一种图像处理方法及终端.pdf

本发明实施例公开了一种图像处理方法及终端。其中，该方法包括：对预览图像进行拍摄，获得拍摄图像；生成包括所述拍摄图像的图像数据的图像文件；获取拍摄后预设时间段内终端周围的音频信号；根据所述音频信号生成音频文件；将所述音频文件包括的音频数据写入所述图像文件指定的预留位置中，以生成携带有所述音频数据的目标图像文件。实施本发明实施例可以丰富照片的内容。

权利要求书1.  一种图像处理方法，其特征在于，包括：对预览图像进行拍摄，获得拍摄图像；生成包括所述拍摄图像的图像数据的图像文件；获取拍摄后预设时间段内终端周围的音频信号；根据所述音频信号生成音频文件；将所述音频文件包括的音频数据写入所述图像文件指定的预留位置中，以生成携带有所述音频数据的目标图像文件。2.  根据权利要求1所述的方法，其特征在于，所述将所述音频文件包括的音频数据写入所述图像文件指定的预留位置中，以生成携带有所述音频数据的目标图像文件，包括：解析所述图像文件包括的格式信息，以查找到所述格式信息中的预留位置；读取所述音频文件包括的音频数据；将所述音频数据转换为二进制数据，并存储在所述格式信息中的预留位置；对所述二进制数据和所述图像数据进行数据合成，以生成携带有音频数据的目标图像文件。3.  根据权利要求1所述的方法，其特征在于，所述对预览图像进行拍摄，获得拍摄图像之前，所述方法还包括：开启有声拍摄模式；所述对预览图像进行拍摄，获得拍摄图像包括：在所述有声拍摄模式下，检测用户输入的拍摄指令；响应所述拍摄指令，对预览图像进行拍摄，获得拍摄图像。4.  根据权利要求3所述的方法，其特征在于，所述获取拍摄后预设时间段内终端周围的音频信号之前，所述方法还包括：判断拍摄是否结束；若拍摄结束，则输出提示信息，所述提示信息用于提示进行录音。5.  根据权利要求4所述的方法，其特征在于，所述输出提示信息之后，以及所述获取拍摄后预设时间段内终端周围的音频信号之前，所述方法还包括：输出录音按钮；所述获取拍摄后预设时间段内终端周围的音频信号包括：检测触发所述录音按钮输出的录音指令；响应所述录音指令，获取拍摄后预设时间段内终端周围的音频信号。6.  根据权利要求1～5任一项所述的方法，其特征在于，所述方法还包括：接收用户输入的目标图像文件播放指令；响应所述目标图像文件播放指令，输出所述目标图像文件包括的所述目标图像和所述音频数据。7.  一种终端，其特征在于，包括：拍摄单元，用于对预览图像进行拍摄，获得拍摄图像；图像文件生成单元，用于生成包括所述拍摄图像的图像数据的图像文件；获取单元，用于获取拍摄后预设时间段内终端周围的音频信号；音频文件生成单元，用于根据所述获取单元获取到的所述音频信号生成音频文件；组合文件生成单元，用于将所述音频文件包括的音频数据写入所述图像文件指定的预留位置中，以生成携带有所述音频数据的目标图像文件。8.  根据权利要求7所述的终端，其特征在于，所述组合文件生成单元包括：解析子单元，用于解析所述图像文件包括的格式信息，以查找到所述格式信息中的预留位置；读取子单元，用于读取所述音频文件包括的音频数据；转换子单元，用于将所述音频数据转换为二进制数据，并存储在所述格式信息中的预留位置；合成子单元，用于对所述二进制数据和所述图像数据进行数据合成，以生成携带有音频数据的目标图像文件。9.  根据权利要求7所述的终端，其特征在于，所述终端还包括：开启单元，用于在所述拍摄单元对预览图像进行拍摄，获得拍摄图像之前，开启有声拍摄模式；所述拍摄单元包括：第一检测子单元，用于在所述有声拍摄模式下，检测用户输入的拍摄指令；第一获取子单元，用于响应所述拍摄指令，对预览图像进行拍摄，获得拍摄图像。10.  根据权利要求9所述的终端，其特征在于，所述终端还包括：判断单元，用于在所述获取单元获取拍摄后预设时间段内终端周围的音频信号之前，判断拍摄是否结束；第一输出单元，用于在所述判断单元判断拍摄结束时，输出提示信息，所述提示信息用于提示进行录音。11.  根据权利要求10所述的终端，其特征在于，所述第一输出单元，还用于在输出提示信息之后，以及所述获取单元获取拍摄后预设时间段内终端周围的音频信号之前，输出录音按钮；所述获取单元包括：第二检测子单元，用于检测触发所述录音按钮输出的录音指令；第二获取子单元，用于响应所述录音指令，获取拍摄后预设时间段内终端周围的音频信号。12.  根据权利要求7～11任一项所述的终端，其特征在于，所述终端还包括：接收单元，用于接收用户输入的目标图像文件播放指令；第二输出单元，用于响应所述目标图像文件播放指令，输出所述目标图像文件包括的所述目标图像和所述音频数据。

