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。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。基于本申请中的实施例，本领域普通技术人员在没有做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。

本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参见图1，图1为本申请一种白平衡处理方法一实施例中的流程示意图。在当前实施例中，本申请所提供的方法包括步骤S110至步骤S140。

S110：对待处理图像进行目标分割，得到目标分割区域。

在本申请所提供的技术方案中，在对待处理图像进行白平衡校正前，首先对待处理图像进行目标分割，以获得目标分割区域。其中，待处理图像为需要进行白平衡处理的图像，目标分割区域为对待处理图像进行分割所得的区域。在每张待处理图像进行目标分割后，可以得到至少一个目标分割区域。进一步地，也可以将步骤S110理解为对待处理图像进行目标识别，并将每个目标所在区域分割为单独的区域，并将每个目标所在区域输出为目标分割区域。

在本申请所提供的技术方案中，可以是利用预先设定的图像分割模型对待处理图像进行分割。具体可以是将待处理图像输入至图像分割模型中，进而获得目标分割区域。其中，每个目标分割区域中包括一个目标。其中，目标的类型可以为图像分割模型中预先设定的，如目标可以包括：人，各种类型汽车、各种类型的动物、各种类型的植物、各种类型的标志、各种类型的建筑物、道路等中任意一个。可以理解的是，在其他实施例中，不限定图像分割模型中仅仅包括上述各种类型的目标，具体在此不一一列举。

S120：确定目标分割区域的属性信息。

在对待处理图像进行目标分割得到目标分割区域之后，进一步确定目标分割区域的属性信息。具体地，步骤S120中是确定待处理图像中分割所得的目标分割区域的属性信息。

其中，目标分割区域的属性信息包括：待处理图像中包括的目标分割区域的区域数量、最大尺寸的目标分割区域在待处理图像中的占比。具体地，待处理图像中包括的目标分割区域的区域数量为待处理图像中所包括的目标分割区域的总数，最大尺寸的目标分割区域在待处理图像中的占比为：待处理图像中所包括的尺寸最大的目标分割区域的像素数与待处理图像的像素总数的比值。

进一步地，在一实施例中，待处理图像中包括的目标分割区域的区域数量可以是在执行步骤S110时，即统计分割所得的目标分割区域的数量，进而在对待处理图像进行目标分割完毕之后即可获得待处理图中所包括的目标分割区域的数量。

进一步地，在另一实施例中，在执行步骤S110时，同时统计各个目标分割区域中所包括的像素数量，进而获得各个目标分割区域所包括的像素数。然后在对待处理图像进行目标分割完毕，即分割得到待处理图像中所有的目标分割区域之后，进一步比较各个分割区域所包括的像素数量，进而通过比较确定当前待处理图像中所包括的尺寸最大的目标分割区域，并进一步计算尺寸最大的目标分割区域的像素数与待处理图像的像素总数的比值。

S130：根据目标分割区域的属性信息确定待处理图像的图像类型。

在获取到目标分割区域的属性信息之后，进一步根据目标分割区域的属性信息确定待处理图像的图像类型。其中，图像类型包括：单色图像、普通场景图像和色彩丰富图像。

其中，在本申请所提供的技术方案中，单色图像是指对单一色彩场景进行采集所得的图像，普通场景图像是指对普通场景采集所得的图像，色彩丰富图像是至对色彩比较丰富的场景采集所得的图像。

具体地，步骤S130中是根据当前待处理图像中所包括的目标分割区域的数量，以及该待处理图像中最大尺寸的目标分割区域在待处理图像中的占比，确定当前待处理图像的图像类型。具体请参见下文图3所对应的实施例。

S140：利用与待处理图像的图像类型匹配的白平衡校正方式，对待处理图像进行白平衡处理。

在本申请所提供的技术方案中，预先设置会对不同的图像类型的图像采用不同的白平衡校正方式，以根据不同的图像类型做出针对性的白平衡校正，进而实现为不同类型的图像进行更为准确的白平衡校正。故在确定待处理图像的图像类型之后，进一步利用与待处理图像的图像类型匹配的白平衡校正方式，对当前的待处理图像进行白平衡处理。

其中，白平衡校正方式包括静态白平衡校正法、灰度世界法和色温估计法。需要说明的是，静态白平衡校正法、灰度世界法和色温估计法为成熟的白平衡校正方法，具体可以参见已经公开的技术资料，在此不再详述。

