图像处理方法和装置、电子设备和存储介质与流程

1.本技术涉及视频与图形图像处理技术领域，具体而言，涉及一种图像处理方法和装置、电子设备和存储介质。


背景技术：

2.在图像处理的应用中，可能需要对图像进行裁剪。例如，在一种基于视频制作的应用中，在制作视频的时候，为了使得观众在观看视频之前可以了解到视频的更多内容或者说为了吸引用户，一般会制作视频封面。其中，在制作视频封面的过程中，可能需要对视频封面进行裁剪。但是，经发明人研究发现，在现有技术中对于图像裁剪，存在裁剪效果不佳的问题。


技术实现要素：

3.有鉴于此，本技术的目的在于提供一种图像处理方法和装置、电子设备和存储介质，以改善现有技术中图像裁剪的效果不佳的问题。
4.为实现上述目的，本技术实施例采用如下技术方案：
5.一种图像处理方法，包括：
6.对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线，其中，所述图像区域分界线用于分隔不同的图像区域；
7.基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域，其中，所述目标图像区域属于所述待裁剪图像中需要保留的图像区域；
8.基于所述目标图像区域得到所述待裁剪图像对应的目标图像。
9.在本技术实施例较佳的选择中，在上述图像处理方法中，所述对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线的步骤，包括：
10.在所述待裁剪图像中进行直线检测，得到对应的每一条直线线段；
11.针对每一条所述直线线段，确定该直线线段是否具有预先配置的目标线段特征，并在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线，其中，所述目标线段特征基于所述图像区域分界线具有的特征配置形成。
12.在本技术实施例较佳的选择中，在上述图像处理方法中，所述针对每一条所述直线线段，确定该直线线段是否具有预先配置的目标线段特征，并在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线的步骤，包括：
13.确定所述待裁剪图像在行方向具有的行方向长度值，并确定所述待裁剪图像在列方向具有的列方向长度值；
14.针对每一条所述直线线段，分别获取该直线线段包括的第一端点和第二端点在所述待裁剪图像中具有的第一端点坐标和第二端点坐标，其中，所述第一端点坐标包括行方向第一坐标值和列方向第一坐标值，所述第二端点坐标包括行方向第二坐标值和列方向第二坐标值；
15.针对每一条所述直线线段，计算该直线线段对应的行方向第一坐标值和行方向第二坐标值之间的行方向绝对差值，并计算该直线线段对应的列方向第一坐标值和列方向第二坐标值之间的列方向绝对差值；
16.针对每一条所述直线线段，计算该直线线段对应的行方向绝对差值与所述行方向长度值之间的比值，得到该直线线段对应的第一比值，并计算该直线线段对应的列方向绝对差值与所述列方向长度值之间的比值，得到该直线线段对应的第二比值，以及，基于该第一比值和预先配置的第一比值阈值之间的相对大小关系和该第二比值和预先配置的第二比值阈值之间的相对大小关系，确定该直线线段是否具有预先配置的目标线段特征；
17.针对每一条所述直线线段，在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线。
18.在本技术实施例较佳的选择中，在上述图像处理方法中，所述基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域的步骤，包括：
19.基于所述图像区域分界线对所述待裁剪图像进行分割处理，得到所述待裁剪图像对应的至少一个图像区域；
20.针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值确定该图像区域的图像特征信息，并基于该图像特征信息确定该图像区域是否属于所述待裁剪图像中的目标图像区域。
21.在本技术实施例较佳的选择中，在上述图像处理方法中，所述针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值确定该图像区域的图像特征信息，并基于该图像特征信息确定该图像区域是否属于所述待裁剪图像中的目标图像区域的步骤，包括：
22.针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值进行均值计算和方差计算，得到该图像区域对应的像素均值和像素方差值，并基于该像素均值与预先配置的均值阈值之间的相对大小关系、该像素方差值与预先配置的方差阈值之间的相对大小关系，确定该图像区域是否属于所述待裁剪图像中的目标图像区域，其中，所述像素均值和所述像素方差值作为所述图像区域的图像特征信息；和/或
23.针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值计算得到该图像区域对应的清晰度，并基于该清晰度和目标清晰度之间的相对大小关系，确定该图像区域是否属于所述待裁剪图像中的目标图像区域，其中，所述清晰度作为所述图像区域的图像特征信息，且所述目标清晰度基于所述至少一个图像区域中的每一个图像区域对应的清晰度中的最大值确定。
24.在本技术实施例较佳的选择中，在上述图像处理方法中，所述基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域的步骤，还包括：
25.统计当前确定出的所述待裁剪图像中的目标图像区域的数量，得到对应的区域统计数量，并确定该区域统计数量与预先配置的数量阈值之间的相对大小关系，以及，在该区域统计数量大于或等于所述数量阈值时，针对每一个所述目标图像区域，对该目标图像区域进行特征点提取，得到该目标图像区域对应的目标特征点；
26.针对每两个目标图像区域，计算该两个目标图像区域对应的目标特征点之间的特
