本發(fā)明涉及圖像處理技術(shù)，尤其涉及一種圖像處理方法及終端、計算機存儲介質(zhì)、計算機設(shè)備。

背景技術(shù)：

隨著美圖應(yīng)用的發(fā)展，美圖應(yīng)用集成了越來越多的美化功能，用戶可以將美圖應(yīng)用安裝在終端上，從而可以利用美圖應(yīng)用對圖片進行各式各樣的美化處理，例如美白、磨皮、背景虛化、添加文字等等。

在眾多美化功能中，亮眼功能受到廣大用戶的青睞。對圖像進行亮眼處理是指對人臉圖像的眼睛部分通過圖像處理算法來提升眼睛與附近圖像的對比度，祛除眼睛中雜色的過程。通常，對眼睛部分進行亮眼處理時，眼睛區(qū)域使用統(tǒng)一的圖像模板，然而，眼睛區(qū)域包括瞳孔部分和眼白部分，將瞳孔部分和眼白部分作為整體來使用統(tǒng)一的算法進行對比度提升處理，眼睛中的雜色或血絲無法有效祛除，且經(jīng)過對比度體升后眼睛中的雜色可能被凸顯強化，從而導(dǎo)致了部分圖像例如眼白部分的血絲圖像處理效果不佳。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明實施例提供了一種圖像處理方法及終端、計算機存儲介質(zhì)、計算機設(shè)備。

本發(fā)明實施例提供的圖像處理方法包括：

獲取輸入圖像，對所述輸入圖像中的目標(biāo)體進行識別，得到所述目標(biāo)體的形態(tài)特征參數(shù)，所述目標(biāo)體包括第一子目標(biāo)體和第二子目標(biāo)體；

基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板和第二圖像模板，所述第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域；

基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，以及基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，得到第一輸出圖像。

本發(fā)明實施例中，所述方法還包括：

基于所述形態(tài)特征參數(shù)，創(chuàng)建第三圖像模板；

基于所述第三圖像模板，對所述輸入圖像和所述第一輸出圖像進行融合處理，得到第二輸出圖像。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)；

所述基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板，包括：

基于所述第三參數(shù)，創(chuàng)建第一圖像，其中，所述第一圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第一圖像的每個像素點的顏色通過一個像素值進行表示，所述第一圖像的所有像素點的像素值均為第一值；

以所述第一參數(shù)作為圓心，以所述第二參數(shù)加上預(yù)設(shè)常數(shù)作為半徑，在所述第一圖像中繪制圓形，將所述圓形區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第二圖像，所述第二值大于所述第一值；

對所述第二圖像進行高斯模糊處理，得到所述第一圖像模板，其中，在所述第一圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第一子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)；

所述基于所述形態(tài)特征參數(shù)，創(chuàng)建第二圖像模板，包括：

基于所述第三參數(shù)，創(chuàng)建第三圖像，其中，所述第三圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第三圖像的每個像素點的顏色通過一個像素值進行表示，所述第三圖像的所有像素點的像素值均為第一值；

基于所述目標(biāo)體的各個特征點位置，在所述第三圖像中連接所述各個特征點位置形成閉合區(qū)域，將所述閉合區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第四圖像，所述第二值大于所述第一值；

對所述第四圖像和所述第二圖像進行逐像素相乘計算，得到第五圖像；

對所述第五圖像進行高斯模糊處理，得到所述第二圖像模板，其中，在所述第二圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第二子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，包括：

基于所述第一圖像模板，在所述輸入圖像中確定出所述第一子目標(biāo)體的圖像處理區(qū)域；

針對所述第一子目標(biāo)體的圖像處理區(qū)域，采用高反差保留算法及直方圖均衡化處理算法進行圖像處理。

本發(fā)明實施例中，所述基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，包括：

基于所述第二圖像模板，在所述輸入圖像中確定出所述第二子目標(biāo)體的圖像處理區(qū)域；

針對所述第二子目標(biāo)體的圖像處理區(qū)域，采用濾色算法進行圖像處理。

本發(fā)明實施例中，所述基于所述形態(tài)特征參數(shù)，創(chuàng)建第三圖像模板，包括：

基于所述第三參數(shù)，創(chuàng)建第六圖像，其中，所述第六圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第六圖像的每個像素點的顏色通過一個像素值進行表示，所述第六圖像的所有像素點的像素值均為第二值；

對所述第六圖像和所述第四圖像進行逐像素相乘計算，得到第七圖像；

對所述第七圖像進行高斯模糊處理，得到所述第三圖像模板。

本發(fā)明實施例中，所述基于所述第三圖像模板，對所述輸入圖像和所述第一輸出圖像進行融合處理，得到第二輸出圖像，包括：

基于所述第三圖像模板，確定所述輸入圖像對應(yīng)的第一權(quán)重參數(shù)以及所述第一輸出圖像對應(yīng)的第二權(quán)重參數(shù)；

根據(jù)所述第一權(quán)重參數(shù)和所述第二權(quán)重參數(shù)，對所述輸入圖像乘以及所述第一輸出圖像進行加權(quán)處理，得到所述第二輸出圖像。

