数据处理方法、装置、存储介质、处理器

技术领域

本申请涉及农业植保领域，具体而言，涉及一种数据处理方法、装置、存储介质、处理器。

背景技术

随着无人机在农业植保方面应用的日益广泛,植保无人机虽然解脱了人工喷洒农药的疼点，但是在节省农药和精准喷洒方面，还可以做得更多，在现有的方案里面植保无人机喷洒农田的时候，更多的是对整块农田进行无区别喷洒，这样就会浪费很多不必要的农药，因为田地里面也不是每一寸都有农作物，而且就算有农作物也有稀密之分，在对这些信息进行分析前，往往需要向提取出相关数据，并存储该相关数据。但是，对于农田来说，农田区域所对应图像的信息量是比较大的，此时，如果不对数据进行处理，会占用设备比较多的存储空间。

针对现有技术中在对目标区域(例如农田区域)中的图像数据进行存储时会占用设备比较多的存储空间问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种数据处理方法、装置、存储介质、处理器，以至少解决由于目标区域(例如农田区域)中的图像数据量大而造成的浪费存储空间的技术问题。

根据本申请实施例的一个方面，提供了一种数据处理方法，包括：获取目标作业区域的目标图像；获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度；将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的；将数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。

可选地，将数据单元按照预设规则进行合并，包括：对目标图像划分区域，得到多个子区域，其中，各个子区域的面积是相同的，每个子区域中包括多个数据单元；为每个子区域分配一个索引，将索引对应的子区域作为目标数据单元。

可选地，为每个子区域分配一个索引，包括：确定多个子区域的相对位置；以多个子区域中的指定子区域为原点建立坐标系，并利用相对位置确定各个子区域在坐标系中的坐标值，将坐标值作为索引。

可选地，第二类数据通过以下方式确定：确定目标区域中目标对象的分布区域的形状；在分布区域的形状与预设形状不一致时，对分布区域的形状进行调整，使得分布区域的形状符合预设形状；计算调整形状后的分布区域的面积；基于面积和分布区域中目标对象的数量确定目标对象的密度，并基于密度确定第二类数据。

可选地，对分布区域的形状进行调整，包括：确定分布区域的形状和预设形状的差异，得到差异区域；确定差异区域对应的面积；将差异区域与分布区域进行组合，得到调整后的分布区域，其中，差异区域与分布区域的展示状态是不同的。

可选地，方法还包括：为差异区域中的各个像素点分配第三类数据，其中，该第三类数据为超出第一类数据的取值范围的数据。

可选地，差异区域中各个像素点对应的第三类数据的取值是相同的。

可选地，存储第二数量的目标数据单元包括：将各个第三类数据的取值替换为指定字符，并存储指定字符以及目标数据单元中的其他数据。

根据本申请实施例的另一方面，还提供了一种数据处理装置，包括：第一获取模块，用于获取目标作业区域的目标图像；第二获取模块，用于获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度；设置模块，用于将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的；存储模块，用于将数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。

根据本申请实施例的又一方面，还提供了一种非易失性存储介质，其特征在于，非易失性存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以上所述的数据处理方法。

根据本申请实施例的再一方面，还提供了一种处理器，包括：其特征在于，处理器用于运行程序，其中，在运行程序运行时执行以上所述的数据处理方法。

在本申请实施例中，获取目标作业区域的目标图像；获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度；将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的；将数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。由于存储的是将第一数量的第一数据单元进行合并后的第二数量的目标数据单元，第二数量值小于第一数量值，存储的目标数据单元减少，从而实现了节省存储空间的技术效果，进而解决了由于目标区域(例如农田区域)中的图像数据量大而造成的浪费存储空间的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种数据处理方法的示意图；

图2是根据本申请实施例提供的一种目标区域的初始图像的示意图；

图3是根据本申请实施例提供的一种目标区域的高清图像示意图；

图4是根据本申请实施例提供的一种处方图数据的示意图；

图5是根据本申请实施例提供的一种处方图索引单元示意图；

图6是根据本申请实施例提供的一种处方图的数据单元示意图；

图7是根据本申请实施例提供的一种无人机喷洒农药效果示意图；

图8是根据本申请实施例的一种数据处理装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了更好地理解本申请实施例，以下将本申请实施例中涉及的相关术语解释如下：