征匹配度，并确定该特征匹配度与预先配置的匹配度阈值之间的相对大小关系，以及，在该特征匹配度大于该匹配度阈值时，筛除该两个目标图像区域中的一个目标图像区域。
27.在本技术实施例较佳的选择中，在上述图像处理方法中，所述基于所述目标图像区域得到所述待裁剪图像对应的目标图像的步骤，包括：
28.对所述目标图像区域进行文字识别，以确定所述目标图像区域中是否存在文字，并在存在文字时，基于存在文字的区域形成至少一个文本区域；
29.针对每一个所述文本区域，计算该文本区域的区域面积，并基于该区域面积和所述目标图像区域的图像面积之间的面积比值与预先配置的面积比阈值之间的相对大小关系，确定该文本区域是否属于目标文本区域；
30.若所述目标图像区域中存在所述目标文本区域，基于所述目标文本区域和在所述目标图像区域中确定出的目标对象所在的目标对象区域，得到所述待裁剪图像对应的目标图像。
31.本技术实施例还提供了一种图像处理装置，包括：
32.分界线识别模块，用于对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线，其中，所述图像区域分界线用于分隔不同的图像区域；
33.图像区域确定模块，用于基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域，其中，所述目标图像区域属于所述待裁剪图像中需要保留的图像区域；
34.目标图像形成模块，用于基于所述目标图像区域得到所述待裁剪图像对应的目标图像。
35.在上述基础上，本技术实施例还提供了一种电子设备，包括：
36.存储器，用于存储计算机程序；
37.与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述的图像处理方法。
38.在上述基础上，本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时上述的图像处理方法包括的各个步骤。
39.本技术提供的图像处理方法和装置、电子设备和存储介质，可以先对待裁剪图像进行分界线识别得到对应的图像区域分界线，然后，可以基于图像区域分界线确定出待裁剪图像中需要保留的目标图像区域，使得可以基于目标图像区域得到待裁剪图像对应的目标图像，也就是说，通过对待裁剪图像进行分界线识别，使得可以基于图像区域分界线裁剪出需要的区域，如此，可以有效的将不需要保留的区域裁剪掉，而保留需要的区域，从而改善现有技术中图像裁剪的效果不佳的问题。
40.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
41.图1为本技术实施例提供的电子设备的结构框图。
42.图2为本技术实施例提供的图像处理方法的流程示意图。
43.图3为图2中步骤s110包括的子步骤的流程示意图。
44.图4为本技术实施例中检测出的直线线段的示意图。
45.图5为一种具有黑边的图像的示意图。
46.图6为一种具有白边的图像的示意图。
47.图7为一种具有蒙版的图像的示意图。
48.图8为图3中步骤s112包括的子步骤的流程示意图。
49.图9为图2中步骤s120包括的子步骤的流程示意图。
50.图10为图2中步骤s130包括的子步骤的流程示意图。
51.图11为图2中步骤s130包括的其它子步骤的流程示意图。
52.图12为一种具有文本区域的图像的示意图。
53.图13为本技术实施例提供的图像处理装置的方框示意图。
54.图标：10-电子设备；12-存储器；14-处理器；100-图像处理装置；110-分界线识别模块；120-图像区域确定模块；130-目标图像形成模块。
具体实施方式
55.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本技术的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
56.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
57.如图1所示，本技术实施例提供了一种电子设备10。其中，所述电子设备10可以包括存储器12、处理器14和图像处理装置100。
58.详细地，所述存储器12和处理器14之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述图像处理装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行的计算机程序，例如，所述图像处理装置100所包括的软件功能模块及计算机程序等，以实现本技术实施例提供的图像处理方法。
59.可选地，所述存储器12可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。
60.并且，所述处理器14可以是一种通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)、片上系统(system on chip，soc)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(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。
61.可以理解的是，图1所示的结构仅为示意，所述电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置，例如，还可以包括用于与其它设备进行信息交互的通信单元。
62.可以理解的是，所述电子设备10既可以是手机、电脑等具有数据处理能力的终端设备，也可以是具有数据处理能力的服务器。
63.结合图2，本技术实施例还提供一种可应用于上述电子设备10的图像处理方法。其中，所述图像处理方法有关的流程所定义的方法步骤可以由所述电子设备10实现。下面将对图2所示的具体流程，进行详细阐述。
64.步骤s110，对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线。
