图像处理的方法、装置、存储介质及设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理的方法、装置、存储介质及设备。

背景技术

DICOM(digital imaging communications in medicine)，从字面上解释，第一，应用对象是数字化的图像；第二，DICOM规范的核心是“通信”，因此，DICOM可以解释为“医学数字化图像通信/交流的共同规格”。从医院的管理角度来说，如能由上而下在整个医院建立DICOM化的环境，再依据部门需要建立不同特色的子系统以适应科室需要，就能在医院形成统一的影像规范，做到医院添加新设备时“即插即用”。采用DICOM标准是医院间及国际间医学图像交流的基础，例如实现远程会诊中的无损图像传输交流。现有技术中常用的DICOM图像打印的图像处理方法对于图像质量要求高、分辩率大的图像无法处理，不能满足医院要求。

发明内容

基于此，有必要针对上述问题，提出了一种图像处理的方法、装置、存储介质及设备，本发明目的是通过对原图进行放大处理、提取特征图像处理和叠加处理得到最终的目标图像，从而达到了提高所获得的目标图像的图像质量的效果。

在第一方面，本申请提供了一种图像处理的方法，所述方法包括：

基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

可选的，所述从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，包括：

遍历所述第一图像中的每个像素点，找到所述第一图像中相邻横向的像素点和相邻纵向的像素点的颜色相同的像素点作为第一特征像素点，所述颜色为非背景颜色，并记录所述第一特征像素点的坐标；

将所述第一图像中的非所述第一特征像素点的坐标的像素点的颜色设置为背景颜色，得到所述第一特征图像。

可选的，所述从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像，包括：

遍历所述第二图像中的每个像素点，找到所述第二图像中相邻横向的像素点和相邻纵向的像素点的颜色相同的像素点作为第二特征像素点，所述颜色为非背景颜色，并记录所述第二特征像素点的坐标；

将所述第二图像中的非所述第二特征像素点的坐标的像素点的颜色设置为背景颜色，得到所述第二特征图像。

可选的，所述将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像，包括：

根据所述第一特征图像和所述第二特征图像中的相应位置上的像素点确定目标像素点；

将所述目标像素点组合成所述目标图像。

可选的，所述根据所述第一特征图像和所述第二特征图像中的相应位置上的像素点确定目标像素点，包括：

若在所述相应位置上存在所述第一特征像素点并且不存在所述第二特征像素点，则保留所述第一特征像素点作为目标像素点；

若在所述相应位置上存在所述第二特征像素点并且不存在所述第一特征像素点，则保留所述第二特征像素点作为目标像素点；

若在所述相应位置上不存在所述第一特征像素点并且不存在所述第二特征像素点，则将所述相应位置上的像素点替换为具有背景颜色的像素点作为目标像素点。

可选的，所述图像线性缩放算法为最近邻插值算法，所述基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，包括：

基于所述最近邻插值算法对所述原图进行放大所述预设倍数的放大处理，得到所述第一图像。

可选的，所述图像弯折缩放算法为双线性插值算法，所述基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像，包括：

基于所述双线性插值算法对所述原图进行放大所述预设倍数的放大处理，得到所述第二图像。

在第二方面，本申请提供了一种图像处理装置，所述装置包括：

处理模块，用于基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

提取模块，用于从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

叠加模块，用于将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

在第三方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

在第四方面，本申请提供了一种图像处理设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

采用本发明实施例，具有如下有益效果：

采用本发明的图像处理的方法、装置、存储介质及设备，该方法包括：基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对原图进行放大预设倍数的放大处理，得到第二图像，从第一图像中提取属于线性图像的像素点，得到第一特征图像，从第二图像中提取属于弯折图像的像素点，得到第二特征图像，将第一特征图像和第二特征图像进行叠加操作得到目标图像。通过对原图进行放大处理，以及对放大处理后的图像进行提取特征图像处理和叠加处理，进而得到了最终的目标图像，从而达到了提高所获得的目标图像的图像质量的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本申请实施例中图像处理的方法的流程示意图；

