图像生成方法及装置、存储介质和电子设备与流程

1.本公开涉及图像处理技术领域，具体而言，涉及一种图像生成方法、图像生成装置、存储介质和电子设备。


背景技术：

2.三维重建和新视角图像渲染一直是计算机图形学领域的核心，也是近年来研究的重点。随着数字孪生、全息通讯和元宇宙等新概念的提出，工业界也对三维重建和新视角图像渲染的需求逐渐增加。
3.目前，新视角图像生成的方案中，普遍存在场景分辨能力弱、方案不灵活的问题。
4.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本公开的目的在于提供一种图像生成方法、图像生成装置、存储介质和电子设备，进而至少在一定程度上克服图像生成方案场景分辨能力弱、不灵活的问题。
6.根据本公开的第一方面，提供了一种图像生成方法，包括：获取与待生成图像对应的相机位姿，根据相机位姿确定与待生成图像中各像素点对应的射线；针对每条射线上的采样点，根据采样点的位置信息确定采样点的空间语义信息；根据采样点的位置信息和空间语义信息，确定采样点的色彩信息和密度信息；利用射线上各采样点的色彩信息和密度信息，确定待生成图像中与射线对应的像素点的色彩信息，以生成待生成图像。
7.可选地，根据采样点的位置信息确定采样点的空间语义信息包括：预先构建空间立方体，空间立方体中每个像素点均初始化配置空间语义信息；将初始化配置的空间语义信息作为可学习参数，利用与待生成图像同一场景的训练图像对空间语义信息进行训练，以得到空间立方体中每个像素点对应的空间语义信息；在采样点是空间立方体中像素点的情况下，根据采样点的位置信息确定出对应的空间语义信息。
8.可选地，图像生成方法还包括：在采样点不是空间立方体中像素点的情况下，确定空间立方体中与采样点邻近的像素点；对与采样点邻近的像素点对应的空间语义信息进行插值处理，以得到采样点的空间语义信息。
9.可选地，根据采样点的位置信息和空间语义信息，确定采样点的色彩信息和密度信息，包括：将采样点的位置信息和空间语义信息输入全连接网络，通过全连接网络的预测过程确定出采样点的色彩信息和密度信息。
10.可选地，图像生成方法还包括：预先获取与待生成图像同一场景的训练图像；将训练图像对应的射线上采样点的位置信息和空间语义信息输入全连接网络；根据训练过程中全连接网络输出的色彩信息和密度信息，生成中间图像；将中间图像与预先选取的真实图像进行比较，计算损失信息，并利用损失信息对全连接网络中的网络参数进行调整。
11.可选地，参与网络训练的训练图像中包括相机位姿与待生成图像对应的相机位姿
不同的训练图像。
12.可选地，利用射线上各采样点的色彩信息和密度信息，确定待生成图像中与射线对应的像素点的色彩信息，包括：以射线上各采样点的密度信息作为权重，对相应的色彩信息进行积分操作，以确定出待生成图像中与射线对应的像素点的色彩信息。
13.根据本公开的第二方面，提供了一种图像生成装置，包括：射线确定模块，用于获取与待生成图像对应的相机位姿，根据相机位姿确定与待生成图像中各像素点对应的射线；空间特征确定模块，用于针对每条射线上的采样点，根据采样点的位置信息确定采样点的空间语义信息；信息确定模块，用于根据采样点的位置信息和空间语义信息，确定采样点的色彩信息和密度信息；图像生成模块，用于利用射线上各采样点的色彩信息和密度信息，确定待生成图像中与射线对应的像素点的色彩信息，以生成待生成图像。
14.可选地，空间特征确定模块可以被配置为执行：预先构建空间立方体，空间立方体中每个像素点均初始化配置空间语义信息；将初始化配置的空间语义信息作为可学习参数，利用与待生成图像同一场景的训练图像对空间语义信息进行训练，以得到空间立方体中每个像素点对应的空间语义信息；在采样点是空间立方体中像素点的情况下，根据采样点的位置信息确定出对应的空间语义信息。
15.可选地，空间特征确定模块还可以被配置为执行：在采样点不是空间立方体中像素点的情况下，确定空间立方体中与采样点邻近的像素点；对与采样点邻近的像素点对应的空间语义信息进行插值处理，以得到采样点的空间语义信息。
16.可选地，信息确定模块可以被配置为执行：将采样点的位置信息和空间语义信息输入全连接网络，通过全连接网络的预测过程确定出采样点的色彩信息和密度信息。
17.可选地，图像生成装置还包括训练模块，该训练模块可以被配置为执行：预先获取与待生成图像同一场景的训练图像；将训练图像对应的射线上采样点的位置信息和空间语义信息输入全连接网络；根据训练过程中全连接网络输出的色彩信息和密度信息，生成中间图像；将中间图像与预先选取的真实图像进行比较，计算损失信息，并利用损失信息对全连接网络中的网络参数进行调整。
18.可选地，参与网络训练的训练图像中包括相机位姿与待生成图像对应的相机位姿不同的训练图像。
19.可选地，图像生成模块可以被配置为执行：以射线上各采样点的密度信息作为权重，对相应的色彩信息进行积分操作，以确定出待生成图像中与射线对应的像素点的色彩信息。