进一步地，预先将单色图像与静态白平衡校正法进行关联匹配，将普通场景图像与色温估计法进行关联匹配，将色彩丰富图像与灰度世界法进行关联匹配。在确定待处理图像的图像类型之后，进一步根据预先设定的白平衡校正方式，对待处理图像进行白平衡处理。

在一实施例中，如若经过步骤S130确定得到待处理图像为单色图像时，则会进一步利用与单色图像关联匹配的静态白平衡校正法，计算获得白平衡增益RGain、BGain，并利用计算所得的白平衡增益对待处理图像进行白平衡处理。

在另一实施例中，如若经过步骤S130确定得到待处理图像为普通场景图像，则会进一步利用与普通场景图像关联匹配的色温估计法的白平衡校正方式，计算获得白平衡增益RGain、BGain，然后利用计算所得的白平衡增益对待处理图像进行白平衡处理。

在又一实施例中，如若经过步骤S130确定得到待处理图像为色彩丰富图像，则会进一步利用与色彩丰富图像关联匹配的灰度世界法的白平衡校正方式，计算获得白平衡增益RGain、BGain，然后利用计算所得的白平衡增益对待处理图像进行白平衡处理。

其中，色温估计法具体实施步骤如下：

首先，采集不同色温下的标准色卡图像，确认基准白点，根据基准白点在坐标系中绘制参考白区。请参见图2，图2为色温估计法绘制参考曲线示意图。如图2所示意的，分别以R/G、B/G为坐标轴绘制参考坐标系，并根据基准白点在参考坐标系中的位置，通过拟合绘制参考曲线。例如，已确定参考白点H₁、H₂、H₃、H₄以及H₅，以采用插值法绘制出参考曲线。设置参考坐标系中任意点到参考曲线的距离阈值，与参考曲线的距离不超过该距离阈值的所有坐标点构成一个距离范围，由参考曲线及距离范围构成参考白区。

然后，将待处理图像中各个的目标分割区域作为一个统计点，计算每个统计点RGB三通道分量的均值，根据三通道分量均值计算统计点的红色增益RGain及蓝色增益BGain，并绘制在参考白区所在坐标系中。

最后，将落位在参考白区内的统计点记为白点，计算获得白点的白平衡增益RGain、BGain，然后再利用白平衡增益RGain、BGain对待处理图像进行白平衡处理，以优化待处理图像。

本申请图1所对应的实施例中，通过对待处理图像进行目标分割，得到目标分割区域，然后确定分割所得的各个目标分割区域的属性信息，再根据该待处理图像中所包括的目标分割区域的属性信息进一步确定待处理图像的图像类型，然后利用与待处理图像的图像类型所匹配的白平衡校正方式，对当前的待处理图像进行白平衡校正，本申请所提供的方法可以实现根据待处理图像的图像类型对待处理图像做出针对性的白平衡校正，使得对待处理图像的白平衡处理效果更优，起到了良好的技术效果。

请参见图3，图3为本申请一种白平衡处理方法另一实施例中的流程示意图。在当前实施例中，本申请所提供的方法包括步骤S301至步骤S307。

在当前实施例中，上述步骤S110对待处理图像进行目标分割，得到目标分割区域在当前实施例中包括步骤S301至步骤S304。

S301：利用图像分割模型对待处理图像进行目标分割，得到若干初始分割区域。

首先利用图像分割模型对待处理图像进行目标分割，得到若干初始分割区域。其中，初始分割区域是指利用图像分割区域对待处理图像只进行一轮目标分割后所得的区域，图像分割模型包括深度学习分割模型，深度学习分割模型是将一组带像素标签的图像作为训练样本，输入深度学习分割网络进行训练后得到的。其中，在当前实施例中，在利用图像分割模型对待处理图像进行目标分割，得到若干初始分割区域之后，还会执行步骤S302至步骤S304，以根据分割所的每个初始分割区域中的灰度值的离散程度确定是否需要对初始分割区域进行二次分割或多次分割，进而获得目标分割区域。

