CN113516595B - 图像处理方法、图像处理装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种图像处理方法、图像处理装置、电子设备及存储介质。图像处理方法包括：获取彩色图像中一个或多个物体边缘；确定彩色图像中的绿色区域和紫色区域；根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域。上述图像处理方法、图像处理装置、电子设备及存储介质，能够根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域，从而便于对紫边区域进行校正，进而可以有效消除彩色图像中绿色区域的边缘的紫边，提高图像质量，提升用户的视觉体验。

Description

图像处理方法、图像处理装置、电子设备及存储介质

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像处理方法、图像处理装置、电子设备及存储介质。

背景技术

在拍照过程中，由于被拍摄的场景亮度反差大，获得的图像中容易出现色散，色散通常表现为紫色，色散所在区域通常被称为紫边。紫边的存在会严重影响图像质量，降低用户的视觉体验，其中，如何确定图像中的紫边区域成为本领域亟需解决的问题。

发明内容

本申请的实施方式提供了一种图像处理方法、图像处理装置、电子设备及存储介质。

本申请实施方式的图像处理方法包括：获取彩色图像中一个或多个物体边缘；确定所述彩色图像中的绿色区域和紫色区域；根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域。

本申请实施方式的图像处理装置包括第一确定模块、第二确定模块和第三确定模块。第一确定模块用于获取彩色图像中一个或多个物体边缘。第二确定模块用于确定所述彩色图像中的绿色区域和紫色区域。第三确定模块用于根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域。

本申请实施方式的电子设备包括处理器。所述处理器用于：获取彩色图像中一个或多个物体边缘；确定所述彩色图像中的绿色区域和紫色区域；根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域。

本申请实施方式的计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行的情况下，实现上述实施方式所述的图像处理方法的步骤。

上述图像处理方法、图像处理装置、电子设备及存储介质，能够根据物体边缘、绿色区域和紫色区域，确定绿色区域的边缘的紫边区域，从而便于对紫边区域进行校正，进而可以有效消除彩色图像中绿色区域的边缘的紫边，提高图像质量，提升用户的视觉体验。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：

图1是本申请实施方式的图像处理方法的流程示意图；

图2是本申请实施方式的图像处理装置的示意图；

图3是本申请实施方式的电子设备的示意图；

图4是本申请实施方式的图像处理方法的流程示意图；

图5是本申请实施方式的图像处理装置的示意图；

图6是本申请实施方式的图像处理方法的索贝尔算子的示意图；

图7是本申请实施方式的图像处理方法的流程示意图；

图8是本申请实施方式的图像处理装置的示意图；

图9是本申请实施方式的图像处理方法的流程示意图；

图10是本申请实施方式的图像处理装置的示意图；

图11是本申请实施方式的图像处理方法的流程示意图；

图12是本申请实施方式的图像处理装置的示意图；

图13是本申请实施方式的图像处理方法的流程示意图；

图14是本申请实施方式的图像处理装置的示意图；

图15是本申请实施方式的图像处理方法的场景示意图；

图16是本申请实施方式的图像处理方法的流程示意图；

图17是本申请实施方式的图像处理装置的示意图；

图18是本申请实施方式的图像处理方法的流程示意图；

图19是本申请实施方式的图像处理装置的示意图。

主要元件符号说明：

图像处理装置100、第一确定模块20、卷积单元22、处理单元24。第二确定模块30、第一转换单元32、第一确定单元34、第二转换单元42、第二确定单元44、第三确定单元48、膨胀子单元482、确定子单元484、第三确定模块50、第一计算单元52、第二计算单元54、第四确定单元56、矫正模块60、第一校正单元64、第二校正单元66、第四确定模块70；

电子设备200、处理器201、摄像头组件202、壳体203。

具体实施方式

下面详细描述本申请的实施方式，所述实施方式的实施方式在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在本申请的实施方式的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的实施方式的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请参阅图1，本申请实施方式的图像处理方法包括：

