用于处理图像的方法、装置、设备和计算机可读介质与流程

本公开的实施例涉及计算机技术领域，具体涉及用于处理图像的方法、装置、设备和计算机可读介质。

背景技术：

目前，人们在对图像的处理中，常常通过人工修图的方法来对背景进行虚化，进而来凸显主体。人工修图的方法常常存在操作复杂的问题。除此之外，对目标图像中背景图像的虚化往往针对某一确定的主体类型。例如，对目标图像中除人体图像外的背景图像进行虚化。

技术实现要素：

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了用于处理图像的方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种用于处理图像的方法，该方法包括：基于目标图像对应的类别信息，确定上述目标图像中是否包括主体，其中，上述主体对应于预先确定的至少一种主体类型；响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像；对上述背景图像进行模糊化；基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

第二方面，本公开的一些实施例提供了一种用于处理图像的装置，装置包括：确定单元，被配置成基于目标图像对应的类别信息，确定上述目标图像中是否包括主体，其中，上述主体对应于预先确定的至少一种主体类型；分割单元，被配置成响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像；模糊单元，被配置成对上述背景图像进行模糊化；生成单元，被配置成基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一、二方面中任一的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一、二方面中任一的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，基于目标图像对应的类别信息，确定目标图像中是否包括主体来作为目标图像虚化的基础，在这里，从而对于上述目标图像中包括主体和不包括主体的是可以进行不同的处理。其中，响应于确定上述目标图像包括主体，对上述目标图像进行分割，分割得到主体的图像和背景图像。然后对上述背景图像进行模糊化来降低上述背景图像的突出程度。最后，通过模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。该用于处理图像的方法可以简便、有效的对包括多种类型主体的目标图像进行背景虚化，进而凸显出主体，其中，上述多种类型主体可以指的是目标图像上的主体为至少一个不同的对象。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1-图4是根据本公开的一些实施例的用于处理图像的方法的一个应用场景的示意图；

图5是根据本公开的用于处理图像的方法的一些实施例的流程图；

图6是根据本公开的用于处理图像的方法的另一些实施例的流程图；

图7是根据本公开的用于处理图像的装置的一些实施例的结构示意图；

图8是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1-图4是根据本公开一些实施例的用于处理图像的方法的一个应用场景的示意图。

如图1所示，电子设备101确定目标图像102中包括主体，其中，上述主体对应于预先确定的至少一种主体类型包括：女性。

如图2所示，响应于电子设备101确定上述目标图像102包括主体，对上述目标图像102进行分割，得到上述主体的图像103和背景图像105，其中，上述类别信息104可以是“女性”。

如图3所示，上述电子设备101对上述背景图像105进行模糊化，得到模糊化后的背景图像106。

如图4所示，上述电子设备101基于模糊化后的背景图像106、上述主体的图像103和上述类别信息104，生成带有类别信息的模糊化后的目标图像107。

需要说明的是，用于处理图像的方法可以是由电子设备101来执行。上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备101体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的电子设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备。

继续参考图5，示出了根据本公开的用于处理图像的方法的一些实施例的流程500。该用于处理图像的方法，包括以下步骤：

步骤501，确定目标图像中是否包括主体。

在一些实施例中，用于处理图像的方法的执行主体(例如图1所示的电子设备)可以基于目标图像对应的类别信息，确定目标图像中是否包括主体。其中，上述主体主体对应于预先确定的至少一种主体类型。在这里，上述主体类型可以包括但不限于以下至少一项：人体，动物体，植物。上述目标图像可以是指已被确定的图像。上述主体可以是图像的前景，上述图像的前景可以是上述目标图像中与目标对象相对应的的图像。上述目标对象可以是待拍摄的对象。上述类别信息可以是上述主体的图像包括的主体的类别信息。作为示例，可以接收人工输入的类别信息来确定目标图像中是否包括主体。其中，根据目标图像对应的类别信息，上述人工输入的类别信息可以是人工预先标定的上述目标图像是否包括主体的信息。

在一些实施例的一些可选的实现方式中，响应于确定上述目标图像不包括主体，将上述目标图像的像素设置成预定阈值。作为示例，响应于确定上述目标图像不包括主体，将上述目标图像的所有像素设置成0，即将上述目标图像置成黑色。

在一些实施例的一些可选的实现方式中，确定上述目标图像中是否包括主体还可以是以下步骤：

将上述目标图像输入至预先训练的主体识别网络中，得到上述目标图像中是否包括主体的信息。其中，上述主体识别网络可以是目标检测网络。在这里，上述目标检测网络可以包括以下之一：ssd(singleshotmultiboxdetector)算法，r-cnn(region-convolutionalneuralnetworks)算法，fastr-cnn(fastregion-convolutionalneuralnetworks)算法，spp-net(spatialpyramidpoolingnetwork)算法，yolo(youonlylookonce)算法，fpn(featurepyramidnetworks)算法，dcn(deformableconvnets)算法，retinanet目标检测算法等。