20.根据本公开的第三方面，提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述图像生成方法。
21.根据本公开的第四方面，提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；该处理器被配置为经由执行可执行指令来实现上述图像生成方法。
22.在本公开的一些实施例所提供的技术方案中，根据射线上采样点的位置信息和空间语义信息确定采样点的色彩信息和密度信息，再利用射线上各采样点的色彩信息和密度信息，确定待生成图像上与该射线对应的像素点的色彩信息，以生成图像。一方面，本公开方案结合空间语义信息来生成新视角图像，提高了场景分辨能力，且不受实施场景的限制，
具有通用性。另一方面，由于考虑到了空间语义信息，使得生成的图像能够较好地与视角(相机位姿)匹配，图像生成的准确度高。
23.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：
25.图1示出了本公开实施方式的图像生成过程的示意图；
26.图2示出了本公开实施例的图像生成方案所涉各个阶段的示意图；
27.图3示意性示出了根据本公开示例性实施方式的图像生成方法的流程图；
28.图4示意性示出了本公开实施例的确定采样点的空间语义信息的流程图；
29.图5示意性示出了本公开实施例的场景编辑过程的流程图；
30.图6示意性示出了根据本公开示例性实施方式的图像生成装置的方框图；
31.图7示意性示出了根据本公开另一示例性实施方式的图像生成装置的方框图；
32.图8示意性示出了根据本公开的示例性实施方式的电子设备的方框图。
具体实施方式
33.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
34.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
35.附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
36.需要说明的是，本公开实施方式的图像生成方案可以由电子设备实现。也就是说，可以由电子设备执行本公开实施方式的图像生成方法的各个步骤，图像生成装置可以配置在该电子设备中。
37.本公开所说的电子设备包括但不限于智能手机、平板电脑、智能可穿戴设备等，另外，电子设备还可以是服务器，本公开对此不做限制。
38.图1示出了本公开实施方式的图像生成过程的示意图。参考图1，如果将本公开实施方式的图像生成过程看作一个整体，那么这个整体的输入是场景中新视角，输出是该新视角下对应的图像。另外，利用同一场景其他视角下拍摄的图像，可以训练图像生成过程中使用的参数，以保证在输入视角的情况下，可以输出对应的图像。其中，对于视角，指的是观察者的观察角度，在本公开实施方式基于计算机来实现方案处理的过程中，可以利用相机位姿来表征视角。
39.针对一真实场景，可以预先拍摄不同视角的图像，利用这些图像对本公开实施方式的图像生成过程所采用的可学习参数进行训练，以得到参数调整后的结果。当有新视角输入时，新视角的信息经由本公开图像生成方案的处理，可以生成与新视角对应的图像。
40.可以理解的是，上述生成的图像与预先用于训练的图像可以是场景相同而视角不同的图像。
41.图2示出了本公开实施例的图像生成方案所涉各个阶段的示意图。
42.本公开实施方式的图像生成方案可以包括前向传播和反向传播的过程。对于前向传播，在输入目标视角后，经由三维虚拟射线生成阶段、三维空间点采样阶段、三维空间特征确定阶段、空间点特征获取阶段、神经渲染网络处理阶段和三维体渲染阶段的处理，可以生成与目标视角对应的目标图像。对于反向传播，可以经由三维体渲染阶段、神经渲染网络处理阶段、空间点特征获取阶段、三维空间特征确定阶段，对三维空间特征确定阶段以及神经渲染网络处理阶段包含的可学习参数进行调整。
43.下面对图2中所涉的各处理阶段分别进行说明。
44.针对三维虚拟射线生成阶段：不同的视角对应不同的相机位姿，在获取到目标视角时，即在获取到相机位姿时，以相机位姿为起点向观察方向投射射线，如果目标图像的大小为h
×
w(高
×
宽)，则以像素点之间的距离为偏移量生成h
×
w条射线。
45.针对三维空间点采样阶段：由于电子设备计算能力以及操作耗时的限制，通常无法对空间中每个点的信息进行查询，因此，需要进行空间点采样。具体的，沿每条射线采样固定数量的点，采样的方式例如为随机采样。通过三维空间点采样，可以例如确定出h
×w×
n个采样点。
46.针对三维空间特征确定阶段：预先设定一个大小为h
×w×
d(高
×
宽
×
深)的空间立方体，空间立方体中每个像素点都被初始化一个特征向量，并将这些特征向量设置为可学习参数。在训练过程中，利用同场景的图像可以实现这些特征向量的更新。在训练完成后，空间中每个点均对应有能够表征语义信息的特征向量，以便后续推理过程的调用。