图2为本申请实施例中原图的示意图；

图3为本申请实施例中第一图像的示意图；

图4为本申请实施例中第二图像的示意图；

图5为本申请图1所示实施例中步骤102中的第一特征图像的细化步骤的流程示意图；

图6为本申请实施例中第一特征图像的示意图；

图7为本申请图1所示实施例中步骤102中的第二特征图像的细化步骤的流程示意图；

图8为本申请实施例中第二特征图像的示意图；

图9为本申请图1所示实施例中步骤103的细化步骤的流程示意图；

图10为本申请实施例中目标图像的示意图；

图11为本申请实施例中图像处理装置的结构示意图；

图12为本申请实施例中图像处理设备的结构框图。

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，所描述的实施例仅仅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，都属于本发明保护的范围。

请参阅图1，图1为本申请实施例中图像处理的方法的流程示意图，该方法包括：

步骤101、基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

在本申请实施例中，图片上的图像按照组成图像的像素点的排列方式可分为两类：一类是像素点按照非线性的方式进行排列得到的图像称为弯折图像，例如一张图片中的弧线元素；另一类是像素点按照线性的方式进行排列得到的图像称为线性图像，例如一张图片中的直线元素。因此，在本申请实施例中的原图包括背景部分和图像部分，而图像部分由弯折图像和线性图像组成。为了更好地理解本申请实施例中的技术方案，如图2所示，为本申请实施例中原图的示意图，该原图包括上部区域和下部区域，上部区域包含的图像为弯折图像，下部区域包含的图像为线性图像。

具体的，上述图像线性缩放算法为最近邻插值算法，基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，具体包括：基于最近邻插值算法对原图进行放大预设倍数的放大处理，得到第一图像。

其中，最近邻插值算法又称为kNN算法或者k-近邻算法(k-Nearest Neighbors)，当给定一个训练集D和一个测试对象z，该测试对象是一个由属性值和一个未知的类别标签组成的向量，该算法需要计算z和每个训练对象之间的距离(或相似度)，这样就可以确定最近邻的列表，然后将最近邻中实例数量占优的类别赋给z。

在本申请实施例中，将原图通过最近邻插值算法进行放大预设倍数的放大处理，得到第一图像，最近邻插值算法是通过向原图中的每个像素点周围插入预设数量的预设像素点，该预设像素点具有预设的灰度值，将原图中每个像素点周围的最近邻的预设像素点的灰度值赋给原图中的每个像素点，进而得到放大预设倍数的图像，该图像即为第一图像。最近邻插值算法的优点是计算量小，算法简单，因此运算速度较快。但是最近邻插值算法使用离原图中的每个像素点最近的预设像素点的灰度值作为原图中的每个像素点的灰度值，而没考虑其他相邻像素点的影响，因而通过最近邻插值算法重新采样后的灰度值在第一图像中的弯折图像处有明显的不连续性，第一图像中的弯折图像质量损失较大，会产生明显的马赛克和锯齿现象，但是通过最近邻插值算法重新采样后的灰度值在第一图像中的线性图像处是明显连续的，因此，通过最近邻插值算法对原图进行放大预设倍数的放大处理后得到的第一图像中的线性图像是清晰的。

其中，上述的预设倍数可以是10、15或者20等等，在实际应用中，可根据具体的需要设置该预设倍数的数值，此处不做限定。

为了更好地理解本申请实施例中的技术方案，如图3所示，为本申请实施例中第一图像的示意图，该第一图像为图2所示的原图通过最近邻插值算法放大10倍后得到的图像，该第一图像的上部区域中包含的图像为原图中上部区域中的弯折图像放大10倍后的图像，从示意图中可以明显的看出通过最近邻插值算法放大10倍后的弯折图像产生了明显的马赛克和锯齿现象。该第一图像中的下部区域中包含的图像为原图中下部区域中的线性图像放大10倍后得到的图像，从示意图中可以明显的看出通过最近邻插值算法放大10倍后的线性图像是非常清晰的。

在本申请实施例中，上述图像弯折缩放算法为双线性插值算法，具体的，所述基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像，包括：基于双线性插值算法对原图进行放大预设倍数的放大处理，得到第二图像。

其中，双线性插值算法，又称为双线性内插算法。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。双线性插值作为数值分析中的一种插值算法，广泛应用在信号处理、数字图像和视频处理等方面。