本發(fā)明實施例提供的終端，包括：

識別單元，用于獲取輸入圖像，對所述輸入圖像中的目標(biāo)體進行識別，得到所述目標(biāo)體的形態(tài)特征參數(shù)，所述目標(biāo)體包括第一子目標(biāo)體和第二子目標(biāo)體；

模板創(chuàng)建單元，用于基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板和第二圖像模板，所述第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域；

圖像處理單元，用于基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，以及基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，得到第一輸出圖像。

本發(fā)明實施例中，所述模板創(chuàng)建單元，還用于基于所述形態(tài)特征參數(shù)，創(chuàng)建第三圖像模板；

所述圖像處理單元，還用于基于所述第三圖像模板，對所述輸入圖像和所述第一輸出圖像進行融合處理，得到第二輸出圖像。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)；

所述模板創(chuàng)建單元包括：第一創(chuàng)建子單元，用于基于所述第三參數(shù)，創(chuàng)建第一圖像，其中，所述第一圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第一圖像的每個像素點的顏色通過一個像素值進行表示，所述第一圖像的所有像素點的像素值均為第一值；以所述第一參數(shù)作為圓心，以所述第二參數(shù)加上預(yù)設(shè)常數(shù)作為半徑，在所述第一圖像中繪制圓形，將所述圓形區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第二圖像，所述第二值大于所述第一值；對所述第二圖像進行高斯模糊處理，得到所述第一圖像模板，其中，在所述第一圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第一子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)；

所述模板創(chuàng)建單元包括：第二創(chuàng)建子單元，用于基于所述第三參數(shù)，創(chuàng)建第三圖像，其中，所述第三圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第三圖像的每個像素點的顏色通過一個像素值進行表示，所述第三圖像的所有像素點的像素值均為第一值；基于所述目標(biāo)體的各個特征點位置，在所述第三圖像中連接所述各個特征點位置形成閉合區(qū)域，將所述閉合區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第四圖像，所述第二值大于所述第一值；對所述第四圖像和所述第二圖像進行逐像素相乘計算，得到第五圖像；對所述第五圖像進行高斯模糊處理，得到所述第二圖像模板，其中，在所述第二圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第二子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述圖像處理單元包括：

第一處理子單元，用于基于所述第一圖像模板，在所述輸入圖像中確定出所述第一子目標(biāo)體的圖像處理區(qū)域；針對所述第一子目標(biāo)體的圖像處理區(qū)域，采用高反差保留算法及直方圖均衡化處理算法進行圖像處理。

本發(fā)明實施例中，所述圖像處理單元包括：

第二處理子單元，用于基于所述第二圖像模板，在所述輸入圖像中確定出所述第二子目標(biāo)體的圖像處理區(qū)域；針對所述第二子目標(biāo)體的圖像處理區(qū)域，采用濾色算法進行圖像處理。

本發(fā)明實施例中，所述模板創(chuàng)建單元包括：第三創(chuàng)建子單元，用于基于所述第三參數(shù)，創(chuàng)建第六圖像，其中，所述第六圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第六圖像的每個像素點的顏色通過一個像素值進行表示，所述第六圖像的所有像素點的像素值均為第二值；對所述第六圖像和所述第四圖像進行逐像素相乘計算，得到第七圖像；對所述第七圖像進行高斯模糊處理，得到所述第三圖像模板。

本發(fā)明實施例中，所述圖像處理單元包括：

第三處理子單元，用于基于所述第三圖像模板，確定所述輸入圖像對應(yīng)的第一權(quán)重參數(shù)以及所述第一輸出圖像對應(yīng)的第二權(quán)重參數(shù)；根據(jù)所述第一權(quán)重參數(shù)和所述第二權(quán)重參數(shù)，對所述輸入圖像乘以及所述第一輸出圖像進行加權(quán)處理，得到所述第二輸出圖像。

本發(fā)明實施例提供的計算機存儲介質(zhì)，其上存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)本發(fā)明實施例提供的圖像處理方法。

本發(fā)明實施例提供的計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機可執(zhí)行指令，所述處理器執(zhí)行所述計算機可執(zhí)行指令時實現(xiàn)本發(fā)明實施例提供的圖像處理方法。

本發(fā)明實施例的技術(shù)方案中，獲取輸入圖像，對所述輸入圖像中的目標(biāo)體進行識別，得到所述目標(biāo)體的形態(tài)特征參數(shù)，所述目標(biāo)體包括第一子目標(biāo)體和第二子目標(biāo)體；基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板和第二圖像模板，所述第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域；基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，以及基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，得到第一輸出圖像。采用本發(fā)明實施例的技術(shù)方案，對目標(biāo)體(如眼睛)所包括的兩個子目標(biāo)體(如瞳孔和眼白)，分別創(chuàng)建獨立的圖像模板，以達到對第一子目標(biāo)體的圖像處理區(qū)域以及第二子目標(biāo)體的圖像處理區(qū)域精確定位的目的，從而實現(xiàn)針對目標(biāo)體的不同區(qū)域采用獨立的圖像處理算法進行圖像處理，在達到提升對比度的同時，還祛除了雜色，對于亮眼功能而言，能夠有效改進亮眼處理效果。