47.针对空间点特征获取阶段：本公开实施例采用三维局部特征，而不是全局特征。因此，可以根据三维空间中采样点的坐标位置索引到该采样点的特征向量。
48.针对神经渲染网络处理阶段：本公开采用的神经渲染网络可以是全连接网络，网络的输入是空间中采样点的位置以及特征向量，输出是该采样点的色彩值和密度值。其中，密度值表征的是该采样点的透明程度，可以作为色彩值的权重应用于后续处理过程。
49.针对三维体渲染阶段：三维空间中每条射线对应新视角二维图像的一个像素点，渲染过程逐点进行，也就是沿该射线上采样到的三维点进行积分操作，具体公式如下：
[0050][0051]
其中，c为目标图像上像素点的rgb值，r表示射线，d为射线方向向量，c表示空间采样点rgb值，σ为密度值。tn、tf分别为在射线上积分的最近点和最远点。t(t)计算了到该射线上的某点为止的光线的累积投射率。
[0052]
本公开实施例引入可学习的三维空间语义特征来生成新视角图像，该特征的引入使得系统至少具备通用性和可控性。通用性表现在网络模型的输入以特征为先决条件的指导下具备分辨不同场景的能力，可以自适应的输出不同的值，所以一个训练好的网络模型便可以生成多种场景的三维模型。可控性表现在三维空间语义特征可以逐点的获取特征，所以可以对应的获取不同位置的特征向量并进行相应操作。
[0053]
另外，本公开实施例的图像生成方案可以是端到端的渲染系统，可学习参数的训练可以部署在云平台上，针对同一场景，用户只需输入期望的视角便可以得到该场景下与视角对应的图像。
[0054]
此外，用户还可以输入不同的效果来实现场景中物体的叠加、移动等操作。
[0055]
图3示意性示出了本公开的示例性实施方式的图像生成方法的流程图。参考图3，该图像生成方法可以包括以下步骤：
[0056]
s32.获取与待生成图像对应的相机位姿，根据相机位姿确定与待生成图像中各像素点对应的射线。
[0057]
相机位姿对应视角，即观察者的观察位置和观察姿态。在一个实施例中，可以由用户根据期望生成的图像手动输入相机位姿；在另一个实施例中，电子设备可以根据图像渲染效果自动生成相机位姿，其中，图像渲染效果涉及的因素包括但不限于景深配置、旋转、移动等。
[0058]
在获取到相机位姿后，可以基于相机位姿发射h
×
w条射线。可以理解的是，本公开实施例中所说的射线是虚拟射线，是计算机处理时采用的算法手段，不意味着空间中实际也存在射线。其中，待生成图像的大小为h
×
w，也就是说，每一条射线均对应待生成图像上一个像素点。
[0059]
此外，针对每一条射线，可以进行采样，确定出采样点。例如，每条射线选取n个采样点，在这种情况下，一共采集得到h
×w×
n个采样点。
[0060]
s34.针对每条射线上的采样点，根据采样点的位置信息确定采样点的空间语义信息。
[0061]
根据本公开的一些实施例，可以预先构建空间立方体，类似地，该立方体是计算机处理时采用的手段，不意味着空间中实际存在立方体。该空间立方体中每个像素点均初始化配置空间语义信息，将初始化配置的空间语义信息作为可学习参数，利用与待生成图像同一场景的训练图像对空间语义信息进行训练，以得到空间立方体中每个像素点对应的空间语义信息。
[0062]
针对每条射线上的采样点，在采样点是空间立方体中像素点的情况下，可以根据采样点的位置信息确定对应的空间语义信息；在采样点不是空间立方体中像素点的情况下，可以确定空间立方体中与采样点邻近的像素点，并对与采样点邻近的像素点对应的空间语义信息进行插值处理，以得到采样点的空间语义信息。
[0063]
图4示意性示出了本公开实施例的确定采样点的空间语义信息的流程图。
[0064]
在步骤s402中，构建空间立方体，初始化像素点的空间语义信息。
[0065]
在步骤s404中，利用同一场景的图像对空间语义信息进行训练，以确定出空间立方体上每个像素点对应的空间语义信息。
[0066]
应当理解的是，步骤s402和步骤s404可以是预处理过程，即是在生成待生成图像的过程之前进行的步骤。另外，这两个步骤也可以在云平台上执行。
[0067]
在步骤s406中，电子设备可以确定采样点的位置信息。
[0068]
在步骤s408中，电子设备可以根据采样点的位置信息判断该采样点是否为空间立方体的像素点。如果是空间立方体的像素点，则执行步骤s410，直接确定对应的空间语义信息；如果不是空间立方体的像素点，则执行步骤s412，对空间立方体中与该采样点邻近的像素点的空间语义信息进行插值，并将插值的结果确定为该采样点对应的空间语义信息。
[0069]
s36.根据采样点的位置信息和空间语义信息，确定采样点的色彩信息和密度信息。
[0070]
在本公开的示例性实施方式中，电子设备可以将采样点的位置信息和空间语义信息输入全连接网络，即上面提到的神经渲染网络。可以通过全连接网络的预测过程确定出该采样点的色彩信息和密度信息。
[0071]
可以理解的是，该全连接网络是经训练后确定出的网络。训练的过程可以由电子设备执行，也可以由云平台执行。
[0072]