具体的，原图大小记为m×n，第二图像大小记为a×b，那么原图和第二图像的边长比分别为：m/a和n/b，第二图像中的第(i，j)个像素点(第i行，第j列)可以通过边长比对应回原图，其对应坐标为(i×(m/a)，j×(n/b))。显然，这个对应坐标一般来说不是整数，而非整数的坐标是无法在图像这种离散数据上使用的。双线性插值通过寻找距离这个对应坐标最近的四个像素点，来计算该点的值(灰度值或者RGB值)，若图像为灰度图像，那么(i，j)点的灰度值的数学计算模型是：f(i,j)＝h

双线性插值算法的特点为当对原图中相邻四个像素点采用双线性插值时，双线性灰度插值可以使得原图中弯折图像被放大预设倍数后平滑，弯折图像被放大后的效果好，但是双线性灰度插值会使得原图中线性图像被放大预设倍数后灰度值不连续，使得放大后的线性图像模糊，因此，第二图像具有平滑的弯折图像和模糊的线性图像。

为了更好地理解本申请实施例中的技术方案，如图4所示，为本申请实施例中第二图像的示意图，该第二图像为图2所示的原图通过双线性插值算法放大10倍后得到的图像，该第二图像的上部区域中包含的图像为原图中上部区域中的弯折图像放大10倍后的图像，从示意图中可以明显的看出通过双线性插值算法放大10倍后的弯折图像是非常平滑的。该第二图像中的下部区域中包含的图像为原图中下部区域中的线性图像放大10倍后得到的图像，从示意图中可以明显的看出通过双线性插值算法放大10倍后的线性图像产生了模糊的现象。

步骤102、从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

在本申请实施例中，原图是由不同的线性图像和弯折图像组成的，由上述最近邻插值算法和双线性插值算法可知，通过最近邻插值算法对原图进行放大预设倍数的放大处理，得到第一图像，该第一图像包括清晰的放大后的线性图像和不清晰的放大后的弯折图像，通过双线性插值算法对原图进行放大预设倍数的放大处理，得到第二图像，该第二图像包括清晰的放大后的弯折图像和不清晰的放大后的线性图像。

在本申请实施例中，如图5所示，为本申请图1所示实施例中步骤102中的第一特征图像的细化步骤的流程示意图，该方法包括：

步骤501、遍历所述第一图像中的每个像素点，找到所述第一图像中相邻横向的像素点和相邻纵向的像素点的颜色相同的像素点作为第一特征像素点，所述颜色为非背景颜色，并记录所述第一特征像素点的坐标；

步骤502、将所述第一图像中的非所述第一特征像素点的坐标的像素点的颜色设置为背景颜色，得到所述第一特征图像。

具体的，在第一图像中建立坐标系，在该坐标系中遍历第一图像中的每个像素点，对于遍历到的像素点，确定该像素点的相邻横向的像素点和相邻纵向的像素点的颜色是否相同，该颜色为非背景颜色，若该像素点的相邻横向的像素点和相邻纵向的像素点的颜色相同，则确定该像素点为第一特征像素点，并记录该像素点的坐标，若该像素点的相邻横向的像素点和相邻纵向的像素点的颜色不同，则确定该像素点为非第一特征像素点，并设置该像素点的像素值为背景颜色，进而得到第一特征图像，该第一特征图像由第一特征像素点和非第一特征像素点组成。

可以理解的是，通过最近邻插值算法对原图进行放大预设倍数的放大处理得到的第一图像包括清晰的放大后的线性图像和不清晰的放大后的弯折图像，因此，上述的第一特征像素点即为所有清晰的放大后的线性图像的像素点。具体的，如图6所示，为本申请实施例中第一特征图像的示意图。

在本申请实施例中，如图7所示，为本申请图1所示实施例中步骤102中的第二特征图像的细化步骤的流程示意图，该方法包括：

步骤701、遍历所述第二图像中的每个像素点，找到所述第二图像中相邻横向的像素点和相邻纵向的像素点的颜色相同的像素点作为第二特征像素点，所述颜色为非背景颜色，并记录所述第二特征像素点的坐标；