65.在本技术实施例中，所述电子设备10可以先对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线。其中，所述图像区域分界线用于分隔不同的图像区域。
66.步骤s120，基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域。
67.在本技术实施例中，在基于步骤s110得到所述待裁剪图像包括的图像区域分界线之后，所述电子设备10可以基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域。其中，所述目标图像区域属于所述待裁剪图像中需要保留的图像区域。
68.步骤s130，基于目标图像区域得到所述待裁剪图像对应的目标图像。
69.在本技术实施例中，在基于步骤s120得到所述目标图像区域后，所述电子设备10可以基于目标图像区域得到所述待裁剪图像对应的目标图像。
70.基于此，可以先对待裁剪图像进行分界线识别得到对应的图像区域分界线，然后，可以基于图像区域分界线确定出待裁剪图像中需要保留的目标图像区域，使得可以基于目标图像区域得到待裁剪图像对应的目标图像，也就是说，通过对待裁剪图像进行分界线识别，使得可以基于图像区域分界线裁剪出需要的区域，如此，可以有效的将不需要保留的区域裁剪掉，而保留需要的区域，从而改善现有技术中图像裁剪的效果不佳的问题。
71.第一方面，对于步骤s110需要说明的是，对所述待裁剪图像进行分界线识别的具体方式不受限制，可以根据实际应用需求进行选择。
72.例如，在一种可以替代的示例中，若需要保留的区域或需要裁剪掉的区域是圆形区域，则可以对所述待裁剪图像进行曲线检测，然后，得到对应的曲线线段，从而基于该曲线线段确定出需要保留的目标图像区域。
73.又例如，在另一种可以替代的示例中，若需要保留的区域或需要裁剪掉的区域是有直线线段围合形成，可以对所述待裁剪图像进行直线检测，具体的方式可以参照图3所示的步骤s111和步骤s112。
74.步骤s111，在所述待裁剪图像中进行直线检测，得到所述待裁剪图像对应的每一条直线线段。
75.在本技术实施例中，在获取到待裁剪图像之后，可以先对所述待裁剪图像进行直线检测，得到所述待裁剪图像中的每一条直线线段。
76.步骤s112，针对每一条所述直线线段，确定该直线线段是否具有预先配置的目标线段特征，并在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图
像包括的图像区域分界线。
77.在本技术实施例中，在基于步骤s111得到所述直线线段之后，可以针对每一条所述直线线段，先确定该直线线段是否具有预先配置的目标线段特征，然后，在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线。其中，所述目标线段特征基于所述图像区域分界线具有的特征配置形成，如此，通过所述目标线段特征的比较机制，可以筛选出有效的直线线段确作为图像区域分界线，使得基于所述图像区域分界线确定的目标图像区域的可靠度更高。
78.可选地，在执行上述的步骤s111以进行直线检测时，具体的直线检测方法不受限制，例如，在一种可以替代的示例中，可以基于霍夫直线检测技术对所述待裁剪图像进行直线检测，得到对应的每一条直线线段。
79.详细地，可以使用图像处理库opencv中的函数houghlinesp()来进行检测，以得到所述待裁剪图像中的每一条直线线段(如图4所示，用(x1，y1)和(x2，y2)分别表示的每一条直线线段)。
80.可选地，在执行上述的步骤s112以确定每一条直线线段是否作为所述图像区域分界线时，可以根据实际应用需求进行选择，例如，可以根据需要保留的区域或需要裁剪掉的区域的区域分界线的特征来确定。
81.例如，在一种可以替代的示例中，视频制作者在制作视频的时候，为了符合不同视频平台的尺寸要求，可能会对拍摄好的视频添加额外的黑边(如图5所示的黑色区域)、白边(如图6所示的白色区域)或者蒙版(如图7所示的上下两部分模糊区域)等，因而，需要裁剪掉的区域可能是图像白边、图像黑边或图像蒙版等，经过对这些区域的区域边界线的特征进行研究发现，这些区域的区域边界线一般具有沿水平(如像素点的行分布方向)或竖直方向(如像素点的列分布方向)延伸的特征等。基于此，为了能够有效、准确地确定出每一条所述图像区域分界线，结合图8，步骤s112可以进一步包括步骤s112a、步骤s112b、步骤s112c、步骤s112d和步骤s112e，下面对这些步骤的实现方式进行示例性说明。
82.步骤s112a，确定所述待裁剪图像在行方向具有的行方向长度值，并确定所述待裁剪图像在列方向具有的列方向长度值。
83.在本技术实施例中，可以先确定所述待裁剪图像在行方向具有的行方向长度值(如所述待裁剪图像的宽度)，并确定所述待裁剪图像在列方向具有的列方向长度值(如所述待裁剪图像的高度)。
84.步骤s112b，针对每一条所述直线线段，获取该直线线段包括的第一端点和第二端点在所述待裁剪图像中具有的第一端点坐标和第二端点坐标。
85.在本技术实施例中，在得到所述待裁剪图像中的每一条直线线段之后，可以针对每一条所述直线线段，分别获取该直线线段包括的第一端点和第二端点在所述待裁剪图像中具有的第一端点坐标和第二端点坐标，如所述第一端点具有第一端点坐标，所述第二端点具有第二端点坐标。其中，所述第一端点坐标包括行方向第一坐标值和列方向第一坐标值，所述第二端点坐标包括行方向第二坐标值和列方向第二坐标值。
86.步骤s112c，针对每一条所述直线线段，计算该直线线段对应的行方向第一坐标值和行方向第二坐标值之间的行方向绝对差值，并计算该直线线段对应的列方向第一坐标值和列方向第二坐标值之间的列方向绝对差。
87.在本技术实施例中，在得到所述第一端点坐标和所述第二端点坐标之后，可以针对每一条所述直线线段，计算该直线线段对应的行方向第一坐标值和行方向第二坐标值之间的行方向绝对差值(如行方向第一坐标值和行方向第二坐标值之间的差值的绝对值)，并计算该直线线段对应的列方向第一坐标值和列方向第二坐标值之间的列方向绝对差(如列方向第一坐标值和列方向第二坐标值之间的差值的绝对值)。