针对预先训练的过程，可以获取与待生成图像同一场景的训练图像，将训练图像对应的射线上采样点的位置信息和空间语义信息输入全连接网络。根据训练过程中全连接网络输出的色彩信息和密度信息，生成中间图像，再将该中间图像与预先选取的真实图像进行比较，计算损失信息，并利用该损失信息对全连接网络中的网络参数进行调整。
[0073]
可以理解的是，参与网络训练的训练图像中包括相机位姿与待生成图像对应的相机位姿不同的训练图像。也就是说，训练图像与待生成图像是同一场景且不同视角下对应的图像。
[0074]
s38.利用射线上各采样点的色彩信息和密度信息，确定待生成图像中与射线对应的像素点的色彩信息，以生成待生成图像。
[0075]
电子设备可以根据步骤s36确定出射线上每个采样点的色彩信息和密度信息。在这种情况下，以该射线上各采样点的密度信息作为权重，对相应的色彩信息进行积分操作，以确定出待生成图像中与该射线对应的像素点的色彩信息。
[0076]
根据本公开的一些实施例，可以结合下式确定出待生成图像中与该射线对应的像素点的色彩信息，即rgb值。
[0077][0078]
其中，c为目标图像上像素点的rgb值，r表示射线，d为射线方向向量，c表示空间采样点rgb值，σ为密度值。tn、tf分别为在射线上积分的最近点和最远点。t(t)计算了到该射线上的某点为止的光线的累积投射率。
[0079]
针对每一条射线，均确定出待生成图像中对应像素点的色彩信息。鉴于射线与待生成图像中像素点一一对应，在确定出待生成图像中每个像素点的色彩信息的情况下，生
成了该待生成图像，即生成了场景中新视角的图像。
[0080]
下面将参考图5对本公开实施例的将一场景中的物体叠加至另一场景中的过程进行说明。
[0081]
在步骤s502中，电子设备获取场景1的图像。
[0082]
在步骤s504中，电子设备从场景1的图像中分割出目标物体，生成体积掩码。其中，目标物体可以是预定类型的物体，例如皮球、椅子等，本公开对此不做限制。
[0083]
在步骤s506中，电子设备确定场景1的三维空间特征。
[0084]
在步骤s508中，电子设备利用场景1的三维空间特征以及目标物体的体积掩码，确定目标物体的三维空间特征。
[0085]
在步骤s510中，电子设备可以确定场景2的三维空间特征。
[0086]
在步骤s512中，电子设备可以将目标物体的三维空间特征与场景2的三维空间特征融合，确定出总体的三维空间特征。
[0087]
在步骤s514中，电子设备可以将上述总体的三维空间特征确定为空间语义信息，执行上述图像生成过程。
[0088]
在步骤s516中，电子设备可以输出场景2叠加目标物体的图像。
[0089]
在本公开上述实施例的图像生成方法的处理过程中，通过引入可学习的三维空间语义特征来生成新视角图像，该特征的引入使得系统至少具备通用性和可控性。通用性表现在网络模型的输入以特征为先决条件的指导下具备分辨不同场景的能力，可以自适应的输出不同的值，所以一个训练好的网络模型便可以生成多种场景的三维模型。可控性表现在三维空间语义特征可以逐点的获取特征，所以可以对应的获取不同位置的特征向量并进行相应操作。
[0090]
另外，本公开实施例的图像生成方案可以是端到端的渲染系统，可学习参数的训练可以部署在云平台上，针对同一场景，用户只需输入期望的视角便可以得到该场景下与视角对应的图像。用户还可以输入不同的效果来实现场景中物体的叠加、移动等操作。
[0091]
此外，可以利用本公开实施例的方案将图像中的对象分割生成掩码，在三维空间特征中得到该对象的特征向量，进而实现场景编辑。
[0092]
应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0093]
进一步的，本示例实施方式中还提供了一种图像生成装置。
[0094]
图6示意性示出了本公开的示例性实施方式的图像生成装置的方框图。参考图6，根据本公开的示例性实施方式的图像生成装置6可以包括射线确定模块61、空间特征确定模块63、信息确定模块65和图像生成模块67。
[0095]
具体的，射线确定模块61可以用于获取与待生成图像对应的相机位姿，根据相机位姿确定与待生成图像中各像素点对应的射线；空间特征确定模块63可以用于针对每条射线上的采样点，根据采样点的位置信息确定采样点的空间语义信息；信息确定模块65可以用于根据采样点的位置信息和空间语义信息，确定采样点的色彩信息和密度信息；图像生成模块67可以用于利用射线上各采样点的色彩信息和密度信息，确定待生成图像中与射线
对应的像素点的色彩信息，以生成待生成图像。
[0096]
根据本公开的示例性实施例，空间特征确定模块63可以被配置为执行：预先构建空间立方体，空间立方体中每个像素点均初始化配置空间语义信息；将初始化配置的空间语义信息作为可学习参数，利用与待生成图像同一场景的训练图像对空间语义信息进行训练，以得到空间立方体中每个像素点对应的空间语义信息；在采样点是空间立方体中像素点的情况下，根据采样点的位置信息确定出对应的空间语义信息。
