具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，图1是本发明实施例提供的图像增强处理方法的流程示意图；该图像增强处理方法应用于用户终端或管理服务器中，该图像增强处理方法通过安装于用户终端或管理服务器中的应用软件进行执行，用户终端即是可接收用户输入的第一图像并进行图像增强处理处理的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等，管理服务器即是可接收用户通过用终端发送的第一图像并进行图像增强处理处理的服务器端，如企业、医疗机构或政府部门所构建的服务器。如图1所示，该方法包括步骤S110～S170。

S110、若接收到用户输入的第一图像，根据预置的通道化处理规则对所述第一图像进行处理得到对应的多通道特征图像。

若接收到用户输入的第一图像，根据预置的通道化处理规则对所述第一图像进行处理得到对应的多通道特征图像。用户输入的第一图像可以是图像质量较差的图像，如在光线较差的环境中所拍摄的图像、水下拍摄的图像等。通道化处理规则即为对第一图像进行处理得到多个通道对应的通道特征图像的具体规则，其中，所述通道化处理规则包括尺寸信息及多通道卷积核，可通过尺寸信息对第一图像的尺寸进行调整，得到与尺寸信息相匹配的第二图像，通过多通道卷积核对第二图像进行卷积处理，即可得到对应的多通道特征图像。

在一实施例中，如图2所示，步骤S110包括子步骤S111和S112。

S111、根据所述尺寸信息对所述第一图像进行尺寸调整以得到与所述尺寸信息相匹配的第二图像。

具体的，可根据尺寸信息对第一图像进行下采样处理，下采样即可对第一图像进行缩小，则可根据尺寸信息将第一图像缩小为第二图像，第二图像的图像尺寸与尺寸信息相匹配。尺寸信息中可包含图像长度尺寸及图像宽度尺寸的信息，图像长度尺寸即图像在长度方向所包含的像素数量信息，图像宽度尺寸即为图像在宽度方向所包含的像素数量信息。例如，第一图像的尺寸信息可表示为N×M，通道化处理规则中的尺寸信息为n×m(n<N且m<M)，则可对第一图像进行下采样处理得到尺寸为n×m的第二图像。

S112、根据所述多通道卷积核对所述第二图像进行卷积处理得到对应的多通道特征图像。

多通道卷积核中包含有多个通道，每一通道对应包含一个卷积核或多个卷积核，则任意一个通道的卷积核对第二图像进行卷积处理均能够得到与该通道相对应的一张通道特征图像，多个通道的卷积核分别对第二图像进行卷积处理即可得到多个通道分别对应的多张通道特征图像，多张通道特征图像即组成为与第二图像对应的多通道特征图像。例如，某一通道包含两个3×3卷积核，则可通过第一个卷积核对第二图像进行步长为1的卷积处理得到卷积图像，再通过第二个卷积核对卷积图像进行进一步卷积处理，得到与第二图像对应的一张通道特征图像，所得到的多张通道特征图像的尺寸均相同。

S120、根据预置的图像信息提取规则从所述多通道特征图像中提取与每一通道的通道特征图像对应的通道图像信息。

根据预置的图像信息提取规则从所述多通道特征图像中提取与每一通道的通道特征图像对应的通道图像信息。多通道特征图像中包含与每一通道对应的通道特征图像，则可根据图像信息提取规则从每一通道特征图像中对应提取得到通道图像信息，通道图像信息即可对通道特征图像的整体信息进行表征，图像信息提取规则即为从每一通道特征图像中提取通道图像信息的具体规则，其中，所述图像信息提取规则包括均值计算公式及矩阵计算公式，所述通道图像信息包括均值向量及协方差矩阵。可通过均值计算公式计算得到每一通道特征图像的均值向量，并通过矩阵计算公式及均值向量进一步计算得到每一通道特征图像的协方差矩阵，通道特征图像的均值向量及协方差矩阵即组合作为该通道特征图像的通道图像信息。

在一实施例中，如图3所示，步骤S120包括子步骤S121和S122。

S121、根据所述均值计算公式计算每一所述通道特征图像的均值向量。

具体的，从第二图像中获取的多通道特征图像可表示为R^C×H×W，则多通道特征图像中任意一个像素x可表示为x∈R^C×H×W，其中，C为通道的总数量，H为通道特征图像的长度，W为通道特征图像的宽度。根据均值计算公式对一个通道特征图像进行计算即可得到与该通道特征图像对应的一个均值向量，则多个通道特征图像经过计算后可得到对应的多个均值向量。