88.步骤s112d，针对每一条所述直线线段，计算该直线线段对应的行方向绝对差值与所述行方向长度值之间的比值，得到该直线线段对应的第一比值，并计算该直线线段对应的列方向绝对差值与所述列方向长度值之间的比值，得到该直线线段对应的第二比值，以及，基于该第一比值和预先配置的第一比值阈值之间的相对大小关系、该第二比值和预先配置的第二比值阈值之间的相对大小关系，确定该直线线段是否具有目标线段特征。
89.在本技术实施例中，在得到所述行方向绝对差值和所述列方向绝对差值之后，可以针对每一条所述直线线段，计算该直线线段对应的行方向绝对差值与所述行方向长度值之间的比值(如所述行方向绝对差值除以所述行方向长度值)，得到该直线线段对应的第一比值，并计算该直线线段对应的列方向绝对差值与所述列方向长度值之间的比值(如所述列方向绝对差值除以所述列方向长度值)，得到该直线线段对应的第二比值，以及，基于该第一比值和预先配置的第一比值阈值之间的相对大小关系、该第二比值和预先配置的第二比值阈值之间的相对大小关系，确定该直线线段是否具有目标线段特征。例如，在所述第一比值和所述第一比值阈值之间的相对大小关系、所述第二比值和所述第二比值阈值之间的相对大小关系满足一定的条件时，确定对应的直线线段具有目标线段特征。
90.步骤s112e，针对每一条所述直线线段，在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线。
91.在本技术实施例中，在确定每一条所述直线线段是否具有目标线段特征之后，针对每一条所述直线线段，可以在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线。
92.可以理解的是，对于上述实施例中的步骤s112d，所述第一比值阈值和所述第二比值阈值的具体数值不受限制，基于所述相对大小关系确定是否具有目标线段特征的方式也不受限制。
93.例如，在一种可以替代的示例中，为了使得确定的图像区域分界线可以沿水平或竖直方向上延伸，以及在水平或竖直方向上具有一定的倾斜冗余，在一种示例中，所述第一比值阈值可以为0.95、所述第二比值阈值可以为0.05，如此，若所述第一比值大于0.95且所述第二比值小于0.05，可以确定对应的直线线段具有所述目标线段特征，如该直线线段为水平线段。在另一种示例中，所述第一比值阈值可以为0.05、所述第二比值阈值可以为0.95，如此，若所述第一比值小于0.05且所述第二比值大于0.95，可以确定对应的直线线段具有所述目标线段特征，如该直线线段为竖直线段。
94.第二方面，对于步骤s120需要说明的是，确定出所述待裁剪图像中的目标图像区域的具体方式不受限制，可以根据实际应用需求进行选择。
95.例如，在一种可以替代的示例中，可以先分别确定每一条所述图像区域分界线的类型，然后，针对不同类型的图像区域分界线对所述待裁剪图像进行分割，从而得到需要保留的目标图像区域。举例来说，结合上述示例，所述图像区域分界线可以包括水平的图像区
域分界线和竖直的图像区域分界线，可以先基于水平的图像区域分界线对所述待裁剪图像进行分割处理，以裁剪掉其中不需要的区域，然后，再基于竖直的图像区域分界线对所述待裁剪图像进行分割处理，以裁剪掉其中不需要的区域。
96.又例如，在另一种可以替代的示例中，为了提高确定出所述目标图像区域的效率，结合图9，步骤s120可以包括步骤s121和步骤s122，下面对这些步骤的实现方式进行示例性说明。
97.步骤s121，基于所述图像区域分界线对所述待裁剪图像进行分割处理，得到所述待裁剪图像对应的至少一个图像区域。
98.在本技术实施例中，在基于步骤s110得到所述图像区域分界线之后，可以基于所述图像区域分界线对所述待裁剪图像进行分割处理，得到所述待裁剪图像对应的至少一个图像区域。
99.步骤s122，针对每一个所述图像区域，基于该图像区域包括的每一个像素点的像素值确定该图像区域的图像特征信息，并基于该图像特征信息确定该图像区域是否属于所述待裁剪图像中的目标图像区域。
100.在本技术实施例中，在基于步骤s122得到所述至少一个图像区域之后，可以针对每一个所述图像区域，基于该图像区域包括的每一个像素点的像素值确定该图像区域的图像特征信息，并基于该图像特征信息确定该图像区域是否属于所述待裁剪图像中的目标图像区域。如此，通过结合图像区域的图像特征信息来确定出目标图像区域，可以保障确定出的目标图像区域与实际需要的图像区域之间具有更高的匹配度。
101.可选地，在执行步骤s122时，确定所述图像特征信息和确定所述目标图像区域的具体方式不受限制，可以根据实际应用需求进行选择。
102.例如，在一种可以替代的示例中，可以基于以下步骤以确定所述图像特征信息和确定所述目标图像区域：
103.首先，可以针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值进行均值计算和方差计算，得到该图像区域对应的像素均值和像素方差值，然后，可以基于该像素均值与预先配置的均值阈值之间的相对大小关系、该像素方差值与预先配置的方差阈值之间的相对大小关系，确定该图像区域是否属于所述待裁剪图像中的目标图像区域，其中，所述像素均值和所述像素方差值作为所述图像区域的图像特征信息。
104.举例来说，在一种示例中，为了能够裁剪掉如上述的图像黑边，所述均值阈值可以为5，所述方差阈值可以为10，如此，若所述像素均值小于5且所述像素方差值小于10，可以确定对应的图像区域不属于所述待裁剪图像中的目标图像区域，如此，可以裁剪掉该图像区域，即裁剪掉图像黑边。在另一种示例中，为了能够裁剪掉如上述的图像白边，所述均值阈值可以为250，所述方差阈值可以为10，如此，若所述像素均值大于250且所述像素方差值小于10，可以确定对应的图像区域不属于所述待裁剪图像中的目标图像区域，如此，可以裁剪掉该图像区域，即裁剪掉图像白边。