说明书一种图像处理方法及终端
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像处理方法及终端。
背景技术
随着手机等移动终端拍照性能的快速提升，越来越多的用户热衷于拍照。在旅游、聚会以及其他有纪念价值的场合中，用户都希望通过拍照的方式进行留念，日后在翻看这些照片与家人朋友分享。
然而，现有技术中，照片从黑白到彩色，仅仅能记录当时的视觉信息，即照片本身的信息，而拍照当时的环境信息(如声音信息)却无法融入到照片当中，使得照片内容比较单一，无法满足用户对照片多元化的要求。
发明内容
本发明实施例提供一种图像处理方法及终端，可以丰富照片内容。
本发明实施例第一方面提供了一种图像处理方法，包括：
对预览图像进行拍摄，获得拍摄图像；
生成包括所述拍摄图像的图像数据的图像文件；
获取拍摄后预设时间段内终端周围的音频信号；
根据所述音频信号生成音频文件；
将所述音频文件包括的音频数据写入所述图像文件指定的预留位置中，以生成携带有所述音频数据的目标图像文件。
本发明实施例第二方面提供了一种终端，包括：
拍摄单元，用于对预览图像进行拍摄，获得拍摄图像；
图像文件生成单元，用于生成包括所述拍摄图像的图像数据的图像文件；
获取单元，用于获取拍摄后预设时间段内终端周围的音频信号；
音频文件生成单元，用于根据所述获取单元获取到的所述音频信号生成音 频文件；
组合文件生成单元，用于将所述音频文件包括的音频数据写入所述图像文件指定的预留位置中，以生成携带有所述音频数据的目标图像文件。
本发明实施例中，终端先获取拍摄图像，得到包括拍摄图像的图像数据的图像文件；在拍摄结束后，获取预设时间段内终端周围的音频信号，得到包括音频数据的音频文件；进一步地，将音频文件包括的音频数据写入图像文件指定的预留位置中，生成携带有音频数据的目标图像文件，从而可以丰富照片内容，满足用户对照片多元化的要求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
图1是本发明实施例公开的一种图像处理方法的流程示意图；
图2是本发明实施例公开的另一种图像处理方法的流程示意图；
图3是本发明实施例公开的又一种图像处理方法的流程示意图；
图4是本发明实施例公开的一种终端拍摄应用界面的交互图；
图5是本发明实施例公开的一种终端的结构示意图；
图6是本发明实施例公开的另一种终端的结构示意图；
图7是本发明实施例公开的又一种终端的结构示意图；
图8是本发明实施例公开的又一种终端的结构示意图。
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做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。
本发明实施例公开了一种图像处理方法及终端，可以丰富照片内容，以下分别进行详细说明。
本发明实施例中，终端可以包括任意具有拍摄功能的智能设备，其中，智能设备包括但不限于：手机、平板电脑、电子阅读器、遥控器、个人计算机(Personal Computer，PC)、笔记本电脑、车载设备、网络电视、可穿戴设备等配置有拍摄装置的智能设备，另外，本发明实施例中，终端可以是相机或摄像机等可以进行拍摄的装置。
请参见图1，图1是本发明实施例公开的一种图像处理方法的流程示意图。如图1所示，该方法可以包括以下步骤：
S101、对预览图像进行拍摄，获得拍摄图像。
本发明实施例中，终端可以通过其内置的拍摄模块对预览图像进行拍摄，获得拍摄图像。其中，该拍摄模块可以包括摄像头、水印相机，以及其他具有拍摄功能的APP等，本发明实施例不作限定。
终端在启动拍摄模块，进入拍摄界面后，可以在拍摄界面实时显示当前的预览图像。当终端检测到用户操作终端拍摄按键或该拍摄界面包括的虚拟拍摄功能按键输入的拍摄指令时，终端响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
S102、生成包括拍摄图像的图像数据的图像文件。
本发明实施例中，终端在获得拍摄图像之后，自动将图像信息转换成数据信息，生成包括拍摄图像的图像数据信息的图像文件，并以一定文件格式存储。