013：获取彩色图像中一个或多个物体边缘；

015：确定彩色图像中的绿色区域和紫色区域；

019：根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域。

请参阅图2，本申请实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，图像处理装置100包括第一确定模块20、第二确定模块30和第三确定模块50。第一确定模块20用于获取彩色图像中一个或多个物体边缘。第二确定模块30用于确定彩色图像中的绿色区域和紫色区域。第三确定模块50用于根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域。

请参阅图3，本申请实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，电子设备200包括处理器201。处理器201用于：获取彩色图像中一个或多个物体边缘；确定彩色图像中的绿色区域和紫色区域；根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域。

上述图像处理方法、图像处理装置100和电子设备200，能够根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域，从而便于对紫边区域进行校正，进而可以有效消除彩色图像中绿色区域的边缘的紫边，提高图像质量，提升用户的视觉体验。

在相关技术中，通过全局颜色搜索的方式，在彩色图像中寻找所有紫色物体对应的第一区域；然后，将彩色图像转化成灰度图像，在灰度图像中对应第一区域的位置寻找灰度值大于预设值的第二区域；接着，在灰度图像中对应第一区域的位置寻找物体边缘；最后，将第一区域、第二区域和物体边缘取交集，并将交集所在区域确定为紫边区域。然而，现有技术无法区分出真实紫色物体和紫边，会造成紫边区域误检测。

而本申请实施方式的图像处理方法，根据紫边通常出现在绿植边缘的现象，检测彩色图像中的绿色区域以作为绿植所在区域，再结合彩色图像的物体边缘，以及结合彩色图像中范围最接近紫边区域范围的紫色区域，能够更加准确地确定出绿色区域的边缘的紫边区域，也即是，彩色图像的紫边区域。

具体地，获取彩色图像，彩色图像中可包括不同的物体，物体边缘为彩色图像中不同物体的外边缘，物体边缘可包括不同物体的外边缘的位置信息。可以理解，在物体为树叶的情况下，树叶包括外边缘和内边缘，外边缘即树叶的外部轮廓，内边缘即树叶的内部纹理(例如经络)，在本申请中，确定树叶的外部轮廓以获得物体边缘，获得的物体边缘中不包括树叶的内部纹理。

进一步地，绿色区域，即就是，彩色图像中所有绿色物体所在的区域，绿色区域可包括所有绿色物体的位置信息。紫色区域为范围最接近紫边区域的范围的区域，不应当将紫色区域理解为彩色图像中所有紫色物体所在的区域，紫色区域可包括范围最接近紫边区域的范围的区域的位置信息。紫边区域，即就是，位于绿色区域的边缘的紫色区域，紫边区域可包括绿色区域的边缘的紫色区域的位置信息。

需要指出的是，在某些实施方式中，步骤015可包括：确定彩色图像中的绿色区域；确定彩色图像中的紫色区域。确定绿色区域的方式与确定紫色区域的方式可不相同。可先确定绿色区域再确定紫色区域，可先确定紫色区域再确定绿色区域，可同时确定绿色区域和紫色区域，在此不作限定。

请参阅图3，在某些实施方式中，电子设备200还包括摄像头组件202和壳体203，摄像头组件202安装在壳体203上，处理器201设置在壳体203形成的收容空间中。摄像头组件202可以获取外界的光线并生成相应的电信号，处理器201可以接收来自摄像头组件202的电信号，并根据接收到的电信号生成彩色图像。

需要指出的是，在图3所示的实施方式中，电子设备200为智能手机，在其他实施方式中，电子设备200可为平板电脑、个人计算机、显示器、数码相机、柜员机、智能穿戴设备或者其他具有拍照功能的电子设备。

请参阅图4，在某些实施方式中，步骤013包括：

0131：对彩色图像进行卷积处理以获得梯度图像；

0133：根据预设梯度值，对梯度图像进行二值化处理以得到物体边缘。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图5，第一确定模块20包括卷积单元22和处理单元24。卷积单元22用于对彩色图像进行卷积处理以获得梯度图像。处理单元24用于根据预设梯度值，对梯度图像进行二值化处理以得到物体边缘。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于对彩色图像进行卷积处理以获得梯度图像，及用于根据预设梯度值，对梯度图像进行二值化处理以得到物体边缘。