均值计算公式均可采用公式(1)进行表示：

其中，x_hw即表示为一张通道特征图像中坐标位置为(h,w)的像素点对应的像素值，h可取[1，H]内任意整数，w可取[1，W]内任意整数，μ即为计算得到的均值向量。

S122、根据所述矩阵计算公式及所述均值向量计算每一所述通道特征图像的协方差矩阵。

可通过矩阵计算公式结合所计算得到的均值向量进一步计算每一通道特征图像的协方差矩阵。具体的，矩阵计算公式可采用公式(2)进行表示：

其中，x_hw即表示为一张通道特征图像中坐标位置为(h,w)的像素点对应的像素值，μ即为与该通道特征图像对应的均值向量，T为矩阵转制计算，α为公式中预置的参数值，α可取正整数，I为公式中的单位矩阵，Ψ即为计算得到的与该通道特征图像对应的协方差矩阵。

S130、根据每一所述通道的通道图像信息对与所述通道图像信息对应的通道特征图像分别进行白化处理，得到与每一所述通道对应的白化特征图像。

根据每一所述通道的通道图像信息对与所述通道图像信息对应的通道特征图像分别进行白化处理，得到与每一所述通道对应的白化特征图像。每一通道对应一张通道特征图像，可从每一通道特征图像中对应获取通道图像信息，则一个通道对应一份通道图像信息，可根据每一通道图像信息对与通道图像信息唯一对应的通道特征图像进行白化处理，得到与每一通道特征图像对应的白化特征图像，则一个通道对应一张白化特征图像。

在一实施例中，如图4所示，步骤S130包括子步骤S131和S132。

S131、计算每一所述通道特征图像中每一像素值分别与所述通道特征图像的均值向量之间的像素差值，得到与每一所述通道特征图像对应的差值信息。

具体的，对于任意一个通道特征图像，均可计算该通道特征图像中每一像素点的像素值分别与该通道特征图像的均值向量之间的像素差值，将该通道特征图像中每一像素的像素差值进行组合即可得到对应的差值信息，则一个通道特征图像可对应获取得到一个差值信息。

S132、对每一所述协方差矩阵进行反转变换并与对应的通道特征图像的差值信息中每一像素差值分别相乘，得到与每一所述通道特征图像对应的白化特征图像。

对每一协方差矩阵进行反转变换，并将反转变换所得到的矩阵与对应的通道特征图像的差值信息中每一像素差值分别相乘，则对应通道特征图像的每一像素均能够得到对应的乘积结果，获取每一像素对应的乘积结果即可作为相应通道特征图像的白化特征图像。

具体的，上述计算过程可采用公式(3)进行表示：

Γ(x_hw)＝Ψ^-1/2×(x_hw-μ) (3)；

其中，h∈[1，H]且为整数，w∈[1，W]且为整数，Ψ^-1/2即为对某一通道特征图像的协方差矩阵Ψ进行反转变换的计算过程，x_hw即为该通道特征图像的差值信息中坐标位置为(h,w)的像素点对应的像素值，μ即为与该通道特征图像对应的均值向量，Γ(x_hw)即为获取到的与x_hw相对应的一个乘积结果。

S140、对所述白化特征图像进行跨通道提取得到对应的跨通道图像信息。

对所述白化特征图像进行跨通道提取得到对应的跨通道图像信息。每一通道对应一张白化特征图像，为获取多个通道对应的多张白化特征图像跨通道的信息，可对多张白化特征图像进行跨通道提取，得到对应的跨通道图像信息，由于跨通道图像信息综合了每一张白化特征图像的信息，因此跨通道图像信息可对多张白化特征图像跨通道的信息进行整体表征。其中，所述跨通道图像信息包括跨通道均值及跨通道标准差。

在一实施例中，如图5所示，步骤S140包括子步骤S141和S142。

S141、对所述白化特征图像中每一像素对应的多个像素值进行跨通道平均计算，得到与每一像素对应的跨通道均值。

任一像素在每一白化特征图像中均对应一个像素值，则一个像素在多张白化特征图像中对应多个像素值，可获取每一像素在多张白化特征图像中分别对应的多个像素值进行跨通道平均计算，得到每一像素对应的跨通道均值，也即是一个像素与一个跨通道均值唯一对应。具体的，跨通道平均计算的计算公式可采用公式(4)进行表示：

其中，h∈[1，H]且为整数，w∈[1，W]且为整数，c∈[1，C]且为整数，y_chw即为第c个通道所对应的白化特征图像中坐标位置为(h,w)的像素点对应的像素值，C表示通道的总数，ξ_hw即为计算得到的坐标位置为(h,w)的像素点对应的跨通道均值。