举例来说，该图像文件可以包括多种文件格式，例如：JPEG文件格式、TIFF文件格式、以及JFIF文件格式等，本发明实施例不作限定。终端将获得的拍摄图像进行分解，分解成很多像素，每一个像素用一个数值来表示它的灰度，终端把这些灰度值构成的数据信息存储到某种图像文件格式中。
S103、获取拍摄后预设时间段内终端周围的音频信号。
本发明实施例中，可以通过终端内置的具有录音功能的模块来获取预设时间段内终端周围的音频信号。其中，该模块可以包括终端内置或外设的麦克风等声音传感器，该音频信号是由声音信号转换成的电信号，可以携带语音、音乐和音效的有规律的声波的频率、幅度变化信息等。
本发明实施例中，由于图像文件的存储空间受到限制，获取的音频信号不宜过长，因而事先必须设置获取音频信号的时间段，只要获取该预设时间段内的音频信号的容量不超过存储空间即可，该预设时间段可以为5S或10S等，本 发明实施例不作限定。
本发明实施例中，终端周围的音频信号可以包括环境音频信号，例如：喧闹的KTV、海浪声、生日聚会、以及演唱会等，也可以包括拍摄后用户通过终端录制的一段录音，本发明实施例不作限定。
S104、根据音频信号生成音频文件。
本发明实施例中，终端根据音频信号生成音频文件的具体实现方式可以包括以下步骤：
11)在预设时间段内对音频信号进行采样得到音频信号样本；
12)对采样得到的音频信号样本进行处理，得到包括音频数据的音频文件。
本发明实施例中，音频信号为模拟信号，需要先对音频模拟信号进行采样，得到音频信号样本，然后对采样得到的音频信号样本进行量化处理，得到采样和量化后的数字数据，整个过程即为模/数转换，将音频模拟信号转换成音频数字信号。
本发明实施例中，经过模/数转换的音频信号而生成的音频文件可以进行存储，该音频文件可以用AMR格式保存，其中，该AMR格式压缩比较大，可以存储更长时间段的音频信号。
S105、将音频文件包括的音频数据写入图像文件指定的预留位置中，以生成携带有音频数据的目标图像文件。
本发明实施例中，步骤S105的具体实现方式可以包括以下步骤：
13)解析图像文件包括的格式信息，以查找到格式信息中的预留位置；
14)读取所述音频文件包括的音频数据；
15)将音频数据转换为二进制数据，并存储在格式信息中的预留位置；
16)对二进制数据和图像数据进行数据合成，以生成携带有音频数据的目标图像文件。
举例来说，上述的格式信息可以包括图像文件(如JPEG/TIFF文件)头部的Exif信息。Exif是英文Exchangeable Image File(可交换图像文件)的缩写，Exif文件实际是JPEG文件的一种，遵从JPEG标准，只是在文件头信息中增加了有关拍摄信息的内容和索引图。EXIF信息可以包括由终端在拍摄过程中采集的一系列信息，然后把信息写入图像文件(如JPEG/TIFF文件)的头部，即EXIF信息为镶嵌在JPEG/TIFF图像文件格式内的一组拍摄参数，例如：摄影时的光圈、 快门、ISO、时间等各种与当时摄影条件相关的讯息，终端品牌型号，色彩编码，拍摄时录制的声音以及全球定位系统(GPS)等信息。EXIF信息有一定的格式，其中有一个名为UserComment(用户注释)的属性标签，该UserComment属性标签的初始信息为空，其预留的空间位置专门用于存储后续终端写入的其他信息(如音频信息)，但是该UserComment属性标签的存储空间有限(大概几十KB)，因此后续写入的其他信息容量不宜过大。
具体的，终端在生成JPEG图像文件和AMR音频文件之后，进一步解析JPEG图像文件的EXIF信息，查找到该EXIF信息中预留的UserComment属性标签，然后读取AMR音频文件包括的音频数据，将该音频数据转化为byte数组之后存储在EXIF信息中的UserComment属性标签内，并重新生成EXIF信息，终端将重新生成的包括音频数据的EXIF信息写入JPEG图像文件中，进行数据合成，将音频数据与图像数据合为一体，生成携带有音频数据的图像文件。
在图1所示的实施例中，终端先获取拍摄图像，得到包括拍摄图像的图像数据的图像文件；在拍摄结束后，获取预设时间段内终端周围的音频信号，得到包括音频数据的音频文件；进一步地，将音频文件包括的音频数据写入图像文件指定的预留位置中，生成携带有音频数据的目标图像文件，从而可以丰富照片内容，满足用户对照片多元化的要求。