如此，能够较准确的获得彩色图像的物体边缘。

具体地，在步骤0131中，在某些实施方式中，采用4方向的索贝尔(Sobel)算子(如图6所示)，对彩色图像进行卷积处理以获得梯度图像。进一步地，采用1个水平方向、1个垂直方向和2个对角线方向的索贝尔算子，分别对彩色图像进行卷积处理，从而得到4张不同方向的初始梯度图像；然后，将4张不同方向的初始梯度图像进行逐像素融合，即就是，求取4张不同方向的初始梯度图像在相同位置的像素的梯度值的平均值，将该梯度值的平均值作为梯度图像的梯度值，从而得到一幅包含4方向梯度值的梯度图像。可以理解，相较于采用水平、垂直两个方向的索贝尔算子，采用4方向的索贝尔算子能够更加准确地确定物体边缘。

在步骤0133中，根据预设梯度值，对梯度图像进行阈值过滤以及二值化，在某些实施方式中，将梯度图像中不小于预设梯度值的梯度保留并设置为1，将梯度图像中小于预设梯度值的梯度设置为0，这样得到的图像中，梯度值为1的区域为物体边缘，梯度值为0的区域为非物体边缘。在某些实施方式中，预设梯度值为90。可以理解，当预设梯度值为90时，树叶的外部轮廓所在区域可以识别为物体边缘，而树叶的内部纹理(例如经络)不会被识别为物体边缘，从而能够准确地确定树叶的物体边缘，便于后续处理。

在其他实施方式中，还可以采用scharr算子或拉普拉斯算子等算子对彩色图像进行处理，以获得彩色图像的物体边缘，在此不作限定。

请参阅图7，在某些实施方式中，确定彩色图像中的绿色区域，包括：

0151：将彩色图像转换为HSV格式；

0153：在HSV格式的彩色图像中确定绿色区域。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图8，第二确定模块30包括第一转换单元32和第一确定单元34。第一转换单元32用于将彩色图像转换为HSV格式。第一确定单元34用于在HSV格式的彩色图像中确定绿色区域。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于将彩色图像转换为HSV格式，及用于在HSV格式的彩色图像中确定绿色区域。

如此，通过色彩空间的转换，能够更直观地确定彩色图像中的绿色区域。

具体地，将彩色图像从RGB格式转换为HSV格式，并根据第一阈值范围，在HSV格式的彩色图像中确定绿色区域。在RGB格式中，R为红色分量值，G为绿色分量值，B为蓝色分量值。在HSV格式中，H代表色调(Hue)，取值范围可以为0-180；S代表饱和度(Saturation)，取值范围可以为0-255；V代表亮度(Value)，取值范围可以为0-255。在某些实施方式中，第一阈值范围为{35<H<77&&43<S<255&&46<V<255}，如此，能够准确地检测出彩色图像中的绿色区域。

请参阅图9，在某些实施方式中，确定彩色图像中的紫色区域，包括：

0171：将彩色图像转换为HSV格式；

0173：在HSV格式的彩色图像中确定初始紫色区域；

0175：根据初始紫色区域确定紫色区域。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图10，第二确定模块30包括第二转换单元42、第二确定单元44、第三确定单元48。第二转换单元42用于将彩色图像转换为HSV格式。第二确定单元44用于在HSV格式的彩色图像中确定初始紫色区域以作为紫色区域。第三确定单元48用于根据初始紫色区域确定紫色区域。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于将彩色图像转换为HSV格式，及用于在HSV格式的彩色图像中确定初始紫色区域以作为紫色区域，及用于根据初始紫色区域确定紫色区域。

如此，根据初始紫色区域能够有效的确定图像中的紫色区域。可以理解，初始紫色区域为彩色图像中所有紫色物体所在区域中的一部分，紫色区域为范围最接近紫边区域的范围的区域，将彩色图像中所有紫色物体所在区域中的一部分直接作为紫色区域，能够较快地确定紫色区域。