S142、根据预置的标准差计算公式及所述跨通道均值计算得到每一像素的跨通道标准差。

可根据标准差计算公式结合所得到的跨通道均值计算得到每一像素的跨通道标准差，则一个像素结合该像素对应的一个跨通道均值可计算得到一个跨通道标准差。具体的，标准差计算公式可采用公式(5)进行表示：

其中，h∈[1，H]且为整数，w∈[1，W]且为整数，c∈[1，C]且为整数，y_chw即为第c个通道所对应的白化特征图像中坐标位置为(h,w)的像素点对应的像素值，C表示通道的总数，ξ_hw即为计算得到的坐标位置为(h,w)的像素点对应的跨通道均值，σ_hw即为计算得到的坐标位置为(h,w)的像素点对应的跨通道标准差，α′为公式中预置的参数值，α′可取正整数，I为公式中的单位矩阵。

S150、根据预置的优化模型及所述跨通道图像信息对每一所述通道的白化特征图像分别进行逐像素优化处理，得到与每一所述通道对应的优化特征图像。

根据预置的优化模型及所述跨通道图像信息对每一所述通道的白化特征图像分别进行逐像素优化处理，得到与每一所述通道对应的优化特征图像。可通过优化模型及所得到的跨通道图像信息对每一通道对应的白化特征图像分别进行逐像素优化处理，逐像素优化处理也即是对白化特征图像中的每一个像素分别进行针对性优化处理，对一张白化特征图像进行逐像素优化处理可得到对应的一张优化特征图像，则多种白化特征图像分别进行逐像素优化处理后得到对应的多张优化特征图像，其中，所述优化模型包括标准化计算公式及卷积算子。

在一实施例中，如图6所示，步骤S150包括子步骤S151、S152和S153。

S151、根据所述标准化计算公式及所述跨通道图像信息对每一所述白化特征图像的每一像素值分别进行标准化计算，得到每一所述白化特征图像中每一像素的标准像素值。

可先通过标准化计算公式及跨通道图像信息中每一像素的跨通道均值，对每一白化特征图像中每一像素的像素值分别进行标准化计算，即可得到每一白化特征图像中每一像素对应的标准像素值。具体的，标准化计算公式可采用公式(6)进行表示：

其中，h∈[1，H]且为整数，w∈[1，W]且为整数，c∈[1，C]且为整数，y_chw即为第c个通道所对应的白化特征图像中坐标位置为(h,w)的像素点对应的像素值，ξ_hw即为跨通道图像信息中坐标位置为(h,w)的像素点对应的跨通道均值，σ_hw即为跨通道图像信息中坐标位置为(h,w)的像素点对应的跨通道标准差，Ω(y_chw)即为计算得到的与y_chw对应的标准像素值。

S152、根据所述卷积算子对所述跨通道图像信息进行卷积降维计算，得到降维后的跨通道图像信息。

可根据卷积算子对跨通道图像信息中包含的跨通道均值及跨通道标准差分别进行卷积降维计算，例如可通过1*1的卷积核进行降维计算，对跨通道均值及跨通道标准差分别进行卷积降维计算所使用的为两个不同的卷积核。

S153、将每一所述白化特征图像中每一像素的标准像素值与降维后的跨通道图像信息进行叠加计算，得到每一所述白化特征图像对应的优化特征图像。

具体的，叠加计算的过程可采用公式(7)进行表示：

z_chw＝F₁(σ_hw)×Ω(y_chw)+F₂(ξ_hw) (7)；

其中，h∈[1，H]且为整数，w∈[1，W]且为整数，c∈[1，C]且为整数，Ω(y_chw)即为第c个通道对应的白化特征图像中坐标位置为(h,w)的像素点对应的标准像素值，F₁(σ_hw)即为对坐标位置为(h,w)的像素点对应的跨通道标准差进行降维计算所得到的计算值，F₂(ξ_hw)即为对坐标位置为(h,w)的像素点对应的跨通道均值进行降维计算所得到的计算值，z_chw即为与像素点y_chw对应的叠加计算值。