请参见图2，图2是本发明实施例公开的另一种图像处理方法的流程示意图。如图2所示，该方法可以包括以下步骤：
S201、开启有声拍摄模式。
本发明实施例中，终端可以包括但不限于智能手机，该智能手机进行拍摄有多种拍摄模式，可以包括普通拍摄模式、智能拍摄模式、美肤拍摄模式、有声拍摄模式以及水印拍摄模式等等，本发明实施例不做限定。智能手机要进行后续的录音，在拍摄前必须开启有声拍摄模式，进行拍摄。
本发明实施例中，终端在开启有声拍摄模式，进入拍摄界面后，可以在拍摄界面实时显示当前的预览图像。进一步地，终端可以对该预览图像进行处理，例如：自动对焦、调节亮度、美化图像等，本发明实施例不作限定。
S202、在有声拍摄模式下，检测用户输入的拍摄指令。
本发明实施例中，该拍摄指令是由用户触发的，可以包括单击或双击拍摄 界面显示的虚拟拍摄按键或终端的物理拍摄按钮，本发明实施例不作限定。
S203、响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
本发明实施例中，终端可以通过其内置的拍摄模块对预览图像进行拍摄，获得拍摄图像。其中，该拍摄模块可以包括摄像头、水印相机，以及其他具有拍摄功能的APP等，本发明实施例不作限定。
本发明实施例中，终端检测到用户针对拍摄按钮输入的拍摄指令后，响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
请一并参见图4，图4是本发明实施例公开的一种终端拍摄应用界面的交互图。如图4(a)所示的拍照界面：终端在开启有声拍摄模式，进入拍照界面后，在界面下方会显示一个虚拟拍摄按钮，中间的空白区域用于显示预览图像，终端可以对预览图像进行处理(如自动对焦，即图片中间四角所显示的自动对焦)，当终端接收到用户触发虚拟拍摄按钮输入的拍摄指令时(如图4(a)中用户手指点击拍摄按键触发拍摄指令)，终端响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
S204、生成包括拍摄图像的图像数据的图像文件。
本发明实施例中，终端在获得拍摄图像之后，自动将图像信息转换成数据信息，生成包括拍摄图像的图像数据信息的图像文件，并以一定文件格式存储。
举例来说，该图像文件可以包括多种文件格式，例如：JPEG文件格式、TIFF文件格式、以及JFIF文件格式等，本发明实施例不作限定。终端将获得的拍摄图像进行分解，分解成很多像素，每一个像素用一个数值来表示它的灰度，终端把这些灰度值构成的数据信息存储到某种图像文件格式中。
S205、判断拍摄是否结束，若是，执行步骤S206，若否，继续执行步骤S205。
本发明实施例中，当终端检测到用户输入的拍摄指令，对预览图像进行拍摄，获得拍摄图像，并生成包括拍摄图像的图像数据的图像文件时，就可以判断拍摄已经结束，此时可以执行步骤S206；当终端没有检测到用户输入的拍摄指令时，则说明终端还停留在显示预览图像的界面中，此时可以判断拍摄正在进行中，没有结束，终端需要继续执行步骤S205判断拍摄是否结束。
S206、输出提示信息。
本发明实施例中，当步骤S205中的终端判断拍摄结束后，终端在有声拍摄界面下，输出提示信息，如图4(a)中显示的提示语“拍照后即可录音”，该 提示信息用于提示用户拍照后可以进行录音。
S207、输出录音按钮。
本发明实施例中，终端在输出提示信息之后，可以进一步输出录音按钮。其中，该录音按钮和拍摄按钮可以为同一个虚拟按钮，也可以为不同的虚拟按钮。当录音按钮和拍摄按钮为同一个虚拟按钮时，只有在拍摄结束后，终端将虚拟按钮的拍摄功能切换为录音功能时，该虚拟按钮的录音功能才能被激活，成为录音按钮。
请一并参见图4，图4是本发明实施例公开的一种终端拍摄应用界面的交互图。如图4(b)所示的录音界面：终端在判断拍摄结束，输出提示用户进行录音的提示信息之后，进一步可以输出录音按钮，同时在该录音按钮上方输出提示用户进行录音的操作提示语，如图4(b)显示的“按住录音键开始录音”。当用户触发该录音按钮开始录音时，屏幕中间显示的话音提示图标会闪亮，且在录音过程中，屏幕上其他的按钮图标都变成灰色，用户不能操作。
作为一种可选的实施方式，终端在判断拍摄结束后，可以同时输出提示信息和录音按钮。
S208、检测触发录音按钮输出的录音指令。