S302：统计每个初始分割区域中的灰度值的离散程度。

在利用图像分割模型对待处理图像进行目标分割，得到若干初始分割区域之后，进一步统计每个初始区域中的灰度值的离散程度。其中，初始分割区域的灰度值的离散程度也可以理解为初始分割区域中的灰度通道的方差。具体地，可以将上述步骤S302理解为统计每个初始分割区域中的灰度值的离散程度，即是在分割得到初始分割区域之后，进一步计算每个初始分割区域的灰度通道的方差，然后进一步执行步骤 S303。

S303：分别判断每个初始分割区域对应的离散程度是否大于或等于第一预设阈值。

在统计初始分割区域中的灰度值的离散程度之后，进一步判断初始分割区域对应的灰度值的离散程度是否大于或等于第一预设阈值。其中，第一预设阈值为预先设定的用于判断是否需要对初始分割区域进行二次分割的经验值，具体可以依据实际的需求对第一预设阈值进行设定调整，具体在此不做限定。

其中，需要说明的是，在利用图像分割模型对待处理图像进行目标分割，得到若干初始分割区域，并统计得到每个初始分割区域的灰度值的离散程度之后，进一步分别判断每个初始分割区域所对应的灰度值的离散程度是否大于或等于第一预设阈值，以根据每个初始分割区域的判断结果对初始分割区域进行二次分割获得目标分割区域。如，当经过执行步骤S301分割得到n个初始分割区域之后，进一步分别判断这n个初始分割区域所对应的灰度值的离散程度是否大于或等于第一预设阈值，然后依据各个初始分割区域的灰度值的离散程度与第一预设阈值的大小比较结果，确定是否需要对对应的初始分割区域进行二次分割。

S304：根据判断结果对初始分割区域进行二次分割，以获得目标分割区域。

如若经过步骤S303判断得到初始分割区域对应的灰度值的离散程度大于或等于第一预设阈值，则说明当前的初始分割区域所包含的信息较为丰富，则会进一步对当前初始分割区域进行二次分割。更进一步地，当判断得到初始分割区域对应的灰度值的离散程度大于或等于第一预设阈值时，进一步依据初始分割区域的颜色信息对该初始分割要去进行二次分割。其中，颜色信息包括像素值、色度中的任意一种。

如若经过步骤S303判断得到初始分割区域对应的灰度值的离散程度小于第一预设阈值，则说明当前的初始分割区域所包含的信息比较单一，则不对当前初始分割区域进行二次分割。

例如，以任意一个初始分割区域R为例，初始分割区域R灰度通道的方差计算公式如下：

其中，n表示初始分割区域R的像素点个数，x_i表示初始分割区域 R中第i个像素点，表示初始分割区域R的像素平均值，s²表示初始分割区域R的方差。

若初始分割区域R的灰度通道的方差大于或等于第一预设阈值，说明该初始分割区域R所含信息较为丰富，则进一步基于初始分割区域R 的颜色信息对该区域进行二次分割。反之，若初始分割区域R的灰度通道的方差小于第一预设阈值，说明该初始分割区域R所包含的信息较为单一，则对当前初始分割区域R不做二次分割处理。进一步地，在当前实施例中，基于初始分割区域R的颜色信息对该初始分割区域进行二次分割的方法，包括但不局限于区域生长法、区域分裂法、直方图阈值法、颜色聚类法等方法。

进一步地，步骤S304根据判断结果对初始分割区域进行二次分割，以获得目标分割区域，进一步包括：若初始分割区域的灰度值的离散程度大于或等于第一预设阈值，则根据初始分割区域的颜色信息对初始分割区域进行二次分割，以获得目标分割区域。如若判断得到初始分割区域的灰度值的离散程度大于或等于第一预设阈值，则说明当前初始分割区域所包括的信息较为丰富，需要对当前初始分割区域进行二次分割，并将二次分割所得的区域输出为目标分割区域。其中，目标分割区域包括没有进行二次分割的初始分割区域和对灰度值离散程度大于或等于第一预设阈值的初始分割区域进行二次分割所得的区域。

在另一实施例中，上述步骤S304根据判断结果对初始分割区域进行二次分割，以获得目标分割区域，进一步包括：若初始分割区域的灰度值的离散程度小于第一预设阈值，则直接将初始分割区域作为目标分割区域。如若判断得到初始分割区域的灰度值的离散程度小于第一预设阈值，则说明当前初始分割区域所包括的信息较为单一，故可以直接将当前初始分割区域输出作为目标分割区域。