附圖說明

圖1為本發(fā)明實施例的圖像處理方法的流程示意圖；

圖2為眼睛的組成示意圖；

圖3為人臉特征點的示意圖；

圖4為人眼特征點的示意圖；

圖5為人眼中的各個參數(shù)的示意圖；

圖6為本發(fā)明實施例的第一圖像模板的創(chuàng)建流程圖一；

圖7為本發(fā)明實施例的第一圖像模板的創(chuàng)建流程圖二；

圖8為本發(fā)明實施例的第二圖像模板的創(chuàng)建流程圖一；

圖9為本發(fā)明實施例的第二圖像模板的創(chuàng)建流程圖二；

圖10為本發(fā)明實施例的第三圖像模板的創(chuàng)建流程圖一；

圖11為本發(fā)明實施例的第三圖像模板的創(chuàng)建流程圖二；

圖12為本發(fā)明實施例的亮眼處理方法的流程示意圖；

圖13為本發(fā)明實施例的亮眼效果圖；

圖14為本發(fā)明實施例的終端的結(jié)構(gòu)組成示意圖；

圖15為本發(fā)明實施例的計算機設(shè)備的結(jié)構(gòu)組成示意圖。

具體實施方式

為了便于理解本發(fā)明實施例的技術(shù)方案，下面對本發(fā)明實施例涉及到的關(guān)鍵術(shù)語進行解釋說明：

p圖：是ps圖片的簡稱，即：用photoshop對圖片進行處理，使得圖像達到美化的效果；隨著p圖技術(shù)的發(fā)展，p圖工具不局限于photoshop，還可以擴展到其他類型的圖片處理應(yīng)用。

高反差保留算法：是photoshop的一種濾鏡功能，實現(xiàn)該濾鏡功能采用以下計算方式：1)高反差保留圖＝高斯模糊圖－原圖+127；2)高反差保留圖與原圖做疊加混合計算，得到的結(jié)果用于對原圖實現(xiàn)銳化。

疊加混合計算：是photoshop中使用的一種圖像顏色混合算法，假設(shè)a為前景圖像，b為背景圖像，a圖像與b圖像進行疊加混合計算后，得到c圖像，計算公式如下：如果a<＝0.5，則c＝2.0×a×b；如果a>0.5，c＝1.0-2.0×(1.0-a)×(1.0-b)。

直方圖均衡化處理算法：在圖像處理領(lǐng)域中利用圖像直方圖對圖像的對比度進行調(diào)整的方法。

alpha融合：對兩幅大小相同的圖像對應(yīng)位置上的像素值基于輸入的權(quán)重值alpha做融合計算，結(jié)果作為目標(biāo)像素值。

濾色算法：adobephotoshop中使用的一種圖像顏色混合模式，假設(shè)a為前景圖像，b為背景圖像，a圖像與b圖像進行疊加混合計算后，得到c圖像，計算公式如下：c＝1-(1-a)×(1-b)。

灰度圖：圖像的每個像素點只對應(yīng)一個像素值，該像素值的取值范圍在0至255之間，當(dāng)像素值為0時，代表黑色，當(dāng)像素值為255時，代表白色。

圖像掩膜(mask)：也稱為圖像模板，取所有作用域(如圖像處理區(qū)域)的像素值為非0，其余區(qū)域的像素值為0，形成一幅二值化的圖像。

亮眼：是指對于輸入人臉圖像的眼睛部分通過圖像處理提升對比度，祛除雜色的過程。

人臉特征點定位：基于人臉識別算法對人臉圖像實現(xiàn)輪廓及五官特征點的自動識別定位。人臉識別算法的輸入為一張人臉圖像，輸出為人臉特征點數(shù)組，該人臉特征點數(shù)組包括臉部輪廓特征點及五官特征點。

圖1為本發(fā)明實施例的圖像處理方法的流程示意圖，如圖1所示，所述圖像處理方法包括以下步驟：

步驟101：獲取輸入圖像，對所述輸入圖像中的目標(biāo)體進行識別，得到所述目標(biāo)體的形態(tài)特征參數(shù)，所述目標(biāo)體包括第一子目標(biāo)體和第二子目標(biāo)體。

本發(fā)明實施例的圖像處理方法應(yīng)用于終端中，所述終端可以是手機、平板電腦、筆記本電腦等電子設(shè)備。

本發(fā)明實施例中，電子設(shè)備具有p圖功能(也稱為美圖功能、圖片編輯功能等等)。在一實施方式中，p圖功能作為獨立的應(yīng)用安裝于電子設(shè)備中。在另一實施方式中，電子設(shè)備具有相機，p圖功能內(nèi)嵌在相機功能中，作為相機功能的一部分安裝于電子設(shè)備中。

例如：終端具有相機，一般，相機由兩大部分組成，一部分為硬件部分，通常設(shè)置在終端的背面或正面，用于采集取景區(qū)域處的圖像數(shù)據(jù)；另一部分為軟件部分，通常存儲在終端的存儲設(shè)備中，相機的軟件部位對于用戶而言呈現(xiàn)為相機應(yīng)用，用戶可以通過用戶接口(ui，userinterface)界面使用相機的各種功能，其中一種相機功能即為p圖功能，用戶可以采用相機的p圖功能對當(dāng)前正在拍攝的圖像進行美化處理，當(dāng)然，也可以在拍攝圖像結(jié)束后再對圖像進行美化處理。