本发明实施例中，终端检测用户操作录音按钮输入的录音指令，该录音指令可以通过单击或双击的方式触发。
S209、响应录音指令，获取拍摄后预设时间段内终端周围的音频信号。
本发明实施例中，可以通过终端内置的具有录音功能的模块来获取预设时间段内终端周围的音频信号。其中，该模块可以包括终端内置或外设的麦克风等声音传感器，该音频信号是由声音信号转换成的电信号，可以携带语音、音乐和音效的有规律的声波的频率、幅度变化信息等。
本发明实施例中，由于图像文件的存储空间受到限制，获取的音频信号不宜过长，因而事先必须设置获取音频信号的时间段，只要获取该预设时间段内的音频信号的容量不超过存储空间即可，该预设时间段可以为5S或10S等，本发明实施例不作限定。
本发明实施例中，终端周围的音频信号可以包括环境音频信号，例如：喧闹的KTV、海浪声、生日聚会、以及演唱会等，也可以包括拍摄后用户通过终端录制的一段录音，本发明实施例不作限定。
S210、根据音频信号生成音频文件。
本发明实施例中，终端根据音频信号生成音频文件的具体实现方式可以包括以下步骤：
21)在预设时间段内对音频信号进行采样得到音频信号样本；
22)对采样得到的音频信号样本进行处理，得到包括音频数据的音频文件。
本发明实施例中，音频信号为模拟信号，需要先对音频模拟信号进行采样，得到音频信号样本，然后对采样得到的音频信号样本进行量化处理，得到采样和量化后的数字数据，整个过程即为模/数转换，将音频模拟信号转换成音频数字信号。
本发明实施例中，经过模/数转换的音频信号而生成的音频文件可以进行存储，该音频文件可以用AMR格式保存，其中，该AMR格式压缩比较大，可以存储更长时间段的音频信号。
S211、将音频文件包括的音频数据写入图像文件指定的预留位置中，以生成携带有音频数据的目标图像文件。
本发明实施例中，步骤S211的具体实现方式可以包括以下步骤：
23)解析图像文件包括的格式信息，以查找到格式信息中的预留位置；
24)读取所述音频文件包括的音频数据；
25)将音频数据转换为二进制数据，并存储在格式信息中的预留位置；
26)对二进制数据和图像数据进行数据合成，以生成携带有音频数据的目标图像文件。
举例来说，上述的格式信息可以包括图像文件(如JPEG/TIFF文件)头部的Exif信息。Exif是英文Exchangeable Image File(可交换图像文件)的缩写，Exif文件实际是JPEG文件的一种，遵从JPEG标准，只是在文件头信息中增加了有关拍摄信息的内容和索引图。EXIF信息可以包括由终端在拍摄过程中采集的一系列信息，然后把信息写入图像文件(如JPEG/TIFF文件)的头部，即EXIF信息为镶嵌在JPEG/TIFF图像文件格式内的一组拍摄参数，例如：摄影时的光圈、快门、ISO、时间等各种与当时摄影条件相关的讯息，终端品牌型号，色彩编码，拍摄时录制的声音以及全球定位系统(GPS)等信息。EXIF信息有一定的格式，其中有一个名为UserComment(用户注释)的属性标签，该UserComment属性标签的初始信息为空，其预留的空间位置专门用于存储后续终端写入的其他信 息(如音频信息)，但是该UserComment属性标签的存储空间有限(大概几十KB)，因此后续写入的其他信息容量不宜过大。
具体的，终端在生成JPEG图像文件和AMR音频文件之后，进一步解析JPEG图像文件的EXIF信息，查找到该EXIF信息中预留的UserComment属性标签，然后读取AMR音频文件包括的音频数据，将该音频数据转化为byte数组之后存储在EXIF信息中的UserComment属性标签内，并重新生成EXIF信息，终端将重新生成的包括音频数据的EXIF信息写入JPEG图像文件中，进行数据合成，将音频数据与图像数据合为一体，生成携带有音频数据的图像文件。
本发明实施例中，终端在进入有声拍摄模式后，对预览图像进行拍摄，获得拍摄图像，得到包括拍摄图像的图像数据的图像文件，在判断拍摄结束后，输出提示信息和录音按钮，当检测到用户触发录音按钮输出的录音指令之后，响应录音指令，获取拍摄后预设时间段内终端周围的音频信号，得到音频文件，进一步地，将音频文件包括的音频数据写入图像文件指定的预留位置中，生成携带有音频数据的目标图像文件，从而可以丰富照片内容，满足用户对照片多元化的要求。
请参见图3，图3是本发明实施例公开的又一种图像处理方法的流程示意图。如图3所示，该方法可以包括以下步骤：
