本申请涉及图像处理，尤其涉及一种图像处理方法及电子设备。
背景技术：
1、目前，多采用深度学习的网络模型对图像进行处理，以得到满足需求的图像。
2、但是，深度学习的网络模型虽然具有较高的可靠性，但其计算量较大，导致运行时间较长，使得效率较低。
技术实现思路
1、有鉴于此，本申请提供一种图像处理方法及电子设备，如下：
2、一种图像处理方法，包括：
3、获得第一图像的图像特征参数，所述图像特征参数表征所述第一图像的图像质量；
4、根据所述第一图像的图像特征参数，在多个图像处理方式中，确定目标处理方式，不同的所述图像处理方式对应于不同的处理计算量；
5、按照所述目标处理方式，对所述第一图像进行处理，以得到目标图像。
6、上述方法，优选的，所述图像特征参数包括所述第一图像的图像频率参数；
7、其中，获得第一图像的图像特征参数，包括：
8、接收针对第一图像的频率识别信号；
9、从所述频率识别信号中，获得所述第一图像的图像频率参数。
10、上述方法，优选的，所述图像特征参数包括所述第一图像的图像频率参数；
11、其中，获得第一图像的图像频率参数，包括：
12、对所述第一图像进行频谱分析，以得到所述第一图像的图像频率参数。
13、上述方法，优选的，所述图像特征参数包括所述第一图像的图像频率参数；
14、其中，获得第一图像的图像特征参数，包括：
15、使用频率识别模型，对第一图像进行处理，以得到所述第一图像的图像频率参数；
16、其中，所述频率识别模型基于频率训练样本进行训练得到，所述频率训练样本包含输入样本和输出样本，所述输入样本包括样本图像，所述输出样本包括所述样本图像的图像频率参数。
17、上述方法，优选的，所述图像处理方式为基于机器学习模型的处理方式，不同的所述机器学习模型对应于不同的模型参数；
18、其中，根据所述第一图像的图像特征参数，在多个图像处理方式中，确定目标处理方式，包括：
19、根据所述第一图像的图像特征参数，在多个所述机器学习模型中，确定目标学习模型，以使得所述目标学习模型对所述第一图像进行处理，以得到目标图像；
20、其中，所述目标学习模型的模型参数与所述图像特征参数相匹配。
21、上述方法，优选的，所述机器学习模型被配置有预置范围；
22、其中，根据所述第一图像的图像特征参数，在多个所述机器学习模型中，确定目标学习模型，包括：
23、按照所述第一图像的图像特征参数所处的参数范围，在多个所述机器学习模型中，确定目标学习模型，所述目标学习模型对应的预置范围与所述图像调整参数所处的参数范围相匹配。
24、上述方法，优选的，所述图像处理方式为基于机器学习模型的处理方式；
25、其中，根据所述第一图像的图像特征参数，在多个图像处理方式中，确定目标处理方式，包括：
26、根据所述第一图像的图像特征参数，调整所述机器学习模型的模型参数，以使得所述机器学习模型以调整后的目标模型参数对所述第一图像进行处理，以得到目标图像；
27、其中，所述目标模型参数与所述图像特征参数相匹配。
28、上述方法，优选的，所述方法还包括：
29、获得第二图像，所述第二图像为所述第一图像之后的图像；
30、获得所述第二图像与所述第一图像的相似度；
31、在所述相似度满足图像相似条件的情况下，以所述第二图像作为所述第一图像，执行所述：按照所述目标处理方式，对所述第一图像进行处理，以得到目标图像。
32、上述方法，优选的，所述方法还包括：
33、在所述相似度不满足所述图像相似条件的情况下，以所述第二图像作为所述第一图像，执行所述：根据所述第一图像的图像特征参数，在多个图像处理方式中，确定目标处理方式。
34、一种图像处理装置，包括：
35、特征获得单元，用于获得第一图像的图像特征参数，所述图像特征参数表征所述第一图像的图像质量；
36、目标确定单元，用于根据所述第一图像的图像特征参数，在多个图像处理方式中，确定目标处理方式，不同的所述图像处理方式对应于不同的处理计算量；
37、目标处理单元，用于按照所述目标处理方式，对所述第一图像进行处理，以得到目标图像。
38、一种电子设备，包括：
39、存储器，用于存储计算机程序以及所述计算机程序运行所产生的数据；
40、处理器，用于执行所述计算机程序，以实现：获得第一图像的图像特征参数，所述图像特征参数表征所述第一图像的图像质量；根据所述第一图像的图像特征参数，在多个图像处理方式中，确定目标处理方式，不同的所述图像处理方式对应于不同的处理计算量；按照所述目标处理方式，对所述第一图像进行处理，以得到目标图像。
1.一种图像处理方法，包括：
2.根据权利要求1所述的方法，所述图像特征参数包括所述第一图像的图像频率参数；
3.根据权利要求1所述的方法，所述图像特征参数包括所述第一图像的图像频率参数；
4.根据权利要求1所述的方法，所述图像特征参数包括所述第一图像的图像频率参数；
5.根据权利要求1、2、3或4所述的方法，所述图像处理方式为基于机器学习模型的处理方式，不同的所述机器学习模型对应于不同的模型参数；
6.根据权利要求5所述的方法，所述机器学习模型被配置有预置范围；
7.根据权利要求1、2、3或4所述的方法，所述图像处理方式为基于机器学习模型的处理方式；
8.根据权利要求1、2、3或4所述的方法，所述方法还包括：
9.根据权利要求8所述的方法，所述方法还包括：
10.一种电子设备，包括：
