的第二总次数；

分别计算每张图像中第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二次数，得到S个第二次数，S为所述预设训练样本集中第二图像的数量，所述第二图像为包括所述第i种预设对象类型出现在第k个区域的情况下，所述第j种预设对象类型出现在第l个区域的图像，S为大于或等于2的正整数；

计算所述S个第二次数之和，得到第四总次数；

基于所述第二总次数和所述第四总次数，计算所述第i种预设对象类型分布在第k个区域的情况下，所述第j种预设对象类型分布在第l个区域的第二概率；

根据所述第二概率确定所述第二预设矩阵。

这样，第二预设矩阵可以包括有每种对象组在图像的不同区域的分布概率，且由于对象组可以包括至少两种预设对象类型，故而，第二预设矩阵还可以包括有多种预设对象类型同时出现在同一图像下的分布概率。如此，可以使得第二预设矩阵可以包括更丰富全面，从而可以为拍摄时计算预览图像的图像分值提供更加丰富更加充足的数据基础。

可选的，处理器410，还可以用于：

计算第q张预览图像中所述第i种预设对象类型分布在所述第k个区域的第三次数，和所述第j种预设对象类型出现在第l个区域的第四次数；q∈[1,M],q为正整数；

从所述第一预设矩阵中获取所述第i种预设对象类型分布在第k个区域的第一概率，和从所述第二预设矩阵中获取所述第i种预设对象类型分布在所述第k个区域的情况下，所述第j种预设对象类型分布在所述第l个区域的第二概率；

基于所述第三次数、所述第四次数、所述第一概率和所述第二概率，计算第一图像分值，第一图像分值用于指示所述第q张预览图像中所述第i种预设对象类型分布在第k个区域，且所述第j种预设对象类型分布在所述第l个区域的美观程度；

基于所述第一图像分值确定所述第q张预览图像的图像分值。

这样，在第一预设矩阵和第二预设矩阵的基础上，结合预览图像中的每种预设对象类型在各个区域的分布参数(即第三次数和第四次数)确定预览图像的图像分值，可以使得确定出的预览图像的图像分值具有预览图像本身的属性。从而可以使得确定出的图像分值更符合预览图像的实际美观程度，如此，可以为目标拍照倍率的确定提供更准确的数据依据，进而可以提高目标拍照倍率的准确性。

可选的，处理器410，还可以用于：

从所述第一预设矩阵中，获取所述第j种预设对象类型分布在第l个区域的第三概率，和从所述第二预设矩阵中，获取所述第j种预设对象类型分布在所述第l个区域的情况下，所述第i种预设对象类型分布在所述第k个区域的第四概率；

基于所述第三次数、所述第四次数、所述第一概率、所述第二概率、所述第三概率和所述第四概率，计算所述第一图像分值。

这样，在第一预设矩阵、第二预设矩阵和预览图像中的每种预设对象类型在各个区域的分布参数的基础上，结合预览图像中的每个对象组在各个区域的分布参数确定第一图像分值，可以使得确定出的第一图像分值具有预览图像本身的属性。从而可以使得基于第一图像分值确定出的预览图像的图像分值，更符合预览图像的实际美观程度，如此，可以进一步提高目标拍照倍率的准确性。

可选的，处理器410，还可以用于：

将所述至少两个所述第一图像分值的最大值或平均值确定为所述第q张预览图像的图像分值。

这样，由于第一图像分值的最大值或者平均值，可以更好的表示预览图像的美观程度，故而，将第一图像分值的最大值或平均值确定为预览图像的图像分值，可以使得确定出的图像分值更符合预览图像的实际美观程度，从而可以进一步提高确定出的目标图像分值的准确性。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (12)

1.一种图像处理方法，其特征在于，所述方法包括：

获取M个预设拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；

基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；

将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；

按照所述目标拍照倍率拍摄目标图像；

其中，所述图像分值用于指示对应的所述预览图像的美观程度；所述第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；所述第二预设矩阵包括每个对象组分布在所述每张图像中的每个区域的概率，所述对象组包括至少两种所述预设对象类型。

2.根据权利要求1所述的方法，其特征在于，所述获取M个预设拍照倍率对应的M张预览图像之前，还包括：

将预设训练样本集中的每张图像划分为G个区域，G为大于或等于2的正整数；

根据所述每张图像中的每种预设对象类型在所述G个区域中的第一分布参数确定所述第一预设矩阵，所述第一分布参数包括每种预设对象类型分布在每张图像的每个区域的第一次数，和每种预设对象类型出现在所述预设训练样本集中的第一总次数；

根据所述每张图像中的每个对象组在所述G个区域中的第二分布参数确定所述第二预设矩阵，所述第二分布参数包括每个对象组分布在每张图像的每个区域的第二次数，和每个对象组出现在所述预设训练样本集中的第二总次数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每张图像中的每种预设对象类型在所述G个区域中的第一分布参数确定第一预设矩阵，包括：

统计第i种预设对象类型出现在所述预设训练样本集中的第一总次数；

分别计算每张图像中第i种预设对象类型分布在第k个区域的第一次数，得到P个第一次数，P为所述预设训练样本集中第一图像的数量，所述第一图像为包括第i种预设对象类型分布在所述第k个区域的图像，P为大于或等于2的正整数；i∈[1,N]，k∈[1,G],N为大于或等于1的正整数，N表示预设对象类型的数量，i,k为正整数；