S301、对预览图像进行拍摄，获得拍摄图像。
S302、生成包括拍摄图像的图像数据的图像文件。
S303、获取拍摄后预设时间段内终端周围的音频信号。
S304、根据音频信号生成音频文件。
S305、将音频文件包括的音频数据写入图像文件指定的预留位置中，以生成携带有音频数据的目标图像文件。
S306、接收用户输入的目标图像文件播放指令。
本发明实施例中，目标图像文件播放指令可以通过用户单击或双击拍摄界面上的缩略图或者向左(右)滑动预览界面进入相册的方式来触发。
S307、响应目标图像文件播放指令，输出目标图像文件包括的目标图像和音频数据。
本发明实施例中，终端进入相册后，输出携带有音频数据的目标图像以便 用户查看该目标图像，同时输出一个播放按钮，当终端接收到用户触发该播放按钮输入的播放指令时，终端输出目标图像文件中携带的音频数据，开始播放录音。
请一并参见图4，图4是本发明实施例公开的一种终端拍摄应用界面的交互图。如图4(c)所示的播放界面：当终端进入携带有音频数据的目标图像界面时，该界面会显示一张目标图片(如图4(c)所示的播放界面中的灰色区域)和一个播放按钮(如图4(c)所示的播放界面中的喇叭图标按钮)，当用户手指点击该喇叭图标按钮时，终端就会输出该目标图像携带的音频数据，播放录音。
在图3所示的实施例中，终端在生成携带有音频数据的目标图像文件之后，进一步进入相册，查看该目标图像，同时播放该目标图像携带的录音，从而可以丰富照片内容，满足用户对照片多元化的要求。
请参见图5，图5是本发明实施例公开的一种终端的结构示意图，如图5所示，该终端500可以包括拍摄单元501、图像文件生成单元502、获取单元503、音频文件生成单元504，以及组合文件生成单元505，其中：
拍摄单元501，用于对预览图像进行拍摄，获得拍摄图像。
本发明实施例中，终端500可以通过其内置的拍摄模块对预览图像进行拍摄，获得拍摄图像。其中，该拍摄模块可以包括摄像头、水印相机，以及其他具有拍摄功能的APP等，本发明实施例不作限定。
终端500在启动拍摄模块，进入拍摄界面后，可以在拍摄界面实时显示当前的预览图像。当终端500检测到用户操作终端拍摄按键或该拍摄界面包括的虚拟拍摄功能按键输入的拍摄指令时，终端500响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
图像文件生成单元502，用于生成包括拍摄图像的图像数据的图像文件。
本发明实施例中，终端500在获得拍摄图像之后，自动将图像信息转换成数据信息，由图像文件生成单元502生成包括拍摄图像的图像数据信息的图像文件，并以一定文件格式存储。
举例来说，该图像文件可以包括多种文件格式，例如：JPEG文件格式、TIFF文件格式、以及JFIF文件格式等，本发明实施例不作限定。终端将获得的拍摄图像进行分解，分解成很多像素，每一个像素用一个数值来表示它的灰度，终 端把这些灰度值构成的数据信息存储到某种图像文件格式中。
获取单元503，用于获取拍摄后预设时间段内终端周围的音频信号。
本发明实施例中，可以通过终端500内置的具有录音功能的模块来获取预设时间段内终端周围的音频信号。其中，该模块可以包括终端内置或外设的麦克风等声音传感器，该音频信号是由声音信号转换成的电信号，可以携带语音、音乐和音效的有规律的声波的频率、幅度变化信息等。
本发明实施例中，由于图像文件的存储空间受到限制，获取单元503获取的音频信号不宜过长，因而事先必须设置获取音频信号的时间段，只要获取该预设时间段内的音频信号的容量不超过存储空间即可，该预设时间段可以为5S或10S等，本发明实施例不作限定。
本发明实施例中，终端500周围的音频信号可以包括环境音频信号，例如：喧闹的KTV、海浪声、生日聚会、以及演唱会等，也可以包括拍摄后用户通过终端500录制的一段录音，本发明实施例不作限定。
音频文件生成单元504，用于根据获取单元503获取到的音频信号生成音频文件。
本发明实施例中，终端500由音频文件生成单元504根据音频信号生成音频文件的具体实现方式可以包括以下步骤：
11)在预设时间段内对音频信号进行采样得到音频信号样本；
12)对采样得到的音频信号样本进行处理，得到包括音频数据的音频文件。