获取任一白化特征图像中每一像素点对应的叠加计算值即可组合为该白化特征图像对应的优化特征图像，则根据上述方法即可获取到每一白化特征图像对应的优化特征图像。

S160、根据预置的反卷积处理规则对所述优化特征图像进行反卷积处理得到对应的反卷积图像。

根据预置的反卷积处理规则对所述优化特征图像进行反卷积处理得到对应的反卷积图像。具体的，对所得到的多张优化特征图像进行反卷积处理也即是与对第二图像进行卷积处理所对应的逆操作，可通过反卷积操作将多个通道对应的多张优化特征图像整合为一张反卷积图像，则该反卷积图像中包含由每一通道的优化特征图像进行组合后所得到的图像信息。

若优化特征图像的尺寸为H×W，优化特征图像的数量为C，则对多张优化特征图像进行反卷积后得到的一张反卷积图像的尺寸可以是n×m。

S170、根据所述第一图像的图像尺寸对所述反卷积图像进行尺寸调整，将得到的增强图像作为与所述第一图像对应的目标优化图像。

根据所述第一图像的图像尺寸对所述反卷积图像进行尺寸调整，将得到的增强图像作为与所述第一图像对应的目标优化图像。获取到反卷积图像后，还可根据第一图像的图像尺寸对反卷积图像进行尺寸调整，将进行尺寸调整后所得的增强图像作为对应的目标优化图像，所得到的目标优化图像的图像尺寸可以与第一图像的图像尺寸相同，也即目标优化图像的图像尺寸为N×M。

在一实施例中，如图7所示，步骤S170包括子步骤S171和S172。

S171、根据所述第一图像的图像尺寸及所述反卷积图像的图像尺寸获取对应的尺寸比例信息。

具体的，可根据第一图像的图像尺寸及反卷积图像的图像尺寸对应计算得到尺寸比例信息，则尺寸比例信息中包含第一图像与反卷积图像的宽度比值，以及第一图像与反卷积图像的长度比值。

S172、根据所述尺寸比例信息对所述反卷积图像包含的像素进行上采样处理，以对所述反卷积图像进行尺寸调整得到所述目标优化图像。

可根据尺寸比例信息对反卷积图像包含的像素进行上采样处理，上采样处理的处理过程与下采样处理的处理过程相反，也即是对图像进行上采样处理可对图像进行放大调整，放大调整的倍数也即与尺寸比例信息中相应比值相对应，则对反卷积图像进行尺寸调整后所得到的增强图像即可作为与第一图像相对应的目标优化图像。

本申请中的技术方法可应用于智慧政务/智慧城管/智慧社区/智慧安防/智慧物流/智慧医疗/智慧教育/智慧环保/智慧交通等包含对图像质量进行智能增强处理的应用场景中，从而推动智慧城市的建设。

在本发明实施例所提供的图像增强处理方法中，根据通道化处理规则对用户输入的第一图像进行处理得到多通道特征图像，从多通道特征图像中提取每一通道的通道图像信息，根据通道图像信息对相应通道的通道特征图像分别进行白化处理得到白化特征图像并进行跨通道提取得到跨通道图像信息，对每一通道的白化特征图像分别逐像素优化处理得到对应优化特征图像后反卷积处理得到反卷积图像，对反卷积图像进行尺寸调整得到目标优化图像。通过上述方法，根据从第一图像信息中获取的通道图像信息对每一通道特征图像分别进行白化处理，之后通过跨通道图像信息对每一通道的白化特征图像进行逐像素优化处理，可针对性对图像中每一像素分别进行增强处理，大幅增强了进行图像增强处理的效果，实现对图像质量的智能增强，提升图像质量。

本发明实施例还提供一种图像增强处理装置，该图像增强处理装置可配置于用户终端或管理服务器中，该图像增强处理装置用于执行前述的图像增强处理方法的任一实施例。具体地，请参阅图8，图8为本发明实施例提供的图像增强处理装置的示意性框图。

如图8所示，图像增强处理装置100包括多通道特征图像获取单元110、通道图像信息获取单元120、白化特征图像获取单元130、跨通道提取单元140、优化特征图像获取单元150、反卷积图像获取单元160和目标优化图像获取单元170。

多通道特征图像获取单元110，用于若接收到用户输入的第一图像，根据预置的通道化处理规则对所述第一图像进行处理得到对应的多通道特征图像。

在一具体实施例中，所述像素分割处理单元110包括子单元：第二图像获取单元，用于根据所述尺寸信息对所述第一图像进行尺寸调整以得到与所述尺寸信息相匹配的第二图像；卷积处理单元，用于根据所述多通道卷积核对所述第二图像进行卷积处理得到对应的多通道特征图像。