本發(fā)明實施例的方案旨在對目標(biāo)體進行對比度提升處理，即提升目標(biāo)體相對于周圍圖像的對比度，可以將這種p圖功能稱為對比度提升功能，當(dāng)然這種p圖功能也可以基于具體的目標(biāo)體叫做其他名稱，例如，當(dāng)目標(biāo)體為眼睛時，對比度提升功能具體為亮眼功能。

本發(fā)明實施例中，獲取輸入圖像的方式包括但不局限于以下方式：

方式一：通過終端中的相機對取景區(qū)域進行拍攝，得到輸入圖像；

方式二：通過終端中本地存儲的圖片庫，得到輸入圖像，其中，本地存儲的圖片庫中的圖片可以是通過相機拍攝得到，也可以是在網(wǎng)上下載得到，還可以是通過與其他終端互傳得到。

本發(fā)明實施例以圖像為人臉圖像為例進行解釋說明，具體地，獲取輸入人臉圖像；基于人臉識別算法對所述輸入人臉圖像中的眼睛(對應(yīng)目標(biāo)體)進行識別，得到眼睛的形態(tài)特征參數(shù)，這里，眼睛的形態(tài)特征參數(shù)包括：眼睛的各個特征點位置。進一步，如圖2所示，眼睛包括瞳孔(對應(yīng)第一子目標(biāo)體)和眼白(對應(yīng)第二子目標(biāo)體)，因而眼睛的形態(tài)特征參數(shù)包括：瞳孔的各個特征點位置和眼白的各個特征點位置。

本發(fā)明實施例的技術(shù)方案中，以目標(biāo)體包括兩個子目標(biāo)體為例進行解釋說明，當(dāng)然，目標(biāo)體還可以包括更多數(shù)目的子目標(biāo)體，針對不同數(shù)目的子目標(biāo)體，可以分別建立對應(yīng)的圖像模板。

步驟102：基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板和第二圖像模板，所述第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)。

參照圖3所示，圖3為人臉圖像的示意圖一，通過人臉識別算法在整個人臉圖像中能夠識別出一定數(shù)目的特征點，例如識別出84個特征點，這84個特征點包括了人臉輪廓的特征點和人臉五官的特征點，可以通過一個數(shù)組來表示出這84個特征點的位置參數(shù)：fi(i＝0,1,2,…83)，其中，眼睛部位的特征點共有20個，對應(yīng)的i值為：i＝35,…44，i＝45,…,54，前10個特征點代表左眼，后10個特征點代表右眼。

參照圖4所示，圖4為人臉圖像的示意圖二，通過人臉識別算法在整個人臉圖像中僅識別出人臉左右眼的特征點，共有20個特征點，可以通過一個數(shù)組來表示出這20個特征點的位置參數(shù)：fj(j＝0,1,2,…19)，其中，前10個特征點代表左眼，后10個特征點代表右眼。

本發(fā)明實施例中，目標(biāo)體的特征點即為左右眼的特征點，如圖5所示，基于左右眼的特征點參數(shù)能夠得到如下參數(shù)：

瞳孔的圓心位置ck、瞳孔的半徑rk、眼睛的外接矩形區(qū)域范圍rectk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐標(biāo)，(w，h)代表矩形的長和寬，k的取值為0和1分別對應(yīng)左眼及右眼。

上述方案中，是以目標(biāo)體為眼睛，第一子目標(biāo)體為瞳孔，第二子目標(biāo)體為眼白為例進行解釋說明，當(dāng)然，本發(fā)明實施例的技術(shù)方案并不局限于此，例如：目標(biāo)體還可以是嘴巴，相應(yīng)地，第一子目標(biāo)體為牙齒，第二子目標(biāo)體為嘴唇。

本發(fā)明實施例中，第一圖像模板和第二圖像模板都是一種圖像mask，在圖像mask中，取所有作用域(也即圖像處理區(qū)域)的像素值為非0(也即大于0)，其余像素值為0，形成一幅二值化圖像。可見，在第一圖像模板中，像素值大于0的區(qū)域代表了瞳孔的圖像處理區(qū)域，在第二圖像模板中，像素值大于0的區(qū)域代表了眼白的圖像處理區(qū)域。

本發(fā)明實施例基于以上人眼的特征點參數(shù)以及瞳孔的圓心位置ck、瞳孔的半徑rk、眼睛的外接矩形區(qū)域范圍rectk(x,y,w,h)，可以計算出瞳孔的圖像模板(以下稱為第一圖像模板)和眼白的圖像模板(以下稱為第二圖像模板)。其中，第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域(如圖5所示)，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域(如圖5所示)。

步驟103：基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，以及基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，得到第一輸出圖像。