本发明实施例中，音频信号为模拟信号，需要先对音频模拟信号进行采样，得到音频信号样本，然后对采样得到的音频信号样本进行量化处理，得到采样和量化后的数字数据，整个过程即为模/数转换，将音频模拟信号转换成音频数字信号。
本发明实施例中，经过模/数转换的音频信号而生成的音频文件可以进行存储，该音频文件可以用AMR格式保存，其中，该AMR格式压缩比较大，可以存储更长时间段的音频信号。
组合文件生成单元505，用于将音频文件包括的音频数据写入图像文件指定的预留位置中，以生成携带有音频数据的目标图像文件。
作为一种可选的实施方式，如图6所示，组合文件生成单元505可以包括：
解析子单元5051，用于解析图像文件包括的格式信息，以查找到格式信息 中的预留位置；
读取子单元5052，用于读取音频文件包括的音频数据；
转换子单元5053，用于将音频数据转换为二进制数据，并存储在格式信息中的预留位置；
合成子单元5054，用于对二进制数据和图像数据进行数据合成，以生成携带有音频数据的目标图像文件。
举例来说，上述的格式信息可以包括图像文件(如JPEG/TIFF文件)头部的Exif信息。Exif是英文Exchangeable Image File(可交换图像文件)的缩写，Exif文件实际是JPEG文件的一种，遵从JPEG标准，只是在文件头信息中增加了有关拍摄信息的内容和索引图。EXIF信息可以包括由终端在拍摄过程中采集的一系列信息，然后把信息写入图像文件(如JPEG/TIFF文件)的头部，即EXIF信息为镶嵌在JPEG/TIFF图像文件格式内的一组拍摄参数，例如：摄影时的光圈、快门、ISO、时间等各种与当时摄影条件相关的讯息，终端品牌型号，色彩编码，拍摄时录制的声音以及全球定位系统(GPS)等信息。EXIF信息有一定的格式，其中有一个名为UserComment(用户注释)的属性标签，该UserComment属性标签的初始信息为空，其预留的空间位置专门用于存储后续终端写入的其他信息(如音频信息)，但是该UserComment属性标签的存储空间有限(大概几十KB)，因此后续写入的其他信息容量不宜过大。
具体的，终端500在生成JPEG图像文件和AMR音频文件之后，进一步解析JPEG图像文件的EXIF信息，查找到该EXIF信息中预留的UserComment属性标签，然后读取AMR音频文件包括的音频数据，将该音频数据转化为byte数组之后存储在EXIF信息中的UserComment属性标签内，并重新生成EXIF信息，终端将重新生成的包括音频数据的EXIF信息写入JPEG图像文件中，进行数据合成，将音频数据与图像数据合为一体，生成携带有音频数据的图像文件。
本发明实施例中，终端500由图像文件生成单元502生成图像文件以及音频文件生成单元504生成音频文件之后，进一步由组合文件生成单元505中的解析子单元5051解析图像文件的格式信息，查找到该格式信息中预留的位置，然后由读取子单元5052读取音频文件包括的音频数据，并由转换子单元5053将该音频数据转化为二进制数据之后存储在格式信息中的预留位置，并重新生成格式信息，终端500由合成子单元5054将重新生成的包括音频数据的格式信 息写入图像文件中，进行数据合成，将音频数据与图像数据合为一体，生成携带有音频数据的图像文件。
在图5描述的实施例中，终端500先由拍摄单元501获取拍摄图像，并由图像文件生成单元502生成包括拍摄图像的图像数据的图像文件；在拍摄结束后，由获取单元503获取预设时间段内终端周围的音频信号，并由音频文件生成单元504生成包括音频数据的音频文件；进一步地，由组合文件生成单元505将音频文件包括的音频数据写入图像文件指定的预留位置中，生成携带有音频数据的目标图像文件，从而可以丰富照片内容，满足用户对照片多元化的要求。
请参见图7，图7是本发明实施例公开的又一种终端的结构示意图，如图7所示，该终端700可以包括开启单元701、拍摄单元702、图像文件生成单元703、判断单元704、第一输出单元705、获取单元706、音频文件生成单元707以及组合文件生成单元708，其中：
开启单元701，用于开启有声拍摄模式。
本发明实施例中，终端700可以包括但不限于智能手机，该智能手机进行拍摄有多种拍摄模式，可以包括普通拍摄模式、智能拍摄模式、美肤拍摄模式、有声拍摄模式以及水印拍摄模式等等，本发明实施例不做限定。智能手机要进行后续的录音，在拍摄前必须开启有声拍摄模式，进行拍摄。