105.又例如，在另一种可以替代的示例中，也可以基于以下步骤以确定所述图像特征信息和确定所述目标图像区域：
106.首先，可以针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包
括的每一个像素点的像素值计算得到该图像区域对应的清晰度，然后，可以基于该清晰度和目标清晰度之间的相对大小关系，确定该图像区域是否属于所述待裁剪图像中的目标图像区域，其中，所述清晰度作为所述图像区域的图像特征信息，且所述目标清晰度基于所述至少一个图像区域中的每一个图像区域对应的清晰度中的最大值确定。
107.举例来说，在一种示例中，在基于所述图像区域包括的每一个像素点的像素值计算得到对应的清晰度时，可以基于拉普拉斯计算方式计算得到对应的清晰度，具体的计算过程在此不做进一步描述。
108.举例来说，在一种示例中，为了能够裁剪掉如上述的图像蒙版，针对所述至少一个图像区域中的每一个图像区域，可以计算该图像区域对应的清晰度和所述目标清晰度之间的比值(如该清晰度除以该目标清晰度)，然后，将该比值与预先配置的比值阈值进行比较，以确定该图像区域是否属于目标图像区域。例如，若该比值小于0.25，可以确定该图像区域不属于目标图像区域，即属于图像蒙版，因而，可以裁剪掉。
109.可以理解的是，上述的两种确定目标图像区域的示例对应的方式，也可以一并运用，即针对每一个所述图像区域，同步确定是否属于图像黑边、是否属于图像白边、是否属于图像蒙版等。
110.可选地，在图9所示的步骤s120包括步骤s121和步骤s122的基础上，为了避免最后得到的目标图像中存在较多的重复图像信息，在一种可以替代的示例中，结合图10，步骤s120还可以包括步骤s123和步骤s124。
111.步骤s123，统计当前确定出的所述待裁剪图像中的目标图像区域的数量，得到对应的区域统计数量，并确定该区域统计数量与预先配置的数量阈值之间的相对大小关系，以及，在该区域统计数量大于或等于所述数量阈值时，针对每一个所述目标图像区域，对该目标图像区域进行特征点提取，得到该目标图像区域对应的目标特征点。
112.在本技术实施例中，在基于步骤s122确定出所述目标图像区域之后，可以统计当前确定出的所述待裁剪图像中的目标图像区域的数量，得到对应的区域统计数量，然后，可以确定该区域统计数量与预先配置的数量阈值之间的相对大小关系，以及，在该区域统计数量大于或等于所述数量阈值时，针对每一个所述目标图像区域，对该目标图像区域进行特征点提取，得到该目标图像区域对应的目标特征点。
113.步骤s124，针对每两个目标图像区域，计算该两个目标图像区域对应的目标特征点之间的特征匹配度，并确定该特征匹配度与预先配置的匹配度阈值之间的相对大小关系，以及，在该特征匹配度大于该匹配度阈值时，筛除该两个目标图像区域中的一个目标图像区域。
114.在本技术实施例中，在得到多个目标图像区域中的每一个目标图像区域对应的目标特征点之后，可以针对每两个目标图像区域，计算该两个目标图像区域对应的目标特征点之间的特征匹配度，然后，可以确定该特征匹配度与预先配置的匹配度阈值之间的相对大小关系，以及，在该特征匹配度大于该匹配度阈值时，筛除该两个目标图像区域中的一个目标图像区域(即将图像信息重复度较高的两个目标图像区域中的一个目标图像区域裁剪掉，以使最后得到的目标图像中不存在较多的重复图像信息)。
115.可以理解的是，在执行上述的步骤s123时，在一种可以替代的示例中，可以基于orb特征点提取技术对所述目标图像区域进行特征点提取，得到所述目标图像区域对应的
目标特征点。其中，orb(oriented fast and rotated brief)是一种快速特征点提取和描述的算法。并且，orb算法分为两部分，分别是特征点提取和特征点描述。特征提取是由fast(features from accelerated segment test)算法发展来的，特征点描述是根据brief(binary robust independentelementary features)特征描述算法改进的。
116.可以理解的是，在执行上述的步骤s124时，在一种可以替代的示例中，可以使用opencv的bfmatcher()函数来计算两个目标图像区域对应的目标特征点之间的特征匹配度。其中，作为一种应用示例，所述匹配度阈值可以90％，如此，若两个目标图像区域对应的目标特征点之间的特征匹配度大于90％，可以筛除该两个目标图像区域中的一个目标图像区域。
117.第三方面，对于步骤s130需要说明的是，基于所述目标图像区域得到对应的目标图像的具体方式不受限制，可以根据实际应用需求进行选择。
118.例如，在一种可以替代的示例中，可以直接将所述目标图像区域确定为所述待裁剪图像对应的目标图像，即裁剪掉所述待裁剪图像中所述目标图像区域以外的全部区域，得到所述目标图像。
119.又例如，在另一种可以替代的示例中，为了提高得到的目标图像的图像信息的有效度，结合图11，步骤s130可以包括步骤s131、步骤s132和步骤s133，具体的内容如下所述。
120.步骤s131，对所述目标图像区域进行文字识别，以确定所述目标图像区域中是否存在文字，并在存在文字时，基于存在文字的区域形成至少一个文本区域。
121.在本技术实施例中，在基于步骤s120得到所述目标图像区域之后，可以先对所述目标图像区域进行文字识别，以确定所述目标图像区域中是否存在文字，然后，可以在所述目标图像区域中存在文字时，基于存在文字的区域形成至少一个文本区域。
122.步骤s132，针对每一个所述文本区域，计算该文本区域的区域面积，并基于该区域面积和所述目标图像区域的图像面积之间的面积比值与预先配置的面积比阈值之间的相对大小关系，确定该文本区域是否属于目标文本区域。
123.在本技术实施例中，在基于步骤s131得到所述文本区域之后，可以针对每一个所述文本区域，先计算该文本区域的区域面积，然后，基于该区域面积和所述目标图像区域的图像面积之间的面积比值与预先配置的面积比阈值之间的相对大小关系，确定该文本区域是否属于目标文本区域。