具体地，将彩色图像从RGB格式转换为HSV格式，并根据第二阈值范围，在HSV格式的彩色图像中确定初始紫色区域以作为紫色区域。在某些实施方式中，第二阈值范围为{125<H<155&&30<S<255&&46<V<255}，如此，通过设定较为严格的阈值，检测出较为准确的初始紫色区域，并将初始紫色区域作为紫色区域，能够有效避免紫色区域的误检。

请参阅图11，在某些实施方式中，步骤0175，包括：

01751：对初始紫色区域进行形态学膨胀，得到膨胀区域；

01753：根据膨胀区域，在HSV格式的彩色图像中确定紫色区域。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图12，第三确定单元48包括膨胀子单元482、确定子单元484。膨胀子单元482用于对初始紫色区域进行形态学膨胀，得到膨胀区域。确定子单元484用于根据膨胀区域，在HSV格式的彩色图像中确定紫色区域。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于对初始紫色区域进行形态学膨胀，得到膨胀区域，及用于根据膨胀区域，在HSV格式的彩色图像中确定紫色区域。

如此，通过对初始紫色区域进行膨胀处理，能够尽可能的避免紫色区域的漏检。

具体地，对初始紫色区域进行形态学膨胀，使得初始紫色区域中属于同一整体的区域合并在一起形成膨胀区域，膨胀区域包括初始紫色区域中属于同一整体的区域的位置信息。然后，根据第三阈值范围，对彩色图像中与膨胀区域位置相同的区域进行二次检测，以在HSV格式的彩色图像中确定紫色区域。第三阈值范围中H分量的阈值范围大于第二阈值范围中H分量的阈值范围，第三阈值范围中S分量的阈值范围小于第二阈值范围中S分量的阈值范围，第三阈值范围中V分量的阈值范围小于第二阈值范围中V分量的阈值范围。在某些实施方式中，第三阈值范围为{88<H<155&&60<S<255&&46<V<211}，如此，通过设定较为宽松的阈值，对彩色图像中与膨胀区域位置相同的区域进一步检测，确定紫色区域中除初始紫色区域外的剩余的紫色区域，从而避免紫色区域的漏检。

需要指出的是，对于紫色区域，它的紫色一般不会是单独一个饱和度，通常它的紫色有颜色较深的区域也有颜色较浅的区域。如果单纯用第二阈值范围(严格的阈值)去检测一次，那么就会有颜色较浅的紫色区域没有被检测到；如果单纯用第三阈值范围(宽松的阈值)去检测，那么就会将较多不是紫边的区域误检成为紫色区域，从而增大运算成本。因此，上述实施方式采用了两次检测，也即是说，先检测可能性最大的紫色区域，再对该区域进行扩展补全，最终获得较为准确的紫色区域。

请参阅图13，在某些实施方式中，步骤019包括：

0191：计算紫色区域中每个像素点与物体边缘的第一距离；

0193：计算紫色区域中每个像素点与绿色区域的第二距离；

0195：在像素点的第一距离小于第一预设阈值且第二距离小于第二预设阈值时，确定像素点为紫边区域的像素点。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图14，第三确定模块50包括第一计算单元52、第二计算单元54和第四确定单元56。第一计算单元52用于计算紫色区域中每个像素点与物体边缘的第一距离。第二计算单元54用于计算紫色区域中每个像素点与绿色区域的第二距离。第四确定单元56用于在像素点的第一距离小于第一预设阈值且第二距离小于第二预设阈值时，确定像素点为紫边区域的像素点。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于计算紫色区域中每个像素点与物体边缘的第一距离，及用于计算紫色区域中每个像素点与绿色区域的第二距离，及用于在像素点的第一距离小于第一预设阈值且第二距离小于第二预设阈值时，确定像素点为紫边区域的像素点。