计算所述P个第一次数之和，得到第三总次数；

基于所述第一总次数和所述第三总次数，计算所述第i种预设对象类型分布在第k个区域的第一概率；

根据所述第一概率确定所述第一预设矩阵。

4.根据权利要求2所述的方法，其特征在于，所述每个对象组包括第i种预设对象类型和第j种预设对象类型；

所述根据所述每张图像中的每个对象组在所述G个区域中的第二分布参数确定所述第二预设矩阵，包括：

统计所述预设训练样本集中，所述第i种预设对象类型与所述第j种预设对象类型同时出现的情况下，所述第i种预设对象类型分布在第k个区域的第二总次数；

分别计算每张图像中第i种预设对象类型分布在第k个区域的情况下，第j种预设对象类型分布在第l个区域的第二次数，得到S个第二次数，S为所述预设训练样本集中第二图像的数量，所述第二图像为包括所述第i种预设对象类型出现在第k个区域的情况下，所述第j种预设对象类型出现在第l个区域的图像，S为大于或等于2的正整数；

计算所述S个第二次数之和，得到第四总次数；

基于所述第二总次数和所述第四总次数，计算所述第i种预设对象类型分布在第k个区域的情况下，所述第j种预设对象类型分布在第l个区域的第二概率；

根据所述第二概率确定所述第二预设矩阵。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值，包括：

计算第q张预览图像中所述第i种预设对象类型分布在所述第k个区域的第三次数，和所述第j种预设对象类型出现在第l个区域的第四次数；q∈[1,M],q为正整数；

从所述第一预设矩阵中获取所述第i种预设对象类型分布在第k个区域的第一概率，和从所述第二预设矩阵中获取所述第i种预设对象类型分布在所述第k个区域的情况下，所述第j种预设对象类型分布在所述第l个区域的第二概率；

基于所述第三次数、所述第四次数、所述第一概率和所述第二概率，计算第一图像分值，第一图像分值用于指示所述第q张预览图像中所述第i种预设对象类型分布在第k个区域，且所述第j种预设对象类型分布在所述第l个区域的美观程度；

基于所述第一图像分值确定所述第q张预览图像的图像分值。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第三次数、所述第四次数、所述第一概率和所述第二概率，计算第一图像分值的计算公式为：

P(i,j)＝∑_kC[T(i)，k]B′(i，k)∑_lD[T(i)，T(j),k,l]B′(j,k)

其中，C[T(i),k]表示所述第一概率，B′(i,k)表示所述第三次数，D[T(i)，T(j),k,l]表示所述第二概率，B′(j,l)表示所述第四次数。

7.根据权利要求5所述的方法，其特征在于，所述基于所述第三次数、所述第四次数、所述第一概率和所述第二概率，计算第一图像分值之前，还包括：

从所述第一预设矩阵中，获取所述第j种预设对象类型分布在第l个区域的第三概率，和从所述第二预设矩阵中，获取所述第j种预设对象类型分布在所述第l个区域的情况下，所述第i种预设对象类型分布在所述第k个区域的第四概率；

所述基于所述第三次数、所述第四次数、所述第一概率和所述第二概率，计算第一图像分值，包括：

基于所述第三次数、所述第四次数、所述第一概率、所述第二概率、所述第三概率和所述第四概率，计算所述第一图像分值。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第一次数、所述第二次数、所述第一概率、所述第二概率、所述第三概率和所述第四概率，计算所述第一图像分值的计算公式为：

其中，C[T(i),k]表示所述第一概率，B(i,k)表示所述第三次数，D[T(i),T(j),k,l]表示所述第二概率，B(j,l)表示所述第四次数，C[T(j),l]表示第三概率，D[T(j),T(i),l,k]表示第四概率。

9.根据权利要求5所述的方法，其特征在于，所述第一图像分值为至少两个；

所述基于所述第一图像分值确定所述第q张预览图像的图像分值，包括：

将所述至少两个所述第一图像分值的最大值或平均值确定为所述第q张预览图像的图像分值。

10.一种图像处理装置，其特征在于，所述装置包括：

获取模块，用于获取M个拍照倍率对应的M张预览图像，其中，一个预设拍照倍率对应一张预览图像，M为大于或等于2的正整数；

计算模块，用于基于第一预设矩阵和第二预设矩阵，计算M张预览图像的图像分值；

确定模块，用于将M个图像分值中满足预设条件的目标图像分值对应的预设拍照倍率确定为目标拍照倍率；

拍摄模块，用于按照所述目标拍照倍率拍摄目标图像；

其中，所述图像分值用于指示对应的所述预览图像的美观程度；所述第一预设矩阵包括每种预设对象类型分布在预设训练样本集的每张图像中的每个区域的概率；所述第二预设矩阵包括每个对象组分布在所述每张图像中的每个区域的概率，所述对象组包括至少两种所述预设对象类型。

11.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-9中任一项所述的图像处理方法的步骤。

12.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-9中任一项所述的图像处理方法的步骤。

Images