本發(fā)明實施例中，所述基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，包括：

基于所述第一圖像模板，在所述輸入圖像中確定出所述第一子目標(biāo)體的圖像處理區(qū)域；

針對所述第一子目標(biāo)體的圖像處理區(qū)域，采用高反差保留算法及直方圖均衡化處理算法進行圖像處理。

具體地，假設(shè)輸入圖像為imga，對imga進行高斯模糊處理后的圖像為imgb，第一子目標(biāo)體的圖像處理區(qū)域為s1(x，y)，針對s1(x，y)內(nèi)的所有像素點，采用如下公式進行圖像處理：

imgc＝imgb－imga+127，其中，imgc為高反差保留圖；

對imgc(前景圖像)和imga(背景圖像)通過如下公式進行疊加混合計算：

如果imgc<＝0.5，則imgd＝2.0×imgc×imga；

如果imgc>0.5，則imgd＝1.0-2.0×(1.0-imgc)×(1.0-imga)，其中，imgd為采用高反差保留算法處理得到的最終圖像。

之后，再利用圖像直方圖對imgd的對比度進行調(diào)整。

本發(fā)明實施例中，所述基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，包括：

基于所述第二圖像模板，在所述輸入圖像中確定出所述第二子目標(biāo)體的圖像處理區(qū)域；

針對所述第二子目標(biāo)體的圖像處理區(qū)域，采用濾色算法進行圖像處理。

具體地，假設(shè)輸入圖像為imga，imgb為白色圖像(即所有像素值為255)，第二子目標(biāo)體的圖像處理區(qū)域為s2(x，y)，針對s2(x，y)內(nèi)的所有像素點，采用如下公式進行圖像處理：

imgc＝1-(1-imgb)×(1-imga)，其中，imgc為采用濾色算法處理得到的最終圖像。

可選地，本發(fā)明實施例的圖像處理方法還包括如下步驟104。

步驟104：基于所述形態(tài)特征參數(shù)，創(chuàng)建第三圖像模板；基于所述第三圖像模板，對所述輸入圖像和所述第一輸出圖像進行融合處理，得到第二輸出圖像。

這里，第三圖像模板用于對輸入圖像和所述第一輸出圖像進行融合處理，假設(shè)像素點(x,y)處對應(yīng)的像素值在各個圖像中分別表示為：第一輸出圖像為r0(r,g,b)，輸入圖像為a(r,g,b)，第三圖像模板為g，第二輸出圖像為r(r,g,b)，則可通過如下公式來進行融合處理：

r(r,g,b)＝a(r,g,b)×(255-g)+r0(r,g,b)×(g)。

本發(fā)明實施例的技術(shù)方案，基于分離模板的思想，通過人臉眼部特征點，自動計算并分別建立眼白及瞳孔區(qū)域?qū)?yīng)圖像模板，作為后續(xù)處理的必要約束條件。之后，基于各自的圖像模板，對瞳孔及眼白區(qū)域分別應(yīng)用不同的圖像增強處理算法達到提升對比度，祛除雜色的效果。亮眼處理過程無需手動介入，在支持參數(shù)可調(diào)整的同時，實現(xiàn)全自動亮眼效果實現(xiàn)。

下面對本發(fā)明上述實施例中的各個圖像模板的具體創(chuàng)建過程作進一步詳細(xì)描述。

圖6為本發(fā)明實施例的第一圖像模板的創(chuàng)建流程圖，如圖6所示，所述流程包括如下步驟：

步驟601：基于第三參數(shù)，創(chuàng)建第一圖像，其中，所述第一圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第一圖像的每個像素點的顏色通過一個像素值進行表示，所述第一圖像的所有像素點的像素值均為第一值。

這里，第三參數(shù)表征所述目標(biāo)體的外接矩形區(qū)域范圍。以目標(biāo)體為眼睛為例，第三參數(shù)為：眼睛的外接矩形區(qū)域范圍rectk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐標(biāo)，(w，h)代表矩形的長和寬，k的取值為0和1分別對應(yīng)左眼及右眼。

如圖7所示：第一圖像的長為w，寬為h，第一圖像的每個像素點的顏色通過一個像素值進行表示，也即第一圖像為單通道圖像。設(shè)置第一圖像的所有像素點的像素值均為第一值，這里，第一值優(yōu)選為0，此時，第一圖像為黑色的圖像。

步驟602：以第一參數(shù)作為圓心，以第二參數(shù)加上預(yù)設(shè)常數(shù)作為半徑，在所述第一圖像中繪制圓形，將所述圓形區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第二圖像，所述第二值大于所述第一值。

這里，第一參數(shù)表征第一子目標(biāo)體的圓心位置，第二參數(shù)表征所述第一子目標(biāo)體的半徑。以第一子目標(biāo)體為瞳孔為例，瞳孔的圓心位置為ck、瞳孔的半徑rk，k的取值為0和1分別對應(yīng)左眼及右眼。

如圖7所示：以ck為圓心，以rk為半徑在第一圖像中繪制圓形，將圓形內(nèi)的像素值設(shè)置為第二值，這里，第二值優(yōu)選255，此時，得到的第二圖像如圖7所示。

步驟603：對所述第二圖像進行高斯模糊處理，得到所述第一圖像模板，其中，在所述第一圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第一子目標(biāo)體的圖像處理區(qū)域。

這里，采用高斯模糊算法對第二圖像進行高斯模糊處理，從而使得圖像的邊緣出現(xiàn)漸變的效果。

第一圖像模板是一種圖像mask，在圖像mask中，取所有作用域(也即圖像處理區(qū)域)的像素值為非0(也即大于0)，其余像素值為0，形成一幅二值化圖像?？梢?，在第一圖像模板中，像素值大于0的區(qū)域代表了瞳孔的圖像處理區(qū)域。