如此，通过判断第一距离与第一预设阈值的关系，以及判断第二距离与第二预设阈值的关系，能够筛选出绿色区域的边缘特定范围的紫边区域。可以理解，紫色区域包括多个像素点，对于紫色区域的一个像素点，需要计算这个像素点与物体边缘的第一距离，以及这个像素点与绿色区域的第二距离，以确定这个像素点是否为紫边区域的像素点，为了便于说明，以下以紫色区域中坐标为(X，Y)的一个像素点A进行描述。

具体地，请结合图15，在图15中，区域G表示绿色区域，区域P表示紫色区域，像素点A为紫色区域中的一个点，像素点B为物体边缘中的一个点，像素点C为绿色区域中的一个点。在某些实施方式中，第一距离d1为紫色区域中的像素点A与物体边缘的最小欧氏距离，第二距离d2为紫色区域中的像素点A与绿色区域的最小欧氏距离。在第一距离d1小于第一预设阈值且第二距离d2小于第二预设阈值时，确定像素点A是紫边区域的像素点；在第一距离d1不小于第一预设阈值或第二距离d2不小于第二预设阈值时，确定像素点A不是紫边区域的像素点，接着判断紫色区域的其它像素点是否为紫边区域的像素点。在紫色区域的所有像素点完成判断之后，将紫色区域中是紫边区域的像素点对应的区域确定为紫边区域。

进一步地，对于物体边缘中坐标为(x1，y1)的像素点B，像素点A与像素点B的欧氏距离d1可用以下公式表示：d1＝sqrt((X-x1)²+(Y-y1)²)，在像素点A的坐标不变的情况下，改变像素点B的坐标，求得d1的最小值并作为第一距离。对于绿色区域中坐标为(x2，y2)的像素点C，像素点A与像素点C的欧氏距离d2可用以下公式表示：d2＝sqrt((X-x2)²+(Y-y2)²)，在像素点A的坐标不变的情况下，改变像素点C的坐标，求得d2的最小值并作为第二距离。

在一个例子中，第一预设阈值为5，第二预设阈值也为5，当紫色区域中某一个像素点的第一距离和第二距离均小于5时，确定这个像素点是紫边区域的像素点；反之，确定这个像素点不是紫边区域的像素点，接着判断紫色区域的其它像素点是否为紫边区域的像素点。

请参阅图16，在某些实施方式中，彩色图像包括红色通道、蓝色通道和绿色通道，图像处理方法还包括：

021：确定绿色区域中与紫边区域中每个像素点距离最近的最近像素点；

023：根据最近像素点，校正紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图17，图像处理装置100还包括第四确定模块70、校正模块60。第四确定模块70用于确定绿色区域中与紫边区域中每个像素点距离最近的最近像素点。校正模块60用于根据最近像素点，校正紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于确定绿色区域中与紫边区域中每个像素点距离最近的最近像素点，及用于根据最近像素点，校正紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值。

如此，有效校正紫边区域，从而提高图像质量，提升用户的视觉体验。可以理解，通常情况下，绿色通道的像素灰度值是准确的，因此校正紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值，然后再将校正之后的红色通道和蓝色通道与校正前的绿色通道进行融合，即可得到消除紫边的图像。

具体地，在步骤021中，可通过计算欧氏距离的最小值，确定绿色区域中与紫边区域中每个像素点距离最近的最近像素点。由于紫边区域中每个像素点在绿色区域中的最近像素点可能不同，因此，最近像素点的个数可能包括多个。在确定最近像素点之后，可获得最近像素点的红色通道、蓝色通道和绿色通道的像素灰度值。

需要指出的是，确定紫边区域和校正紫边区域可由相同的设备执行，也可由不同的设备执行，在此不作限定。例如，确定紫边区域和校正紫边区域均可由电子设备执行；或者，确定紫边区域由电子设备执行，校正紫边区域由云端服务器执行；或者，确定紫边区域可由云端服务器执行，而校正紫边区域由电子设备执行。