124.步骤s133，若所述目标图像区域中存在所述目标文本区域，基于所述目标文本区域和在所述目标图像区域中确定出的目标对象所在的目标对象区域，得到所述待裁剪图像对应的目标图像。
125.在本技术实施例中，在基于步骤s132确定所述目标图像区域中存在所述目标文本区域之后，可以基于所述目标文本区域和在所述目标图像区域中确定出的目标对象所在的目标对象区域，得到所述待裁剪图像对应的目标图像。如此，可以使得目标图像中可以保留有所述待裁剪图像中的目标对象和有效的文字，从而保障目标图像的图像信息的有效度。
126.可选地，在执行上述的步骤s131时，在一种可以替代的示例中，可以采用开源的easyocr(optical character recognition，光学字符识别)识别方案对所述目标图像区域进行文字识别，以确定所述目标图像区域中是否存在文字，然后，在存在文字时，可以基于文字之间的相对位置关系和距离，确定存在的文字是否属于同一个区域，然后，针对属于同
一个区域的文字，可以基于最小矩形框等进行框选，以得到对应的文本区域(如图12)。
127.可选地，在执行上述的步骤s132时，在一种可以替代的示例中，可以先确定所述面积比值与预先配置的面积比阈值之间的相对大小关系，然后，若所述面积比值大于所述面积比阈值，可以确定对应的文本区域属于目标文本区域。若所述面积比值小于或等于所述面积比阈值，可以确定对应的文本区域不属于目标文本区域。其中，在一种应用示例中，所述面积比阈值可以为2％，如此，可以认为面积比值大于2％的文本区域属于有效的文本区域，即属于目标文本区域，可以予以保留。
128.可选地，在执行上述的步骤s133时，基于所述目标文本区域和所述目标对象区域确定目标图像的具体方式不受限制，可以根据实际需要选择。
129.例如，在一种可以替代的示例中，可以分别在所述目标图像区域中裁剪出所述目标文本区域和所述目标对象区域，然后，融合所述目标文本区域和所述目标对象区域，得到对应的目标图像。其中，融合方式可以包括，但不限于，将所述目标文本区域和所述目标对象区域拼接在一起，或者，将所述目标文本区域的文字覆盖在所述目标对象区域上。
130.又例如，在另一种可以替代的示例中，可以在所述目标图像区域中用最小矩形框或其它形状的框，框选出所述目标文本区域和所述目标对象区域，从而得到所述目标图像。
131.可以理解的是，在执行上述的步骤s133时，还需要先确定出目标对象所在的目标对象区域，即确定出目标对象。其中，基于所述目标对象的类型不同，可以具有不同的确定方式。
132.基于此，在一种可以替代的示例中，可以先对所述目标图像区域进行图像类型识别，如属于游戏画面或非游戏画面。然后，一方面，若所述目标图像区域属于游戏画面，可以检测所述目标图像区域中是否存在游戏人物，若存在游戏人物，可以确定游戏人物的脸部区域作为目标对象，若不存在游戏人物，可以确定所述目标图像区域中的游戏画面显著区域作为目标对象。另一方面，若所述目标图像区域属于非游戏画面，可以检测所述目标图像区域中是否存在人脸，若存在人脸，可以对人脸的质量进行评估，若人脸的质量较高，可以将人脸作为目标对象，若人脸质量不高或不存在人脸，可以检测所述目标图像区域中是否存在人体，若存在人体，可以将人体确定为目标对象，若不存在人体，可以将所述目标图像区域中的非游戏画面显著区域作为目标对象。
133.举例来说，在上述示例中，对所述目标图像区域进行图像类型识别时，可以采用深度学习cnn模型，将图像分为游戏画面和非游戏画面，例如，采用的网络模型的backbone(主干)可以为mobilenetv2，类别数为2。
134.举例来说，在上述示例中，检测所述目标图像区域中是否存在游戏人物时，可以基于ssd(single shot multibox detector)模型(一种one-stage的通用物体检测算法)，对画面中的生命值/血条等进行检测，如训练一个游戏人物的血条检测器。如此，游戏人物在画面中的位置，可以在检测出来的血条位置基础上，往下扩展一定倍数(如5倍)的血条高度来表示。
135.举例来说，在上述示例中，确定所述目标图像区域中的游戏画面显著区域时，可以基于unet网络结构(图像分割网络)训练一个游戏画面前景目标分割器，如此，可以得到当前游戏画面中的前景目标图像，取前景目标图像的最小外接矩形区域作为图像的游戏画面显著区域。
136.举例来说，在上述示例中，检测所述目标图像区域中是否存在人脸时，可以基于开源的centerface(一种轻量级的人脸检测器)进行人脸检测，识别出所述目标图像区域中的全部人脸。
137.举例来说，在上述示例中，对人脸的质量进行评估时，可以基于上述的centerface的输出结果，计算人脸区域的面积大小，例如，若人脸区域的面积大于所述目标图像区域的面积的5％，可以确定人脸的质量较高，然后，将包括人脸的最小矩形区域作为当前图像的人脸区域。
138.举例来说，在上述示例中，检测所述目标图像区域中是否存在人体时，可以基于开源的yolov5(一种单阶段目标检测算法)训练得到一个人体检测器，以检测所述目标图像区域中的人体。然后，可以计算人体的面积大小，例如，若人体的面积大于所述目标图像区域的面积的5％，可以确定存在人体，并将包括人体的最小矩形区域作为当前图像的人体区域。
139.举例来说，在上述示例中，检测所述目标图像区域中的非游戏画面显著区域时，可以使用开源的u2net(一种深度网络体系结构)，检测所述目标图像区域中的显著区域，并将检测得到的显著区域的最小外接矩形，作为所述目标图像区域中的非游戏画面显著区域。
140.在上述示例的基础上，如基于步骤s133框选出所述目标文本区域和所述目标对象区域，之后，可以对框选区域进行进一步的处理，如将所述框选区域通过拉伸、缩放和裁剪等方式，得到具有目标尺寸的目标图像。
141.其中，为了使得得到的具有目标尺寸的目标图像具有更佳的图像效果，在一种可以替代的示例中，还可以进一步执行以下步骤：
142.步骤i：若框选区域的尺寸小于目标尺寸，可以先将框选区域通过三次样条插值法进行等比例拉伸，使得框选区域的高和宽中的较小值与目标尺寸在一个方向上匹配。然后，在另一个方向上，框选区域的尺寸会大于目标尺寸，因而，需要裁剪，如执行步骤iv。