圖8為本發(fā)明實施例的第二圖像模板的創(chuàng)建流程圖，如圖8所示，所述流程包括如下步驟：

步驟801：基于第三參數(shù)，創(chuàng)建第三圖像，其中，所述第三圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第三圖像的每個像素點的顏色通過一個像素值進行表示，所述第三圖像的所有像素點的像素值均為第一值。

這里，第三參數(shù)表征所述目標(biāo)體的外接矩形區(qū)域范圍。以目標(biāo)體為眼睛為例，第三參數(shù)為：眼睛的外接矩形區(qū)域范圍rectk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐標(biāo)，(w，h)代表矩形的長和寬，k的取值為0和1分別對應(yīng)左眼及右眼。

如圖9所示：第三圖像的長為w，寬為h，第三圖像的每個像素點的顏色通過一個像素值進行表示，也即第三圖像為單通道圖像。設(shè)置第三圖像的所有像素點的像素值均為第一值，這里，第一值優(yōu)選為0，此時，第三圖像為黑色的圖像。

步驟802：基于所述目標(biāo)體的各個特征點位置，在所述第三圖像中連接所述各個特征點位置形成閉合區(qū)域，將所述閉合區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第四圖像，所述第二值大于所述第一值。

如圖9所示，閉合區(qū)域的范圍也即眼睛的范圍，將閉合區(qū)域內(nèi)的像素值設(shè)置為第二值，這里，第二值優(yōu)選255，此時，得到的第四圖像如圖9所示。

步驟803：對所述第四圖像和所述第二圖像進行逐像素相乘計算，得到第五圖像。

本發(fā)明實施例中，對所述第四圖像和所述第二圖像進行逐像素相乘計算之前，先將所述第二圖像進行逆變換，也即將第二圖中像素值為255的替換為0，將像素值為0的替換為255，然后，再與第四圖像進行逐像素相乘計算，得到的第五圖像如圖9所示。

步驟804：對所述第五圖像進行高斯模糊處理，得到所述第二圖像模板，其中，在所述第二圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第二子目標(biāo)體的圖像處理區(qū)域。

這里，采用高斯模糊算法對第五圖像進行高斯模糊處理，從而使得圖像的邊緣出現(xiàn)漸變的效果。

第二圖像模板是一種圖像mask，在圖像mask中，取所有作用域(也即圖像處理區(qū)域)的像素值為非0(也即大于0)，其余像素值為0，形成一幅二值化圖像?？梢?，在第二圖像模板中，像素值大于0的區(qū)域代表了眼白的圖像處理區(qū)域。

圖10為本發(fā)明實施例的第三圖像模板的創(chuàng)建流程圖，如圖10所示，所述流程包括如下步驟：

步驟1001：基于第三參數(shù)，創(chuàng)建第六圖像，其中，所述第六圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第六圖像的每個像素點的顏色通過一個像素值進行表示，所述第六圖像的所有像素點的像素值均為第二值。

這里，第三參數(shù)表征所述目標(biāo)體的外接矩形區(qū)域范圍。以目標(biāo)體為眼睛為例，第三參數(shù)為：眼睛的外接矩形區(qū)域范圍rectk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐標(biāo)，(w，h)代表矩形的長和寬，k的取值為0和1分別對應(yīng)左眼及右眼。

如圖11所示：第六圖像的長為w，寬為h，第六圖像的每個像素點的顏色通過一個像素值進行表示，也即第六圖像為單通道圖像。設(shè)置第六圖像的所有像素點的像素值均為第二值，這里，第二值優(yōu)選為255，此時，第六圖像為白色的圖像。

步驟1002：對所述第六圖像和所述第四圖像進行逐像素相乘計算，得到第七圖像。

步驟1003：對所述第七圖像進行高斯模糊處理，得到所述第三圖像模板。

這里，采用高斯模糊算法對第七圖像進行高斯模糊處理，從而使得圖像的邊緣出現(xiàn)漸變的效果。

第三圖像模板是為了對兩幅圖像進行融合處理，具體地，基于所述第三圖像模板，確定所述輸入圖像對應(yīng)的第一權(quán)重參數(shù)以及所述第一輸出圖像對應(yīng)的第二權(quán)重參數(shù)；根據(jù)所述第一權(quán)重參數(shù)和所述第二權(quán)重參數(shù)，對所述輸入圖像乘以及所述第一輸出圖像進行加權(quán)處理，得到所述第二輸出圖像。