视觉算法：可以理解为机器视觉，专注于机器模拟动物视觉的算法。着重指定图像识别，分类等视觉人物算法。

二值化：是图像分割的一种最简单的方法。二值化可以把灰度图像转换成二值图像，把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。

索引存储：分别存放数据元素和元素间关系的存储方式。索引是一种单独的、物理的对数据库表中一列或多列的值进行排序的一种存储(数据)结构，在表的列上创建，它是某个表中一列或若干列值的集合和相应的指向表中物理标识这些值的数据页的逻辑指针清单，这些值存储在一个数据结构中，索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。

色调(Hue，简称为，H)、饱和度(Saturation，简称为，H)、明度(Value，简称为，V)：是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型(Hexcone Model)，这个模型中颜色的参数分别是：色调(H)、饱和度(S)、明度(V)。根据RGB值，计算出色调(H)、饱和度(S)、明度(V)，然后根据它们的范围计算出0到1之间的小数。

归一化植被指数(Normalized Differential Vegetation，简称为，NIDI)：是反映农作物长势和营养信息的重要参数之一。根据该参数，可以知道不同季节的农作物对氮的需求，对合理施用氮肥具有重要的指导作用。NDVI＝(NIR-R)/(NIR+R),或两个波段反射率的计算。其中NIR为近红外波段的反射值，R为红光波段的反射值。

实施例1

根据本申请实施例，提供了一种数据处理的方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种数据处理的方法，如图1所示，该方法包括如下步骤：

步骤S102，获取目标作业区域的目标图像。

在本申请的一些实施例中，目标作业区域包括但不限于：无人机喷洒农药的目标区域，目标图像是将第一类数据和第二类数据添加至初始图像中得到的。

其中，初始图像包括但不限于：无人机对目标区域航拍获得的图像。无人机控制终端根据需求给出一系列的数据，地块范围、数据类型(生长情况、生长程度、虫害程度)等请求参数，无人机根据范围获取高清航拍图片(即初始图像)、航拍的范围、分辨率、经纬度信息、长度和宽度等参数，初始图像如图2所示，区域1(黑色部分)表示的是有农作物的区域，区域2(白色部分)表示的是没有农作物的区域。对初始图像采用预设算法进行处理，得到初始图像对应的第一类数据和第二类数据。

具体地，上述预设算法指的是视觉算法，本申请实施例的改进技术应用到了视觉算法的二值化算法和程度化算法。其中，对初始图像的数据二值化后得到的数据为第一类数据，对初始图像的数据程度化后得到的数据为第二类数据。

目标图像可以为处方图，其中，处方图为用于展示农作物的状态信息以及相应的处理方案，其中，处理方案中包括但不限于：处方图中相应位置(或像素点)的用药量等。可以利用图像处理工具提取处方图中像素点的RGB值，处方图可以用于作业过程中对农药的剂量控制和精准喷洒，在进行植保之前可以利用航拍无人机对田地进行航拍，根据测绘无人机航拍回来的高清地图，利用视觉算法转换成二值化数据、程度化数据等具体量化值，根据这些值分析出田地里面具体的位置是否有农作物、农作物是稀疏还是浓密。此外，对二值化数据和程度化数据进行索引存储，提供给植保无人机使用，从而确定质保无人机喷洒农药的分量。此处需要说明的是处方图用于检测农作物的状态包括但不限于生长情况、草害、虫害。

步骤S104，获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度。

具体地，程度化数据(即第二类数据)是通过HSV算法和NDVI算法计算得到的。其中，HSV是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型(Hexcone Model)，这个模型中颜色的参数分别是：色调(H)、饱和度(S)、明度(V)。根据RGB值，计算出色调(H)、饱和度(S)、明度(V)，然后根据它们的范围计算出0到1之间的小数。NDVI为归一化植被指数的简称，是反映农作物长势和营养信息的重要参数之一。根据该参数，可以知道不同季节的农作物对氮的需求，对合理施用氮肥具有重要的指导作用。NDVI＝(NIR-R)/(NIR+R),或两个波段反射率的计算，其中NIR为近红外波段的反射值，R为红光波段的反射值。NDVI应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等，NDVI取值范围是大于等于-1并小于等于1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等。其中，正值表示有植被覆盖，且随覆盖度增大而增大。在本申请实施例中，只需要0到1的取值，数值越接近1代表这里的绿色越深。