143.步骤ii：若目标对象区域的尺寸大于目标尺寸，可以对目标对象区域通过三次样条插值法进行等比例缩放，使得目标对象区域的高和宽中的较大值与目标尺寸在一个方向上匹配，然后，在另一个方向上，目标对象区域的尺寸会小于目标尺寸，如此，对于框选区域，在两个方向上都需要裁剪，因此，可以执行步骤iv。
144.步骤iii：若框选区域的尺寸大于目标尺寸，目标对象区域的尺寸小于目标尺寸，可以直接执行步骤v。
145.步骤iv：对于示例1，在需要裁剪的方向上，以目标对象区域的中心为基准，分别在其位置前后保留宽度为0.5w和0.5w的图像，得到具有目标尺寸的目标图像；对于示例2，在需要裁剪的方向上，以目标对象区域的中心为基准，在其前后分别保留宽度为1/3w和2/3w的图像，或者，在其前后分别保留宽度为2/3w和1/3w宽度的图像，得到具有目标尺寸的目标图像，其中，w为目标尺寸在需要裁剪的方向上的宽度。
146.步骤v：对于示例3，以目标对象区域的中心为基准，在两个方向上分别在前后保留宽度为0.5w和0.5h的图像，得到具有目标尺寸的目标图像；对于示例4，以目标对象区域的中心为基准，在两个方向上分别在前后保留宽度为对应方向上目标尺寸的1/3和2/3的图像，或者，在两个方向上分别在前后保留宽度为对应方向上目标尺寸的2/3和1/3的图像，得到具有目标尺寸的目标图像，其中，w和h为目标尺寸分别在两个方向上的宽度。
147.结合图13，本技术实施例还提供一种可应用于上述电子设备10的图像处理装置100。其中，所述图像处理装置100可以包括分界线识别模块110、图像区域确定模块120和目标图像形成模块130。
148.所述分界线识别模块110，可以用于对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线，其中，所述图像区域分界线用于分隔不同的图像区域。在本实施例中，所述分界线识别模块110可以用于执行图2所示的步骤s110，关于所述分界线识别模块110的相关内容可以参照前文对步骤s110的描述。
149.所述图像区域确定模块120，可以用于基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域，其中，所述目标图像区域属于所述待裁剪图像中需要保留的图像区域。在本实施例中，所述图像区域确定模块120可以用于执行图2所示的步骤s120，关于所述图像区域确定模块120的相关内容可以参照前文对步骤s120的描述。
150.所述目标图像形成模块130，可以用于基于所述目标图像区域得到所述待裁剪图像对应的目标图像。在本实施例中，所述目标图像形成模块130可以用于执行图2所示的步骤s130，关于所述目标图像形成模块130的相关内容可以参照前文对步骤s130的描述。
151.在本技术实施例中，对应于上述的应用于所述电子设备10的图像处理方法，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行图像处理方法包括的各个步骤。
152.其中，前述计算机程序运行时执行的各步骤，在此不再一一赘述，可参考前文对所述图像处理方法的解释说明。
153.综上所述，本技术提供的图像处理方法和装置、电子设备和存储介质，可以先对待裁剪图像进行分界线识别得到对应的图像区域分界线，然后，可以基于图像区域分界线确定出待裁剪图像中需要保留的目标图像区域，使得可以基于目标图像区域得到待裁剪图像对应的目标图像，也就是说，通过对待裁剪图像进行分界线识别，使得可以基于图像区域分界线裁剪出需要的区域，如此，可以有效的将不需要保留的区域裁剪掉，而保留需要的区域，从而改善现有技术中图像裁剪的效果不佳的问题。
154.在本技术实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
155.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
156.所述功能如果以软件功能模块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取存储介质中。基于这样的理解，本技术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，电子设备，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
157.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种图像处理方法，其特征在于，包括：对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线，其中，所述图像区域分界线用于分隔不同的图像区域；基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域，其中，所述目标图像区域属于所述待裁剪图像中需要保留的图像区域；基于所述目标图像区域得到所述待裁剪图像对应的目标图像。2.根据权利要求1所述的图像处理方法，其特征在于，所述对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线的步骤，包括：在所述待裁剪图像中进行直线检测，得到对应的每一条直线线段；针对每一条所述直线线段，确定该直线线段是否具有预先配置的目标线段特征，并在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线，其中，所述目标线段特征基于所述图像区域分界线具有的特征配置形成。3.