下面結(jié)合具體地應(yīng)用場景對本發(fā)明實施例的圖像處理方法再作進一步詳細(xì)描述。

圖12為本發(fā)明實施例的亮眼處理方法的流程示意圖，如圖12所示，所述流程包括以下步驟：

步驟1201：輸入人臉圖像imga并識別，得到人臉特征點：fi(i＝0,1,2,…83)。

步驟1202：從人臉特征點中得到眼睛特征點：fi(i＝35,36,37,…54)。

其中，fi(i＝35,36,37,…44)為左眼特征點，fi(i＝45,46,47,…54)為右眼特征點。

步驟1203：基于眼睛特征點，得到眼睛參數(shù)：瞳孔的圓心位置ck、瞳孔的半徑rk、眼睛的外接矩形區(qū)域rectk(x,y,w,h)。

其中，(x，y)代表矩形左上角的坐標(biāo)，(w，h)代表矩形的長和寬，k的取值為0和1分別對應(yīng)左眼及右眼。

步驟1204：創(chuàng)建圖像imgm1。

這里，imgm1為單通道圖像，imgm1的長寬分別為rectk參數(shù)中的w和h，初始時設(shè)置imgm1中所有的像素值為0。

步驟1205：以ck為圓心，以(rk+ratio)為半徑，在imgm1上繪制圓形，設(shè)置圓形區(qū)域內(nèi)像素值為255，其中，ratio為常數(shù)可根據(jù)測試經(jīng)驗值取出，例如ratio＝3。對imgm1做高斯模糊處理后，輸出圖像表示為imgmaskiris。執(zhí)行步驟1209

這里，imgmaskiris用于標(biāo)記瞳孔處理區(qū)域，在imgmaskiris中，像素值大于0的區(qū)域為瞳孔處理區(qū)域。

步驟1206：創(chuàng)建圖像imgm2。

這里，imgm2為單通道圖像，imgm2的長寬分別為rectk參數(shù)中的w和h，初始時設(shè)置imgm2中所有的像素值為0。

步驟1207：基于眼睛特征點fi(i＝35,36,37,…54)，在imgm2上連接fi點構(gòu)造閉合區(qū)域，將閉合區(qū)域內(nèi)的像素值設(shè)置為255；對imgm2與imgm做逐像素相乘計算，輸出結(jié)果保存到imgm3，對imgm3做高斯模糊處理，輸出圖像表示為imgmaskw。

這里，imgmaskw用于標(biāo)記眼白處理區(qū)域，在imgmaskw中，像素值大于0的區(qū)域為眼白處理區(qū)域。

步驟1208：基于imgmaskw的約束下，對眼白處理區(qū)域應(yīng)用濾色算法祛除雜色。

步驟1209：對上述眼白處理后的結(jié)果圖像，基于imgmaskiris的約束下，對瞳孔處理區(qū)域應(yīng)用高反差保留算法及直方圖均衡算法提升圖像的對比度，得到眼睛部位的目標(biāo)區(qū)域圖imgr0。

步驟1210：創(chuàng)建圖像imgalpha，其中，圖像imgalpha中的長和寬分別為rectk參數(shù)中的w和h，初始時設(shè)置imgalpha中所有的像素值為255。對imgalpha及imgm2做逐像素相乘，結(jié)果保存在imgalpha中；對imgalpha做高斯模糊處理。

步驟1211：基于imgalpha的約束下，融合imgr0到imga，得到結(jié)果圖像imgr。

這里，采用如下公式進行融合：

像素點位置(x,y)處各個圖像對應(yīng)的像素取值分別為：alpha(g)、a(r,g,b)、r(r,g,b)、r0(r,g,b)，則：r(r,g,b)＝a(r,g,b)×(255-g)+r0(r,g,b)×(g)。

可見，255-g代表了imga的融合權(quán)重，g代表了r0的融合權(quán)重。

經(jīng)過上述過程對人臉圖像進行亮眼處理后，能夠使得眼部相對于周圍的圖像對比度提升，并且有效去除了雜質(zhì)，參照圖13所示的亮眼效果圖。

圖14為本發(fā)明實施例的終端的結(jié)構(gòu)組成示意圖，如圖14所示，所述終端包括：

識別單元1401，用于獲取輸入圖像，對所述輸入圖像中的目標(biāo)體進行識別，得到所述目標(biāo)體的形態(tài)特征參數(shù)，所述目標(biāo)體包括第一子目標(biāo)體和第二子目標(biāo)體；

模板創(chuàng)建單元1402，用于基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板和第二圖像模板，所述第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域；

圖像處理單元1403，用于基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，以及基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，得到第一輸出圖像。

本發(fā)明實施例中，所述模板創(chuàng)建單元1402，還用于基于所述形態(tài)特征參數(shù)，創(chuàng)建第三圖像模板；

所述圖像處理單元1403，還用于基于所述第三圖像模板，對所述輸入圖像和所述第一輸出圖像進行融合處理，得到第二輸出圖像。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)；

所述模板創(chuàng)建單元1402包括：第一創(chuàng)建子單元14021，用于基于所述第三參數(shù)，創(chuàng)建第一圖像，其中，所述第一圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第一圖像的每個像素點的顏色通過一個像素值進行表示，所述第一圖像的所有像素點的像素值均為第一值；以所述第一參數(shù)作為圓心，以所述第二參數(shù)加上預(yù)設(shè)常數(shù)作為半徑，在所述第一圖像中繪制圓形，將所述圓形區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第二圖像，所述第二值大于所述第一值；對所述第二圖像進行高斯模糊處理，得到所述第一圖像模板，其中，在所述第一圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第一子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述目標(biāo)體的形態(tài)特征參數(shù)包括：所述目標(biāo)體的各個特征點位置，其中，基于所述目標(biāo)體的各個特征點位置能夠得到如下參數(shù)：表征所述第一子目標(biāo)體的圓心位置的第一參數(shù)、表征所述第一子目標(biāo)體的半徑的第二參數(shù)、表征所述目標(biāo)體的外接矩形區(qū)域范圍的第三參數(shù)；