请参阅图18，在某些实施方式中，步骤023包括：

0231：根据最近像素点的红色通道和绿色通道的像素灰度值，校正紫边区域中对应像素点的红色通道的像素灰度值；

0233：根据最近像素点的蓝色通道和绿色通道的像素灰度值，校正紫边区域中对应像素点的蓝色通道的像素灰度值。

上述实施方式的图像处理方法可由本申请实施方式的图像处理装置100实现。具体地，请参阅图19，校正模块60包括第一校正单元64和第二校正单元66。第一校正单元64用于根据最近像素点的红色通道和绿色通道的像素灰度值，校正紫边区域中对应像素点的红色通道的像素灰度值。第二校正单元66用于根据最近像素点的蓝色通道和绿色通道的像素灰度值，校正紫边区域中对应像素点的蓝色通道的像素灰度值。

上述实施方式的图像处理方法可由本申请实施方式的电子设备200实现。具体地，处理器201用于根据最近像素点的红色通道和绿色通道的像素灰度值，校正紫边区域中对应像素点的红色通道的像素灰度值，及用于根据最近像素点的蓝色通道和绿色通道的像素灰度值，校正紫边区域中对应像素点的蓝色通道的像素灰度值。

如此，根据色差恒定准则，较为准确地校正紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值。色差恒定准则，即就是，相邻点(i，j)和(i，j+1)这两个像素点所对应的色差基本相等，即相邻点的红绿色差值基本相等，如R(i，j)-G(i，j)＝R(i，j+1)-G(i，j+1)；相邻点的蓝绿色差值基本相等，如B(i，j)-G(i，j)＝B(i，j+1)-G(i，j+1)。

具体地，在步骤0231中，校正后紫边区域中对应像素点的红色通道的像素灰度值Lr’可用以下公式表示：Lr'＝Lg+(LrNear–LgNear)，其中Lg为校正前紫边区域中对应像素点的绿色通道的像素灰度值，LrNear为最近像素点的红色通道的像素灰度值，LgNear为最近像素点的绿色通道的像素灰度值。

在步骤0233中，校正后紫边区域中对应像素点的蓝色通道的像素灰度值Lb’可用以下公式表示：Lb'＝Lg+(LbNear–LgNear)，其中Lg为校正前紫边区域中对应像素点的绿色通道的像素灰度值，LbNear为最近像素点的蓝色通道的像素灰度值，LgNear为最近像素点的绿色通道的像素灰度值。

进一步地，在确定校正后紫边区域中对应像素点的红色通道和蓝色通道的像素灰度值之后，将校正之后的红色通道和蓝色通道与校正前的绿色通道进行融合，即可得到消除紫边的图像。由于紫边区域中每个像素点的像素灰度值是根据绿色区域中的最近像素点的像素灰度值进行校正的，紫边区域在校正之后呈现的颜色更为生动逼真，而不是一味地呈现为灰色或紫色，从而提升了用户的视觉体验。

需要指出的是，上述所提到的具体数值只为了作为例子详细说明本申请的实施，而不应理解为对本申请的限制。在其他例子或实施方式或实施例中，可根据本申请来选择其他数值，在此不作具体限定。

本申请实施方式的计算机可读存储介质，其上存储有计算机程序，程序被处理器201执行的情况下，实现上述任一实施方式的图像处理方法的步骤。

例如，程序被处理器201执行的情况下，实现以下图像处理方法的步骤：

013：获取彩色图像中一个或多个物体边缘；

015：确定彩色图像中的绿色区域和紫色区域；

019：根据物体边缘、绿色区域和紫色区域，确定紫色区域中靠近绿色区域和物体边缘的区域，作为紫边区域。

可以理解，计算机程序包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、以及软件分发介质等。处理器201可以是中央处理器，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，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，这应被本申请的实施例所属技术领域的技术人员所理解。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种图像处理方法，其特征在于，所述图像处理方法包括：