具体地，二值化数据(第一类数据)是基于程度化数据进行转换得到的，例如：大于0.5的程度化数据的取值可以取值为1，小于0.5的值可以取值为0。针对二值化过程进行举例说明，例如：假设H、S、V的取值范围都是0到250，当H大于等于30并小于等于40，同时S大于等于0并小于等于255，同时V大于等于0并小于等于160时，可以认为这个像素点是绿色。

第一类数据的确定方式有多种，例如，第一类数据可以通过以下方式确定：提取出初始图像中每个像素点的RGB值，例如:可以利用图像处理工具提取像素点的RGB值。预设一个颜色通道的RGB值，在RGB值中各个颜色通道的值均满足该预设条件时，将每个像素点对应的二进制值设置为1，在RGB值中各个颜色通道的值中所有通道没有全部满足预设条件时，将每个像素点对应的二进制值设置为0。其中，预设条件包括：假设预设的RGB值为150，当各个颜色通道RGB值均大于150时，将每个像素点对应的二进制值设置为1；当各个颜色通道RGB值没有全部大于150时，将每个像素点对应的二进制值设置为0。

又例如，第一类数据还可以通过以下方式确定：假设H、S、V的取值范围都是0到250，当H大于等于30并小于等于40，同时S大于等于0并小于等于255，同时V大于等于0并小于等于160时，可以认为这个像素点是绿色。

步骤S106，将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的。

步骤S108，将第一数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。根据本申请可选的实施例，将数据单元按照预设规则进行合并，可以进行以下操作：首先对目标图像区域进行平均划分，得到多个面积相同的子区域，其中，每个子区域中包括多个数据单元，为每个子区域分配一个索引，将索引对应的子区域作为目标数据单元。

具体地，在本申请实施例中，处方图平均划分得到的面积相同的子区域，以及每个子区域对应的索引示意图如图6所示，每个小方格表示的是目标数据单元，图(a)经过视觉算法得到图(b)，图(b)的目标数据单元中显示的数据为程序化数据，显示为0的目标数据单元是没有农作物区域；显示为大于零的目标数据单元是没有农作物区域，数值越大，颜色越深，农作物越密集。

根据本申请可选的实施例，为每个子区域分配一个索引，具体可以包括以下步骤：首先确定多个子区域的相对位置，可以根据多个子区域中的指定子区域为原点建立坐标系，并利用相对位置确定各个子区域在坐标系中的坐标值，基于坐标值确定索引。其中，索引值可以通过以下方式确定：方式一，将坐标值作为索引值；方式二，分段划分坐标值，每个坐标值对应着相应的取值范围，每个取值范围确定一个索引，利用索引确定索引值。

在本申请的一些实施例中，处方图的标准分辨率为0.5米，如果有100亩地，那么拥有的数据是268960个数值，这么多的数值非常不利于存储和搜索，所以为了解决这个问题，需要对处方图数据进一步进行优化即索引存储。现在有268960个数据单元，如图5所示为处方图数据单元，a部分为有农作物区域，b部分为没有农作物区域。可以自定义规则，将多个数据单元合并成一个单元。例如：一个单元拥有256*256个数据单元，那么存储100亩的数据只需要4个单元，大大减轻了存储压力，同时搜索使用的时候一次就能获取大概24亩的数据，也大大减轻搜索压力。

此处需要说明的是，上述单元里面有256*256个子单元，其数量问题的确定其实是任意的，只要是正方型即可，即250*250也可以，取256*256主要是因为其代表的面积问题。假设处方图的标准分辨率为0.5米，可通过计算得一个单元代表的面积为：(256*0.5)*(256*0.5)＝16384平方米＝24.5亩，其中，长＝128米，宽＝128米，该面积适合飞机的飞行单位，故选择250*250的计算方法。

例如：1个单元包含了多个子单元，那么子单元的长宽是0.5米，单元长宽是128米。在本申请实施例中，可以获知目标区域的范围和外界矩形，由此就可以确定这个矩形范围里面分别有多少个子单元和索引了。例如：知道外界矩形长宽是1280米*1280米，那么这个范围里面就包含了100个索引。