如，在一实施例中，步骤S301利用图像分割模型对待处理图像进行目标分割，得到n个初始分割区域，经过步骤S302至步骤S303判断得到，在这n个初始分割区域中有3个初始分割区域的灰度值的离散程度大于或等于第一预设阈值，则会进一步对这3个初始分割区域进行二次分割，并将分割所得的新的区域输出为目标分割区域，同时会将除去这3个初始分割区域以外的所有初始分割区域直接输出为目标分割区域。

对于上述步骤S301至步骤S304的执行效果，具体可以参见图4，图4为一实施例中待处理图像分割示意图。在当前实施例中，以待处理图像为草地放羊场景为例，利用图像分割模型对待处理图像进行分割后，即可得到图4所示意的初始分割区域①到⑦，①到⑦分别为人、草坪、羊、猎狗等中的任意一种。

S305：确定目标分割区域的属性信息。

S306：根据目标分割区域的属性信息确定待处理图像的图像类型。

S307：利用与待处理图像的图像类型匹配的白平衡校正方式，对待处理图像进行白平衡处理。

在当前实施例中，步骤S305至步骤S307分别与上文步骤S120至步骤S140相同，具体可以参见上文对应部分的阐述，具体在此不再重复。

在当前实施例中，通过统计每个初始分割区域中的灰度值的离散程度，然后分别判断每个初始分割区域对应的灰度值的离散程度是否大于或等于第一预设阈值，并分别根据各个判断结果确定是否对对应的初始分割区域进行二次分割，并在判断得到某个初始分割区域的灰度值的离散程度大于或等于第一预设阈值时，通过对包含较为丰富信息的初始分割区域进行二次分割，实现避免因为利用图像分割模型对待处理图像进行目标分割不够细致准确，从而使得待处理图像中包括的目标分割区域的区域数量以及最大尺寸的目标分割区域在待处理图像中的占比的数据不够准确，进而影响对于当前待处理图像的图像类型判断的准确性，从而降低了步骤S307中所选择的白平衡校正方式的准确性，以及所选择的白平衡校正方式与当前待处理图像的契合度。

请参见图5，图5为本申请一种白平衡处理方法又一实施例中的流程示意图。在当前实施例中，本申请所提供的方法包括步骤S501至步骤S505。

S501：对待处理图像进行目标分割，得到目标分割区域。

在当前实施例中，步骤S501与上述步骤S110相同，具体可以参见上文对应部分的阐述，在此不再重复。同时，在当前实施例中，上述步骤S120确定目标分割区域的属性信息，进一步包括步骤S502至步骤 S503。

S502：统计待处理图像中包括的目标分割区域的区域数量、每个目标分割区域所包括的像素点数量和待处理图像所包括的像素点数量，并确定像素点数量最多的目标分割区域为最大尺寸的目标分割区域。

在对待处理图像进行目标分割得到目标分割区域之后，进一步统计当前待处理图像中所包括的目标分割区域的区域数量。其中，需要说明的是，在利用图像分割模型对待处理图像进行目标分割得到若干初始分割区域，且对部分初始分割区域进行二次分割，并将二次分割所得的区域和没有进行二次分割的初始分割区域输出为目标分割区域之后，进一步统计当前待处理图像分割所得的所有目标分割区域数量。换而言之，步骤S502中统计的是没有进行二次分割的初始分割区域和对灰度值的离散程度大于或等于第一预设阈值的初始分割区域进行二次分割所的区域的总数量。

在得到目标分割区域的同时，还会进一步统计每个目标分割区域所包括的像素点数量，同时统计当前待处理图像所包括的像素点数量。然后根据统计所得的各个目标分割区域内所包括的像素点数量，进一步确定当前待处理图像中所包括的最大尺寸目标分割区域。其中，最大尺寸的目标分割区域为包含像素点数量最多的目标分割区域。

S503：利用最大尺寸的目标分割区域的像素点数量与待处理图像的像素点数量，得到最大尺寸的目标分割区域在待处理图像中的占比。

在得到待处理图像中包括的每个目标分割区域所包括的像素点数量和待处理图像所包括的像素点数量，并确定最大尺寸的目标分割区域之后，进一步利用最大尺寸的目标分割区域的像素点数量与待处理图像的像素点数量，计算得到最大尺寸的目标分割区域在待处理图像中的占比。具体地，最大尺寸的目标分割区域在待处理图像中的占比等于最大尺寸的目标分割区域的像素点数量与待处理图像所包括的像素总数之比。