步骤502，响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像。

在一些实施例中，响应于确定上述目标图像包括主体，上述执行主体可以对上述目标图像进行分割，得到主体的图像和背景图像。其中，上述主体的图像可以是上述目标图像中前景图像。上述背景图像可以是目标图像中除前景图像之外的图像。作为示例，响应于确定上述目标图像包括主体，利用灰度阈值分割法对上述目标图像进行分割，得到上述主体的图像和背景图像。

在一些实施例的一些可选的实现方式中，上述响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像可以是以下步骤：

第一步，响应于确定上述目标图像包括主体，将上述目标图像输入至预先训练的图像分割网络中，得到上述主体的图像。其中，上述图像分割网络可以包括以下之一：fcn网络(fullyconvolutionalnetworks，全卷积网络)，segnet网络(semanticsegmentationnetwork，图像语义分割网络)，deeplab语义分割网络，pspnet网络(pyramidsceneparsingnetwork，语义分割网络)，mask-rcnn网络(mask-region-cnn，图像实例分割网络)。

第二步，基于上述主体的图像和上述目标图像，确定背景图像。

步骤503，对上述背景图像进行模糊化。

在一些实施例中，基于步骤502中得到的上述背景图像，上述执行主体对上述背景图像进行模糊化。其中，对上述背景图像进行模糊化的方法可以包括但不限于以下至少一项：对上述图像的背景进行高斯模糊处理，对上述图像的背景进行均匀模糊处理。作为示例，可以采用归一化滤波器(normalizedboxfilter)或者双边滤波器(bilateralfilter)对上述背景图像进行模糊处理，得到模糊后的背景图像。

步骤504，基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

在一些实施例中，用于处理图像的方法的执行主体可以基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。作为示例，可以利用opencv(opensourcecomputervisionlibrary，开源计算机视觉库)来对上述模糊化后的背景图像和上述主体的图像进行融合，得到融合后的图像。然后将对应的上述类别信息添加到上述融合图像上，得到带有类别信息的模糊化后的目标图像。

本公开的一些实施例公开的处理图像的方法，首先，确定目标图像中是否包括主体来作为目标图像虚化的基础，在这里，从而对于上述目标图像中包括主体和不包括主体的是可以进行不同的处理。其中，响应于确定上述目标图像包括主体，对上述目标图像进行分割，分割得到主体的图像和背景图像。然后对上述背景图像进行模糊化来降低上述背景图像的突出程度。最后，通过模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。该用于处理图像的方法可以简便、有效的对包括多种类型主体的目标图像进行背景虚化，进而凸显出主体，其中，上述多种类型主体可以指的是目标图像上的主体为至少一个不同的对象。

进一步参考图6，其示出了用于处理图像的方法的另一些实施例的流程600。该用于处理图像的方法的流程600，包括以下步骤：

步骤601，确定目标图像中是否包括主体。

步骤602，响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像。

步骤603，对上述背景图像进行模糊化。

在一些实施例中，步骤601-603的具体实现及所带来的技术效果可以参考图5对应的那些实施例中的步骤501-503，在此不再赘述。

步骤604，将模糊化后的背景图像的边缘和上述主体的图像的边缘进行处理。

在一些实施例中，上述执行主体可以将模糊化后的背景图像的边缘和上述主体的图像的边缘进行处理。作为示例，基于opencv(opensourcecomputervisionlibrary，开源计算机视觉库)，可以对模糊化后的背景图像的边缘的像素和上述主体的图像的像素进行归一化。

步骤605，将处理后的模糊化后的背景图像和处理后的主体的图像进行融合，得到模糊化后的目标图像。

在一些实施例中，上述执行主体可以将处理后的模糊化后的背景图像和处理后的主体的图像进行融合，得到模糊化后的目标图像。上述模糊化后的目标图像中包括主体和模糊处理后的背景。其中，融合过程可以在不同的层次上进行，可分为：信号级、像素级、特征级，决策级。作为示例，基于opencv(opensourcecomputervisionlibrary，开源计算机视觉库)，对可以将上述模糊后的背景图像和上述主体的图像的重叠区域的像素值按一定的权值相加合成来得到融合图像。

步骤606，将上述类别信息添加到上述模糊化后的目标图像，得到上述带有类别信息的模糊化后的目标图像。

在一些实施例中，上述执行主体可以将上述类别信息添加到上述模糊化后的目标图像，得到上述带有类别信息的模糊化后的目标图像。

从图6中可以看出，与图5对应的一些实施例的描述相比，图6对应的一些实施例中的处理图像的方法的流程600体现了进行上述主体的图像、模糊化后的背景图像和类别信息的融合的具体步骤。由此，这些实施例描述的方案可以对与目标图像相对应的中的主体的图像、模糊化后的背景图像和上述类别信息进行融合进行多样化提取，使得更可以更为自然、合理有效的得到带有类别信息的模糊化后的目标图像。