根据权利要求2所述的图像处理方法，其特征在于，所述针对每一条所述直线线段，确定该直线线段是否具有预先配置的目标线段特征，并在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线的步骤，包括：确定所述待裁剪图像在行方向具有的行方向长度值，并确定所述待裁剪图像在列方向具有的列方向长度值；针对每一条所述直线线段，分别获取该直线线段包括的第一端点和第二端点在所述待裁剪图像中具有的第一端点坐标和第二端点坐标，其中，所述第一端点坐标包括行方向第一坐标值和列方向第一坐标值，所述第二端点坐标包括行方向第二坐标值和列方向第二坐标值；针对每一条所述直线线段，计算该直线线段对应的行方向第一坐标值和行方向第二坐标值之间的行方向绝对差值，并计算该直线线段对应的列方向第一坐标值和列方向第二坐标值之间的列方向绝对差值；针对每一条所述直线线段，计算该直线线段对应的行方向绝对差值与所述行方向长度值之间的比值，得到该直线线段对应的第一比值，并计算该直线线段对应的列方向绝对差值与所述列方向长度值之间的比值，得到该直线线段对应的第二比值，以及，基于该第一比值和预先配置的第一比值阈值之间的相对大小关系和该第二比值和预先配置的第二比值阈值之间的相对大小关系，确定该直线线段是否具有预先配置的目标线段特征；针对每一条所述直线线段，在该直线线段具有所述目标线段特征时，将该直线线段确定为所述待裁剪图像包括的图像区域分界线。4.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域的步骤，包括：基于所述图像区域分界线对所述待裁剪图像进行分割处理，得到所述待裁剪图像对应的至少一个图像区域；针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值确定该图像区域的图像特征信息，并基于该图像特征信息确定该图像区域是否属于所述待裁剪图像中的目标图像区域。5.根据权利要求4所述的图像处理方法，其特征在于，所述针对所述至少一个图像区域
中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值确定该图像区域的图像特征信息，并基于该图像特征信息确定该图像区域是否属于所述待裁剪图像中的目标图像区域的步骤，包括：针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值进行均值计算和方差计算，得到该图像区域对应的像素均值和像素方差值，并基于该像素均值与预先配置的均值阈值之间的相对大小关系、该像素方差值与预先配置的方差阈值之间的相对大小关系，确定该图像区域是否属于所述待裁剪图像中的目标图像区域，其中，所述像素均值和所述像素方差值作为所述图像区域的图像特征信息；和/或针对所述至少一个图像区域中的每一个图像区域，基于该图像区域包括的每一个像素点的像素值计算得到该图像区域对应的清晰度，并基于该清晰度和目标清晰度之间的相对大小关系，确定该图像区域是否属于所述待裁剪图像中的目标图像区域，其中，所述清晰度作为所述图像区域的图像特征信息，且所述目标清晰度基于所述至少一个图像区域中的每一个图像区域对应的清晰度中的最大值确定。6.根据权利要求4所述的图像处理方法，其特征在于，所述基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域的步骤，还包括：统计当前确定出的所述待裁剪图像中的目标图像区域的数量，得到对应的区域统计数量，并确定该区域统计数量与预先配置的数量阈值之间的相对大小关系，以及，在该区域统计数量大于或等于所述数量阈值时，针对每一个所述目标图像区域，对该目标图像区域进行特征点提取，得到该目标图像区域对应的目标特征点；针对每两个目标图像区域，计算该两个目标图像区域对应的目标特征点之间的特征匹配度，并确定该特征匹配度与预先配置的匹配度阈值之间的相对大小关系，以及，在该特征匹配度大于该匹配度阈值时，筛除该两个目标图像区域中的一个目标图像区域。7.根据权利要求1-6任意一项所述的图像处理方法，其特征在于，所述基于所述目标图像区域得到所述待裁剪图像对应的目标图像的步骤，包括：对所述目标图像区域进行文字识别，以确定所述目标图像区域中是否存在文字，并在存在文字时，基于存在文字的区域形成至少一个文本区域；针对每一个所述文本区域，计算该文本区域的区域面积，并基于该区域面积和所述目标图像区域的图像面积之间的面积比值与预先配置的面积比阈值之间的相对大小关系，确定该文本区域是否属于目标文本区域；若所述目标图像区域中存在所述目标文本区域，基于所述目标文本区域和在所述目标图像区域中确定出的目标对象所在的目标对象区域，得到所述待裁剪图像对应的目标图像。8.一种图像处理装置，其特征在于，包括：分界线识别模块，用于对待裁剪图像进行分界线识别，得到所述待裁剪图像包括的图像区域分界线，其中，所述图像区域分界线用于分隔不同的图像区域；图像区域确定模块，用于基于所述图像区域分界线，确定出所述待裁剪图像中的目标图像区域，其中，所述目标图像区域属于所述待裁剪图像中需要保留的图像区域；目标图像形成模块，用于基于所述目标图像区域得到所述待裁剪图像对应的目标图像。
9.一种电子设备，其特征在于，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1-7任意一项所述的图像处理方法。10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时实现权利要求1-7任意一项所述的图像处理方法包括的各个步骤。

技术总结
本申请提供的图像处理方法和装置、电子设备和存储介质，涉及视频与图形图像处理技术领域。在本申请中，首先，对待裁剪图像进行分界线识别，得到待裁剪图像包括的图像区域分界线，其中，图像区域分界线用于分隔不同的图像区域。其次，可以基于图像区域分界线，确定出待裁剪图像中的目标图像区域，其中，目标图像区域属于待裁剪图像中需要保留的图像区域。最后，可以基于目标图像区域得到待裁剪图像对应的目标图像。基于上述方法，可以改善现有技术中图像裁剪的效果不佳的问题。图像裁剪的效果不佳的问题。图像裁剪的效果不佳的问题。


技术研发人员：程凯常 周卫 吴晓东
受保护的技术使用者：广州虎牙科技有限公司
技术研发日：2022.02.10
技术公布日：2022/5/25