在当前实施例中，上述步骤S130根据目标分割区域的属性信息确定待处理图像的图像类型，进一步包括步骤S504。

S504：若区域数量小于或等于第二预设阈值，则确定待处理图像的图像类型为单色图像。

在得到待处理图像中包括的目标分割区域的区域数量，并确定了最大尺寸的目标分割区域在待处理图像中的占比之后，进一步基于待处理图像中所包括的目标分割区域的区域数量和/或最大尺寸的目标分割区域在待处理图像中的占比确定当前待处理图像的图像类型。

在一实施例中，如若待处理图像中所包括的目标分割区域的区域数量小于或等于第二预设阈值，则确定当前待处理图像的图像类型为单色图像。其中，第二预设阈值为预先设定的用于判断待处理图像是否为单色图像的经验值。在一实施例中，可以将第二预设阈值设置为1，则步骤S504可以理解为：若待处理图像中所包括的目标区域数量为1，则确定待处理图像的图像类型为单色图像。可以理解的是，在其他实施例中，也可以将第二预设阈值设置为其他的数值，具体在此不做限定。

在区别于图5的一个实施例中，若区域数量大于第二预设阈值且小于第三预设阈值，或区域数量大于或等于第三预设阈值且占比大于第四预设阈值，则确定待处理图像的图像类型为普通场景图像。

如若判断得到待处理图像中所包括的目标分割区域数量大于第二阈值，且小于第三预设阈值时，则确定当前待处理图像的图像类型为普通场景图像。在另一实施例中，如若判断得到待处理图像中所包括的目标分割区域数量大于或等于第三预设阈值，且判断得到当前待处理图像中最大尺寸的目标分割区域在待处理图像中的占比大于第四预设阈值，则可以确定当前待处理图像为普通场景图像。

其中，需要说明的是，第三预设阈值大于第二预设阈值。第三预设阈值是用于判断待处理图像所包括的目标分割区域数量是否过多的经验值，具体为用于从区域数量角度判断待处理图像是否为色彩丰富的图像的经验值，第四预设阈值为用于从图像占比角度判断待处理图像是否为色彩丰富的图像经验值。

在区别于图5的另一个实施例中，若区域数量大于或等于第三预设阈值，且占比小于或等于第四预设阈值，则确定待处理图像的图像类型为色彩丰富图像。

在当前实施例中，是需要从待处理图像所包括的目标分割区域数量角度和最大尺寸目标分割区域的占比两个角度，共同判断当前待处理图像的图像类型是否为色彩丰富图像。在当前实施例中，若当前待处理图像分割所得的目标分割区域数量大于或等于第三预设阈值，且当前待处理图像中分割所得的最大尺寸目标分割区域的占比小于或等于第四预设阈值，则确定当前待处理图像的图像类型为色彩丰富图像。

S505：利用与待处理图像的图像类型匹配的白平衡校正方式，对待处理图像进行白平衡处理。

步骤S505与上文所述的步骤S140相同，具体可以参见上文对应部分的阐述，具体在此不再重复。

请参见图6，图6为本申请一种白平衡处理方法再一实施例中的流程示意图。在当前实施例中，主要阐述的是步骤S130根据目标分割区域的属性信息确定待处理图像的图像类型所包括的流程。在当前实施例中，步骤S130进一步包括步骤S601至步骤S607。

S601：判断区域数量是否小于或等于第二预设阈值。

其中，区域数量指的是待处理图像中所包括的目标分割区域的数量。具体地，在当前实施例中，确定了待处理图像中的目标分割区域的属性信息之后，进一步判断待处理图像中所包括的目标分割区域的数量是否小于或等于第二预设阈值。其中，第二阈值是用于判断当前待处理图像是否为单色图像的经验值，具体可以根据实际的需求进行调整。如，在一实施例中，第二阈值可以设置为1，对应的步骤S601为判断当前待处理图像中所包括的目标分割区域的数量是否等于1。可以理解的是，在其他实施例中，也可以将第二阈值设置为其他数值，在此不一一列举。