所述模板創(chuàng)建單元1402包括：第二創(chuàng)建子單元14022，用于基于所述第三參數(shù)，創(chuàng)建第三圖像，其中，所述第三圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第三圖像的每個像素點的顏色通過一個像素值進行表示，所述第三圖像的所有像素點的像素值均為第一值；基于所述目標(biāo)體的各個特征點位置，在所述第三圖像中連接所述各個特征點位置形成閉合區(qū)域，將所述閉合區(qū)域內(nèi)的像素點的像素值設(shè)置為第二值，得到第四圖像，所述第二值大于所述第一值；對所述第四圖像和所述第二圖像進行逐像素相乘計算，得到第五圖像；對所述第五圖像進行高斯模糊處理，得到所述第二圖像模板，其中，在所述第二圖像模板中，將像素值大于所述第一值的像素點區(qū)域作為所述第二子目標(biāo)體的圖像處理區(qū)域。

本發(fā)明實施例中，所述圖像處理單元1403包括：

第一處理子單元14031，用于基于所述第一圖像模板，在所述輸入圖像中確定出所述第一子目標(biāo)體的圖像處理區(qū)域；針對所述第一子目標(biāo)體的圖像處理區(qū)域，采用高反差保留算法及直方圖均衡化處理算法進行圖像處理。

本發(fā)明實施例中，所述圖像處理單元1403包括：

第二處理子單元14032，用于基于所述第二圖像模板，在所述輸入圖像中確定出所述第二子目標(biāo)體的圖像處理區(qū)域；針對所述第二子目標(biāo)體的圖像處理區(qū)域，采用濾色算法進行圖像處理。

本發(fā)明實施例中，所述模板創(chuàng)建單元1402包括：第三創(chuàng)建子單元14023，用于基于所述第三參數(shù)，創(chuàng)建第六圖像，其中，所述第六圖像的區(qū)域范圍與所述外接矩形區(qū)域范圍一致，所述第六圖像的每個像素點的顏色通過一個像素值進行表示，所述第六圖像的所有像素點的像素值均為第二值；對所述第六圖像和所述第四圖像進行逐像素相乘計算，得到第七圖像；對所述第七圖像進行高斯模糊處理，得到所述第三圖像模板。

本發(fā)明實施例中，所述圖像處理單元1403包括：

第三處理子單元14033，用于基于所述第三圖像模板，確定所述輸入圖像對應(yīng)的第一權(quán)重參數(shù)以及所述第一輸出圖像對應(yīng)的第二權(quán)重參數(shù)；根據(jù)所述第一權(quán)重參數(shù)和所述第二權(quán)重參數(shù)，對所述輸入圖像乘以及所述第一輸出圖像進行加權(quán)處理，得到所述第二輸出圖像。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，圖14所示的終端中的各單元的實現(xiàn)功能可參照前述圖像處理方法的相關(guān)描述而理解。圖14所示的終端中的各單元的功能可通過運行于處理器上的程序而實現(xiàn)，也可通過具體的邏輯電路而實現(xiàn)。

本發(fā)明實施例上述終端如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明實施例的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機、服務(wù)器、或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(rom，readonlymemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。這樣，本發(fā)明實施例不限制于任何特定的硬件和軟件結(jié)合。

相應(yīng)地，本發(fā)明實施例還提供一種計算機存儲介質(zhì)，其中存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)本發(fā)明實施例的上述圖像處理方法。

圖15為本發(fā)明實施例的計算機設(shè)備的結(jié)構(gòu)組成示意圖，如圖15所示，所述計算機設(shè)備包括存儲器1501、處理器1502及存儲在存儲器1501上并可在處理器1502上運行的計算機可執(zhí)行指令，所述處理器1502執(zhí)行所述計算機可執(zhí)行指令時實現(xiàn)如下方法步驟：

獲取輸入圖像，對所述輸入圖像中的目標(biāo)體進行識別，得到所述目標(biāo)體的形態(tài)特征參數(shù)，所述目標(biāo)體包括第一子目標(biāo)體和第二子目標(biāo)體；

基于所述形態(tài)特征參數(shù)，創(chuàng)建第一圖像模板和第二圖像模板，所述第一圖像模板用于標(biāo)識所述第一子目標(biāo)體的圖像處理區(qū)域，所述第二圖像模板用于標(biāo)識所述第二子目標(biāo)體的圖像處理區(qū)域；

基于所述第一圖像模板，對所述輸入圖像中所述第一子目標(biāo)體的圖像處理區(qū)域采用第一圖像處理策略進行處理，以及基于所述第二圖像模板，對所述輸入圖像中所述第二子目標(biāo)體的圖像處理區(qū)域采用第二圖像處理策略進行處理，得到第一輸出圖像。

以上涉及計算機設(shè)備的描述，與上述方法描述是類似的，同方法的有益效果描述，不做贅述。

本發(fā)明實施例所記載的技術(shù)方案之間，在不沖突的情況下，可以任意組合。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。