步骤702、将所述第二图像中的非所述第二特征像素点的坐标的像素点的颜色设置为背景颜色，得到所述第二特征图像。

具体的，在第二图像中建立坐标系，在该坐标系中遍历第二图像中的每个像素点，对于遍历到的像素点，确定该像素点的相邻横向的像素点和相邻纵向的像素点的颜色是否相同，该颜色为非背景颜色，若该像素点的相邻横向的像素点和相邻纵向的像素点的颜色相同，则确定该像素点为第二特征像素点，并记录该像素点的坐标，若该像素点的相邻横向的像素点和相邻纵向的像素点的颜色不同，则确定该像素点为非第二特征像素点，并设置该像素点的像素值为背景颜色，进而得到第二特征图像，该第二特征图像由第二特征像素点和非第二特征像素点组成。

可以理解的是，通过双线性插值算法对原图进行放大预设倍数的放大处理得到的第二图像包括清晰的放大后的弯折图像和不清晰的放大后的线性图像，因此，上述的第二特征像素点即为所有清晰的放大后的弯折图像的像素点。具体的，如图8所示，为本申请实施例中第二特征图像的示意图。

步骤103、将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

在本申请实施例中，如图9所示，为本申请图1所示实施例中步骤103的细化步骤的流程示意图，该方法包括：

步骤901、根据所述第一特征图像和所述第二特征图像中的相应位置上的像素点确定目标像素点；

具体的，若在相应位置上存在第一特征像素点并且不存在第二特征像素点，则保留第一特征像素点作为目标像素点；若在相应位置上存在第二特征像素点并且不存在第一特征像素点，则保留第二特征像素点作为目标像素点；若在相应位置上不存在第一特征像素点并且不存在第二特征像素点，则将相应位置上的像素点替换为具有背景颜色的像素点作为目标像素点。

步骤902、将所述目标像素点组合成所述目标图像。

在本申请实施例中，由上述可知，第一特征图像由第一特征像素点和具有背景颜色的非第一特征像素点组成，且第一特征像素点即为通过最近邻插值算法对原图进行放大预设倍数的放大处理后得到的第一图像中所有清晰的放大后的线性图像的像素点，第二特征图像由第二特征像素点和具有背景颜色的非第二特征像素点组成，且第二特征像素点即为通过双线性插值算法对原图进行放大预设倍数的放大处理后得到的第二图像中所有清晰的放大后的弯折图像的像素点。

进一步的，将第一特征图像和第二特征图像进行叠加处理，第一特征图像和第二特征图像叠加后的图像中的每个像素点的位置上包括第一特征图像中在该位置上的像素点和第二特征图像中在该位置上的像素点，因此，需要对叠加后的图像上的每个像素点位置上的两个像素点进行比较、确认和选择。若在叠加后的图像上的一个像素点位置上存在第一特征像素点而不存在第二特征像素点，则保留该第一特征像素点作为目标像素点；若在叠加后的图像上的一个像素点位置上存在第二特征像素点而不存在第一特征像素点，则保留第二特征像素点作为目标像素点；若在叠加后的图像上的一个像素点位置上既不存在第一特征像素点也不存在第二特征像素点，则将该像素点位置上的像素点替换为具有背景颜色的像素点作为目标像素点，那么最终就可以得到由这些目标像素点组成的目标图像。

为了更好地理解本申请实施例中的技术方案，如图10所示，为本申请实施例中目标图像的示意图，通过最近邻插值算法对图2所示的原图进行放大10倍的放大操作得到如图3所示的第一图像，通过双线性插值算法对图2所示的原图进行放大10倍的放大操作得到如图4所示的第二图像，通过提取第一图像中的第一特征像素点得到如图6所示的第一特征图像，通过提取第二图像中的第二特征像素点得到如图8所示的第二特征图像，因此，如图10所示的目标图像即为第一特征图像和第二特征图像通过上述的叠加处理得到的图像。

可以理解的是，该目标图像包括所有第一特征像素点、所有第二特征像素点和具有背景颜色的像素点，因此最终得到的目标图像就包括了上述第一图像中的所有清晰的放大后的线性图像和第二图像中所有清晰的放大后的弯折图像，由于原图是由不同的线性图像和弯折图像组成的，所以目标图像是由所有清晰的放大后的原图中的线性图像和所有清晰的放大后的原图中的弯折图像组成的。