S602：若是，则确定待处理图像的图像类型为单色图像。

若判断得到区域数量(待处理图像中所包括的目标分割区域的数量)小于或等于第二预设阈值，则确定待处理图像的图像类型为单色图像。反之，若判断得到区域数量大于第二预设阈值，即判断得到待处理图像中所包括的目标分割区域的数量大于第二预设阈值，则进一步执行步骤S603。

S603：判断区域数量是否小于第三预设阈值。

其中，第三预设阈值大于第二预设阈值。若判断得到区域数量大于第二预设阈值，则进一步判断区域数量是否小于第三预设阈值。即可以将步骤S603理解为，当待处理图像中所包括的目标分割区域数量大于第二预设阈值时，则进一步判断待处理图像中所包括的目标分割区域的数量是否小于第三预设阈值。若区域数量小于第三预设阈值，则进一步执行步骤S604，反之，若区域数量大于或等于第三预设阈值，则进一步执行下述步骤S605。

S604：确定待处理图像的图像类型为普通场景图像。

若经过步骤S603判断得到待处理图像中所包括的目标分割区域的数量小于第三预设阈值时，则进一步确定当前的待处理图像的图像类型为普通场景图像。

S605：判断占比是否小于或等于第四预设阈值。

若经过步骤S603判断得到待处理图像中所包括的目标分割区域的数量大于或等于第三预设阈值时，则需要进一步根据当前待处理图像中所包括的最大尺寸的目标分割区域在待处理图像中的占比进一步确定待处理图像的图像类型。具体地，当判断得到待处理图像中所包括的目标分割区域的数量大于或等于第三预设阈值时，进一步判断最大尺寸的目标分割区域在待处理图像中的占比是否小于或等于第四预设阈值。其中，第四预设阈值为用于从图像占比角度判断待处理图像是否为色彩丰富的图像经验值，具体可以根据需求进行设定调整。

S606：确定待处理图像的图像类型为普通场景图像。

若经过判断得到最大尺寸的目标分割区域在待处理图像中的占比大于第四预设阈值，则进一步确定待处理图像的图像类型为普通场景图像。即在当前实施例中，若判断得到区域数量大于或等于第三预设阈值，且占比大于第四预设阈值，则确定待处理图像的图像类型为普通场景图像。

S607：确定待处理图像的图像类型为色彩丰富图像。

若占比不大于第四预设阈值，即经过判断得到最大尺寸的目标分割区域在待处理图像中的占比小于或等于第四预设阈值，则进一步确定待处理图像的图像类型为普通场景图像。即在当前实施例中，若判断得到区域数量大于或等于第三预设阈值，且占比小于或等于第四预设阈值，则确定待处理图像的图像类型为色彩丰富图像。

可以理解的是，在其他实施例中，也可以是通过其他的流程顺序确定待处理图像的图像类型。如在一实施例中，也可以是先判断最大尺寸的目标分割区域在待处理图像中的占比，然后再根据占比的判断结果，进一步结合待处理图像中所包括的目标分割区域的数量确定待处理图像的图像类型，具体根据需求调整判断的顺序。

请参见图7，图7为本申请一种电子设备一实施例中的结构示意图。在当前实施例中，本申请所提供的电子设备700包括处理器701以及与处理器701耦接的存储器702。电子设备700可以执行图1至图6及其对应的任意一个实施例中所述的方法。

其中，存储器702包括本地储存(图未示)，且用于存储有计算机程序，计算机程序被执行时可以实现图1至图6及其所对应的任意一个实施例中所述的方法。

处理器701与存储器702耦接，处理器701用于运行计算机程序，以执行如附图1至图6及其对应的任意一个实施例中所述的方法。

进一步地，在一些实施例中，电子设备可包括图像采集装置、移动终端、车载终端、摄像头、电脑终端、计算机、具备计算存储能力的图像采集设备、服务器等中的任意一种，也可以包括其他任何具有计算处理功能的设备。

参见图8，图8为本申请一种计算机可读存储介质一实施例结构示意图。该计算机可读存储介质800存储有能够被处理器运行的计算机程序801，该计算机程序801用于实现如附图1至图6及其对应的任意一个实施例中所描述的方法。具体地，上述计算机可读存储介质800可以是存储器、个人计算机、服务器、网络设备，或者U盘等其中的一种，具体在此不做任何限定。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。