通道图像信息获取单元120，用于根据预置的图像信息提取规则从所述多通道特征图像中提取与每一通道的通道特征图像对应的通道图像信息。

在一具体实施例中，所述通道图像信息获取单元120包括子单元：均值向量获取单元，用于根据所述均值计算公式计算每一所述通道特征图像的均值向量；协方差矩阵获取单元，用于根据所述矩阵计算公式及所述均值向量计算每一所述通道特征图像的协方差矩阵。

白化特征图像获取单元130，用于根据每一所述通道的通道图像信息对与所述通道图像信息对应的通道特征图像分别进行白化处理，得到与每一所述通道对应的白化特征图像。

在一具体实施例中，所述白化特征图像获取单元130包括子单元：差值信息计算单元，用于计算每一所述通道特征图像中每一像素值分别与所述通道特征图像的均值向量之间的像素差值，得到与每一所述通道特征图像对应的差值信息；白化特征图像获取单元，用于对每一所述协方差矩阵进行反转变换并与对应的通道特征图像的差值信息中每一像素差值分别相乘，得到与每一所述通道特征图像对应的白化特征图像。

跨通道提取单元140，用于对所述白化特征图像进行跨通道提取得到对应的跨通道图像信息。

在一具体实施例中，所述跨通道提取单元140包括子单元：跨通道均值计算单元，用于对所述白化特征图像中每一像素对应的多个像素值进行跨通道平均计算，得到与每一像素对应的跨通道均值；跨通道标准差计算单元，用于根据预置的标准差计算公式及所述跨通道均值计算得到每一像素的跨通道标准差。

优化特征图像获取单元150，用于根据预置的优化模型及所述跨通道图像信息对每一所述通道的白化特征图像分别进行逐像素优化处理，得到与每一所述通道对应的优化特征图像。

在一具体实施例中，所述优化特征图像获取单元150包括子单元：标准像素值获取单元，用于根据所述标准化计算公式及所述跨通道图像信息对每一所述白化特征图像的每一像素值分别进行标准化计算，得到每一所述白化特征图像中每一像素的标准像素值；卷积降维计算单元，用于根据所述卷积算子对所述跨通道图像信息进行卷积降维计算，得到降维后的跨通道图像信息；叠加计算单元，用于将每一所述白化特征图像中每一像素的标准像素值与降维后的跨通道图像信息进行叠加计算，得到每一所述白化特征图像对应的优化特征图像。

反卷积图像获取单元160，用于根据预置的反卷积处理规则对所述优化特征图像进行反卷积处理得到对应的反卷积图像。

目标优化图像获取单元170，用于根据所述第一图像的图像尺寸对所述反卷积图像进行尺寸调整，将得到的增强图像作为与所述第一图像对应的目标优化图像。

在一具体实施例中，所述目标优化图像获取单元170包括子单元：尺寸比例信息获取单元，用于根据所述第一图像的图像尺寸及所述反卷积图像的图像尺寸获取对应的尺寸比例信息；尺寸调整单元，用于根据所述尺寸比例信息对所述反卷积图像包含的像素进行上采样处理，以对所述反卷积图像进行尺寸调整得到所述目标优化图像。

在本发明实施例所提供的图像增强处理装置应用上述图像增强处理方法，根据通道化处理规则对用户输入的第一图像进行处理得到多通道特征图像，从多通道特征图像中提取每一通道的通道图像信息，根据通道图像信息对相应通道的通道特征图像分别进行白化处理得到白化特征图像并进行跨通道提取得到跨通道图像信息，对每一通道的白化特征图像分别逐像素优化处理得到对应优化特征图像后反卷积处理得到反卷积图像，对反卷积图像进行尺寸调整得到目标优化图像。通过上述方法，根据从第一图像信息中获取的通道图像信息对每一通道特征图像分别进行白化处理，之后通过跨通道图像信息对每一通道的白化特征图像进行逐像素优化处理，可针对性对图像中每一像素分别进行增强处理，大幅增强了进行图像增强处理的效果，实现对图像质量的智能增强，提升图像质量。

上述图像增强处理装置可以实现为计算机程序的形式，该计算机程序可以在如图9所示的计算机设备上运行。

请参阅图9，图9是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行图像增强处理方法以对图像质量进行智能增强处理的用户终端或管理服务器。

参阅图9，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。

该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行图像增强处理方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。

该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。

该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行图像增强处理方法。

该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的图像增强处理方法中对应的功能。

本领域技术人员可以理解，图9中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机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。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图9所示实施例一致，在此不再赘述。

应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，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。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的图像增强处理方法中所包含的步骤。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

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，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。