进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种用于处理图像的装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，一些实施例的用于处理图像的装置700包括：确定单元701、分割单元702、模糊单元703和生成单元704。其中，确定单元701，被配置成基于目标图像对应的类别信息，确定上述目标图像中是否包括主体，其中，上述主体对应于预先确定的至少一种主体类型；分割单元702，被配置成响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像；模糊单元703，被配置成对上述背景图像进行模糊化；生成单元704，被配置成基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

在一些实施例的一些可选的实现方式中，确定单元701进一步被配置成：将上述目标图像输入至预先训练的主体识别网络中，得到目标图像中是否包括主体的信息。

在一些实施例的一些可选的实现方式中，装置700还可以包括：设置单元(图中未示出)。其中，设置单元可以被配置成响应于确定上述目标图像不包括主体，将上述目标图像的像素设置成预定阈值。

在一些实施例的一些可选的实现方式中，分割单元702进一步被配置成：响应于确定上述目标图像包括主体，将上述目标图像输入至预先训练的图像分割网络中，得到上述主体的图像；基于上述主体的图像和上述目标图像，确定背景图像。

在一些实施例的一些可选的实现方式中，生成单元704进一步被配置成：将模糊化后的背景图像的边缘和上述主体的图像的边缘进行处理；将处理后的模糊化后的背景图像和处理后的主体的图像进行融合，得到模糊化后的目标图像；将上述类别信息添加到上述模糊化后的目标图像，得到上述带有类别信息的模糊化后的目标图像。

可以理解的是，该装置700中记载的诸单元与参考图5描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置700及其中包含的单元，在此不再赘述。

下面参考图8，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储装置808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。

通常，以下装置可以连接至i/o接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从rom802被安装。在该计算机程序被处理装置801执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定目标图像中是否包括主体，其中，上述主体对应的主体类型为至少一种；响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像；对上述背景图像进行模糊化；基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操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。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元、分割单元、模糊单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“确定目标图像中是否包括主体的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。

根据本公开的一个或多个实施例，提供了一种用于处理图像的方法，包括：基于目标图像对应的类别信息，确定上述目标图像中是否包括主体，其中，上述主体对应于预先确定的至少一种主体类型；响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像；对上述背景图像进行模糊化；基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

根据本公开的一个或多个实施例，上述方法还包括：响应于确定上述目标图像不包括主体，将上述目标图像的像素设置成预定阈值。

根据本公开的一个或多个实施例，上述基于目标图像对应的类别信息确定所述目标图像中是否包括主体，包括：基于目标图像对应的类别信息，将上述目标图像输入至预先训练的主体识别网络中，得到目标图像中是否包括主体的信息。

根据本公开的一个或多个实施例，上述响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像，包括：响应于确定上述目标图像包括主体，将上述目标图像输入至预先训练的图像分割网络中，得到上述主体的图像；基于上述主体的图像和上述目标图像，确定背景图像。

根据本公开的一个或多个实施例，上述基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像，包括：将模糊化后的背景图像的边缘和上述主体的图像的边缘进行处理；将处理后的模糊化后的背景图像和处理后的主体的图像进行融合，得到模糊化后的目标图像；将上述类别信息添加到上述模糊化后的目标图像，得到上述带有类别信息的模糊化后的目标图像。

根据本公开的一个或多个实施例，提供了一种用于处理图像的装置，包括：确定单元，被配置成基于目标图像对应的类别信息，确定所述目标图像中是否包括主体，其中，上述主体对应于预先确定的至少一种主体类型；分割单元，被配置成响应于确定上述目标图像包括主体，对上述目标图像进行分割，得到主体的图像和背景图像；模糊单元，被配置成对上述背景图像进行模糊化；生成单元，被配置成基于模糊化后的背景图像、上述主体的图像和上述类别信息，生成带有类别信息的模糊化后的目标图像。

根据本公开的一个或多个实施例，确定单元进一步被配置成：将上述目标图像输入至预先训练的主体识别网络中，得到目标图像中是否包括主体的信息。

根据本公开的一个或多个实施例，装置还可以包括：设置单元(图中未示出)。其中，设置单元可以被配置成响应于确定上述目标图像不包括主体，将上述目标图像的像素设置成预定阈值。

根据本公开的一个或多个实施例，分割单元进一步被配置成：响应于确定上述目标图像包括主体，将上述目标图像输入至预先训练的图像分割网络中，得到上述主体的图像；基于上述主体的图像和上述目标图像，确定背景图像；将上述主体的图像输入至预先训练的分类网络中，输出上述类别信息。

根据本公开的一个或多个实施例，生成单元进一步被配置成：将模糊化后的背景图像的边缘和上述主体的图像的边缘进行处理；将处理后的模糊化后的背景图像和处理后的主体的图像进行融合，得到模糊化后的目标图像；将上述类别信息添加到上述模糊化后的目标图像，得到上述带有类别信息的模糊化后的目标图像。

根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。