获取彩色图像中一个或多个物体边缘；

确定所述彩色图像中的绿色区域和紫色区域；

根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域；

确定所述彩色图像中的紫色区域，包括：

将所述彩色图像转换为HSV格式；

在HSV格式的所述彩色图像中确定初始紫色区域；

根据所述初始紫色区域确定紫色区域，所述初始紫色区域为所述彩色图像中所有紫色物体所在的至少部分区域；

所述根据所述初始紫色区域确定紫色区域，包括：

获取所述初始紫色区域中位于第二阈值范围内的区域，以作为所述紫色区域；所述紫边区域为位于所述绿色区域的边缘的紫色区域。

2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域，包括：

计算所述紫色区域中每个像素点与所述物体边缘的第一距离；

计算所述紫色区域中每个所述像素点与所述绿色区域的第二距离；

在所述像素点的所述第一距离小于第一预设阈值且所述第二距离小于第二预设阈值时，确定所述像素点为所述紫边区域的像素点。

3.根据权利要求1所述的图像处理方法，其特征在于，所述获取彩色图像中一个或多个物体边缘，包括：

对所述彩色图像进行卷积处理以获得梯度图像；

根据预设梯度值，对所述梯度图像进行二值化处理以得到所述物体边缘。

4.根据权利要求1所述的图像处理方法，其特征在于，所述确定所述彩色图像中的绿色区域，包括：

将所述彩色图像转换为HSV格式；

在HSV格式的所述彩色图像中确定所述绿色区域。

5.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述初始紫色区域确定紫色区域，包括：

对所述初始紫色区域进行形态学膨胀，得到膨胀区域；

根据所述膨胀区域，在HSV格式的所述彩色图像中确定所述紫色区域。

6.根据权利要求1所述的图像处理方法，其特征在于，所述彩色图像包括红色通道、蓝色通道和绿色通道，所述图像处理方法还包括：

确定所述绿色区域中与所述紫边区域中每个像素点距离最近的最近像素点；

根据所述最近像素点，校正所述紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值。

7.根据权利要求6所述的图像处理方法，其特征在于，所述根据所述最近像素点，校正所述紫边区域中每个像素点的红色通道和蓝色通道的像素灰度值，包括：

根据所述最近像素点的红色通道和绿色通道的像素灰度值，校正所述紫边区域中对应像素点的红色通道的像素灰度值；

根据所述最近像素点的蓝色通道和绿色通道的像素灰度值，校正所述紫边区域中对应像素点的蓝色通道的像素灰度值。

8.一种图像处理装置，其特征在于，所述图像处理装置包括：

第一确定模块，用于获取彩色图像中一个或多个物体边缘；

第二确定模块，用于确定所述彩色图像中的绿色区域和紫色区域；

第三确定模块，用于根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域；

所述第二确定模块包括第二转换单元、第二确定单元和第三确定单元，

所述第二转换单元用于将所述彩色图像转换为HSV格式；

所述第二确定单元用于在HSV格式的所述彩色图像中确定初始紫色区域；

所述第三确定单元用于根据所述初始紫色区域确定紫色区域，所述初始紫色区域为所述彩色图像中所有紫色物体所在的至少部分区域；获取所述初始紫色区域中位于第二阈值范围内的区域，以作为所述紫色区域；所述紫边区域为位于所述绿色区域的边缘的紫色区域。

9.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于：

获取彩色图像中一个或多个物体边缘；

确定所述彩色图像中的绿色区域和紫色区域；

根据所述物体边缘、所述绿色区域和所述紫色区域，确定所述紫色区域中靠近所述绿色区域和所述物体边缘的区域，作为紫边区域；

所述处理器还用于将所述彩色图像转换为HSV格式；在HSV格式的所述彩色图像中确定初始紫色区域；根据所述初始紫色区域确定紫色区域，所述初始紫色区域为所述彩色图像中所有紫色物体所在的至少部分区域；获取所述初始紫色区域中位于第二阈值范围内的区域，以作为所述紫色区域；所述紫边区域为位于所述绿色区域的边缘的紫色区域。

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，所述程序被处理器执行的情况下，实现权利要求1-7任一项所述的图像处理方法的步骤。