具体地，生成索引和索引的表示方式可以概括如下：假设现在有10*10个索引，那么就可以拿它的XY来做它的索引名称。例如：第一个索引x＝1,y＝1，那么可以将其命名为1-1，那么最后一个索引就是10-10。当有一个或者多个查询坐标的时候，就可以通过坐标和索引的长宽计算出所在的一个或者横跨多个索引，从而快速查询出相应的索引，然后通过索引再查询出包含的子索引。

根据本申请可选的实施例，将第一类数据和第二类数据添加至初始图像中，得到目标图像之后，方法还可以包括：将目标图像(即处方图)的范围、数据类型传输给无人机控制终端，那么无人机控制终端就可以根据自己的需求在这个范围里面逐步获取处方图数据，对农田进行更精准的喷洒，达到既精准又省药的效果，效果图如图6所示。

在本申请的一些实施例中，第二类数据可以通过以下方式确定：根据初始图像确定目标区域中目标对象的分布区域的形状，在目标对象分布区域的形状与预设形状不一致时，对分布区域的形状进行调整，使得分布区域的形状符合预设形状。在本申请实施例中可以将预设形状规定为矩形，因为航拍的范围有可能不是矩形，可以将所有的图形统一获取外边矩形，将拉伸的空白地方统一用透明的颜色表示。计算调整矩形后的农作物分布区域的面积，基于面积和分布区域中目标对象的数量确定目标对象的密度，并基于密度确定第二类数据。采用上述处理方式，由于调整后的分布区域是形状规则的区域，因此，简化了计算面积的方案，提高计算效率。

对上述分布区域的形状进行调整的方式有多种，例如，可以在分布区域面积不变的情况下，直接调整分布区域的边界形状，但是，这样展示图像中的分布区域和实际情况不一致，影响用户体验。

对上述分布区域的形状进行调整的方式有多种，例如，可以在分布区域面积不变的情况下，直接调整分布区域的边界形状，但是，这样展示图像中的分布区域和实际情况不一致，影响用户体验。在本申请的一些实施例中，还可以通过以下方式进行调整：确定分布区域的形状和预设形状的差异，得到差异区域，并确定差异区域对应的面积。再将差异区域与分布区域进行组合，得到调整后的分布区域，其中，差异区域与分布区域的展示状态是不同的。具体地，在本申请实施例中展示状态可以是不同的颜色展示，例如：有农作物的区域用绿色展示，再根据农作物的密度用不同深度的绿色展示，没有农作物区域的用黄色展示。

具体地，对高清航拍图片进行重采样，即对图片进行缩放，缩小或者放大从而改变其分辨率，令到其分辨率达到处方图的切割标准。假设高清地图分辨率为1米，处方图标准分辨率是0.5米，那么就需要对高清地图进行放大，即升采样，反之缩小，即降采样。

在一个应用场景中，根据无人机控制终端提供的数据类型对重采样后的高清地图采取不同视觉算法。假设需要查看该地块的生长情况，即查看二值化数据，如图3所示，区域一在实际应用中显示的是绿色，在本图中用褐色代替，表示该区域有农作物，区域二在实际应用中显示的是黄色，在本图中用白色代替，表示该区域没有农作物。根据图3的视觉高清图，需要对图片的值转化成量化值，即0或者1(如果是程度化值是0到1)的矩阵，其中，在获取外边矩形时，拉伸出的多余部分的没有数据的值需要统一拿一个数值代表，例如：如图4所示，引用“-999”作为拉伸出的多余部分的代表值。

为了便于区分目标作业区域和非作业区域，在本申请的可选实施例中，还可以执行以下处理过程：为差异区域中的各个像素点分配第三类数据，其中，该第三类数据为超出第一类数据的取值范围的数据。其中，差异区域中各个像素点对应的第三类数据的取值是相同的。当第三类数据取值相同时，可以快速、便捷地识别出和这些第三类数据对应的所有像素点，由此可以辨识出差异区域。