[0097]
根据本公开的示例性实施例，空间特征确定模块63还可以被配置为执行：在采样点不是空间立方体中像素点的情况下，确定空间立方体中与采样点邻近的像素点；对与采样点邻近的像素点对应的空间语义信息进行插值处理，以得到采样点的空间语义信息。
[0098]
根据本公开的示例性实施例，信息确定模块65可以被配置为执行：将采样点的位置信息和空间语义信息输入全连接网络，通过全连接网络的预测过程确定出采样点的色彩信息和密度信息。
[0099]
根据本公开的示例性实施例，参考图7，相比于图像生成装置6，图像生成装置7还可以包括训练模块71。
[0100]
具体的，训练模块71可以被配置为执行：预先获取与待生成图像同一场景的训练图像；将训练图像对应的射线上采样点的位置信息和空间语义信息输入全连接网络；根据训练过程中全连接网络输出的色彩信息和密度信息，生成中间图像；将中间图像与预先选取的真实图像进行比较，计算损失信息，并利用损失信息对全连接网络中的网络参数进行调整。
[0101]
根据本公开的示例性实施例，参与网络训练的训练图像中包括相机位姿与待生成图像对应的相机位姿不同的训练图像。
[0102]
根据本公开的示例性实施例，图像生成模块67可以被配置为执行：以射线上各采样点的密度信息作为权重，对相应的色彩信息进行积分操作，以确定出待生成图像中与射线对应的像素点的色彩信息。
[0103]
由于本公开实施方式的图像生成装置的各个功能模块与上述方法实施方式中相同，因此在此不再赘述。
[0104]
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
[0105]
根据本公开的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，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。
[0106]
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读
存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光盘、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0107]
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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
[0108]
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0109]
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0110]
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
[0111]
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0112]
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0113]
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。
[0114]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行本公开实施方式的图像生成方法的各个步骤。
[0115]
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(rom)8203。
[0116]
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0117]
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0118]
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0119]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
[0120]
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
[0121]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0122]
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
[0123]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。