在本申请实施例中，一种图像处理的方法，该方法包括：基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对原图进行放大预设倍数的放大处理，得到第二图像，从第一图像中提取属于线性图像的像素点，得到第一特征图像，从第二图像中提取属于弯折图像的像素点，得到第二特征图像，将第一特征图像和第二特征图像进行叠加操作得到目标图像。原图是由不同的线性图像和弯折图像组成的，通过最近邻插值算法和双线性插值算法对原图进行放大处理，以及对放大处理后的图像进行提取特征图像处理和叠加处理，进而得到了最终的所有清晰的放大后的原图中的线性图像和所有清晰的放大后的原图中的弯折图像组成的目标图像，从而达到了提高所获得的目标图像的图像质量的效果。

在本申请实施例中的图像处理方法可应用于解决DICOM(Digital Imaging andCommunications in Medicine)即医学数字成像和通信图像打印过程中大分辨率打印的问题，同时也可以提高图像的质量。DICOM被广泛应用于放射医疗、心血管成像以及放射诊疗诊断的医学成像设备中，如X射线，CT，核磁共振，超声等医学成像设备，并且在眼科和牙科等其它医学领域也得到了越来越深入且广泛的应用。医学成像设备所生成的医学影像包括图像部分和文字部分，那么图像部分即为弯折图像，文字部分即为线性图像，通过最近邻插值算法对医学影像进行放大预设倍数的操作就可以得到具有马赛克和锯齿现象的图像部分和清晰的文字部分的放大后的第一医学影像，通过双线性插值算法对医学影像进行放大预设倍数的操作就可以得到具有平滑的图像部分和模糊的文字部分的放大后的第二医学影像，从第一医学影像中提取出第一特征医学影像，该第一特征医学影像包括第一特征像素点和具有背景颜色的非第一特征像素点，该第一特征像素点即为组成清晰的文字部分的像素点，从第二医学影像中提取出第二特征医学影像，该第二特征医学影像包括第二特征像素点和具有背景颜色的非第二特征像素点，该第二特征像素点即为组成平滑的图像部分的像素点，将第一特征医学影像和第二特征医学影像进行叠加处理得到最终的目标医学影像，该目标医学影像包括第一特征像素点、第二特征像素点和具有背景颜色的像素点，即目标医学影像包括清晰的文字部分、平滑的图像部分和背景部分，从而实现了通过本申请中的图像处理方法提高目标医学影像的质量的目的。

如图11所示，为本申请实施例中图像处理装置的结构示意图，该装置包括：

处理模块1101，用于基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

提取模块1102，用于从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

叠加模块1103，用于将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

在本申请实施例中，一种图像处理装置，该装置包括：处理模块1101，用于基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对原图进行放大预设倍数的放大处理，得到第二图像，提取模块1102，用于从第一图像中提取属于线性图像的像素点，得到第一特征图像，从第二图像中提取属于弯折图像的像素点，得到第二特征图像，叠加模块1103，用于将第一特征图像和第二特征图像进行叠加操作得到目标图像。通过调用图像处理装置对原图进行放大处理，以及对放大处理后的图像进行提取特征图像处理和叠加处理，进而得到了最终的目标图像，从而达到了提高所获得的目标图像的图像质量的效果。

图12示出了一个实施例中图像处理设备的内部结构图。该图像处理设备具体可以是终端，也可以是服务器。如图12所示，该图像处理设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该图像处理设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现图像处理的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行图像处理的方法。本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的图像处理设备的限定，具体的图像处理设备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。

在一个实施例中，提出了一种图像处理设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

基于图像线性缩放算法对原图进行放大预设倍数的放大处理，得到第一图像，基于图像弯折缩放算法对所述原图进行放大所述预设倍数的放大处理，得到第二图像；

从所述第一图像中提取属于线性图像的像素点，得到第一特征图像，从所述第二图像中提取属于弯折图像的像素点，得到第二特征图像；

将所述第一特征图像和所述第二特征图像进行叠加操作得到目标图像。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。