根据本申请可选的实施例，可以通过以下方式存储第二数量的目标数据单元：将各个第三类数据的取值替换为指定字符，并存储指定字符以及目标数据单元中的其他数据。例如：第一类数据和第二类数据都是从0到1中取值，本申请实施例中引用一个超范围的数据“-999”作为第三类数据，这样可以将第二类数据和第三类数据区分开。

综上，本申请的实施例中由于存储的是将第一数量的第一数据单元进行合并后的第二数量的目标数据单元，第二数量值小于第一数量值，存储的目标数据单元减少，从而实现了节省存储空间的技术效果，进而解决了由于目标区域(例如农田区域)中的图像数据量大而造成的浪费存储空间的技术问题。

实施例2

根据本申请实施例，提供了一种数据处理装置。

图8是根据本申请实施例的一种数据处理装置，如图8所示，该装置包括：

第一获取模块802，用于获取目标作业区域的目标图像。

具体地，目标图像的处理可分为以下步骤:无人机控制终端根据需求给出一系列的数据，地块范围、数据类型(生长情况、生长程度、虫害程度)等请求参数，然后无人机根据范围获取高清航拍图片、航拍的范围、分辨率、经纬度信息、长度和宽度等参数得到初始图像。应用视觉算法的二值化和程度化对初始图像进行预处理，得到第一类数据和第二类数据。再将第一类数据和第二类数据添加至初始图像中，得到目标图像。

第二获取模块804，用于获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度。

具体地，第一类数据可以通过以下方式确定：提取出初始图像中每个像素点的RGB值，例如:可以利用数据处理工具提取像素点的RGB值。预设一个颜色通道的RGB值，在RGB值中各个颜色通道的值均满足该预设条件时，将每个像素点对应的二进制值设置为1，在RGB值中各个颜色通道的值中所有通道没有全部满足预设条件时，将每个像素点对应的二进制值设置为0。

具体地，第二类数据可以通过以下方式确定：根据初始图像确定目标区域中目标对象的分布区域的形状，在目标对象分布区域的形状与预设形状不一致时，对分布区域的形状进行调整，使得分布区域的形状符合预设形状。在本申请文件中可以将预设形状规定为矩形，因为航拍的范围有可能不是矩形，可以将所有的图形统一获取外边矩形，将拉伸的空白地方统一用透明的颜色表示。计算调整矩形后的农作物分布区域的面积，基于面积和分布区域中目标对象的数量确定目标对象的密度，并基于密度确定第二类数据。

设置模块806，用于将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的。

存储模块808，用于将数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。

根据本申请可选的实施例，将数据单元按照预设规则进行合并，可以进行以下操作：首先对目标图像区域进行平均划分，得到多个面积相同的子区域，其中，每个子区域中包括多个数据单元，为每个子区域分配一个索引，将索引对应的子区域作为目标数据单元。

根据本申请可选的实施例，为了减轻存储压力和搜索压力，可以为每个子区域分配一个索引，具体可以包括以下步骤包括：首先确定多个子区域的相对位置，可以根据多个子区域中的指定子区域为原点建立坐标系，并利用相对位置确定各个子区域在坐标系中的坐标值，将坐标值作为索引。

本实施例中的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

实施例3

根据本申请实施例的一方面，提供了一种非易失性存储介质。

非易失性存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行图1所示实施例的数据处理方法。该方法包括：获取目标作业区域的目标图像；获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度；将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的；将数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。

本实施例中的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

实施例4

根据本申请实施例的一方面，还提供了一种处理器。

处理器用于运行程序，其中，运行程序运行时执行图1所示实施例的图像处理方法。该方法包括：获取目标作业区域的目标图像；获取目标图像中各个像素点对应的第一类数据和第二类数据，第一类数据用于指示目标图像中各个像素点的相应位置是否存在目标对象；第二类数据用于指示目标图像中目标对象在目标区域的分布密度；将各个像素点中每个像素点对应的第一类数据和第二类数据设置为一个数据单元，得到第一数量的第一数据单元，其中，第一数量与目标图像中像素点的数量是一一对应的；将数据单元按照预设规则进行合并，得到第二数量的目标数据单元，并存储第二数量的目标数据单元，其中，第一数量的取值大于第二数量的取值。

本实施例中的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，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。另一点，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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实施例方案的目的。

另外，在本申请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。

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取存储介质中。基于这样的理解，本申请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存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。