本发明实施例中，终端700在开启有声拍摄模式，进入拍摄界面后，可以在拍摄界面实时显示当前的预览图像。进一步地，终端700可以对该预览图像进行处理，例如：自动对焦、调节亮度、美化图像等，本发明实施例不作限定。
拍摄单元702，用于对预览图像进行拍摄，获得拍摄图像。
作为一种可选的实施方式，拍摄单元702可以包括：
第一检测子单元7021，用于在有声拍摄模式下，检测用户输入的拍摄指令。
本发明实施例中，该拍摄指令是由用户触发的，可以包括单击或双击拍摄界面显示的虚拟拍摄按键或终端的物理拍摄按钮，本发明实施例不作限定。
第一获取子单元7022，用于响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
本发明实施例中，终端700可以通过其内置的拍摄模块对预览图像进行拍摄，获得拍摄图像。其中，该拍摄模块可以包括摄像头、水印相机，以及其他 具有拍摄功能的APP等，本发明实施例不作限定。
本发明实施例中，终端700检测到用户针对拍摄按钮输入的拍摄指令后，响应拍摄指令，对预览图像进行拍摄，获得拍摄图像。
图像文件生成单元703，用于生成包括拍摄图像的图像数据的图像文件。
判断单元704，用于在图像文件生成单元703生成包括拍摄图像的图像数据的图像文件之后，判断拍摄是否结束。
本发明实施例中，当第一检测子单元7021检测到用户输入的拍摄指令，由第一获取子单元7022响应拍摄指令对预览图像进行拍摄，获得拍摄图像，并由图像文件生成单元703生成包括拍摄图像的图像数据的图像文件时，判断单元704就可以判断拍摄已经结束，当第一检测子单元7021没有检测到用户输入的拍摄指令时，则说明终端700还停留在显示预览图像的界面中，此时判断单元704可以判断拍摄正在进行中，没有结束，判断单元704需要继续判断拍摄是否结束。
第一输出单元705，用于在判断单元704判断拍摄结束时，输出提示信息，该提示信息用于提示进行录音。
本发明实施例中，当判断单元704判断拍摄结束后，终端700在有声拍摄界面下，由第一输出单元705输出提示信息，如“拍照后即可录音”，该提示信息用于提示用户可以进行录音。
获取单元706，用于获取拍摄后预设时间段内终端周围的音频信号。
作为一种可选的实施方式，上述第一输出单元705，还用于在输出提示信息之后，以及获取单元706获取拍摄后预设时间段内终端周围的音频信号之前，输出录音按钮。
本发明实施例中，终端700在第一输出单元705输出提示信息之后，可以进一步由第一输出单元705输出录音按钮。其中，该录音按钮和拍摄按钮可以为同一个虚拟按钮，也可以为不同的虚拟按钮。当录音按钮和拍摄按钮为同一个虚拟按钮时，只有在拍摄结束后，终端700将虚拟按钮的拍摄功能切换为录音功能时，该虚拟按钮的录音功能才能被激活，成为录音按钮。
上述获取单元706可以包括：
第二检测子单元7061，用于检测触发录音按钮输出的录音指令。
本发明实施例中，第二检测子单元7061检测用户操作录音按钮输入的录音 指令，该录音指令可以通过单击或双击的方式触发。
第二获取子单元7062，用于响应录音指令，获取拍摄后预设时间段内终端周围的音频信号。
本发明实施例中，第二获取子单元7062可以通过终端700内置的具有录音功能的模块来获取预设时间段内终端周围的音频信号。其中，该模块可以包括终端700内置或外设的麦克风等声音传感器，该音频信号是由声音信号转换成的电信号，可以携带语音、音乐和音效的有规律的声波的频率、幅度变化信息等。
本发明实施例中，由于图像文件的存储空间受到限制，获取的音频信号不宜过长，因而事先必须设置获取音频信号的时间段，只要获取该预设时间段内的音频信号的容量不超过存储空间即可，该预设时间段可以为5S或10S等，本发明实施例不作限定。
本发明实施例中，终端700周围的音频信号可以包括环境音频信号，例如：喧闹的KTV、海浪声、生日聚会、以及演唱会等，也可以包括拍摄后用户通过终端录制的一段录音，本发明实施例不作限定。
音频文件生成单元707，用于根据获取单元706获取到的音频信号生成音频文件。
组合文件生成单元708，用于将音频文件包括的音频数据写入图像文件指定的预留位置中，以生成携带有音频数据的目标图像文件。
在图7所示的实施例中，终端700在开启单元701开启有声拍摄模式后，由拍摄单元702对预览图像进行拍摄，获得拍摄图像，并由图像文件生成单元703生成包括拍摄图像的图像数据的图像文件，在判断单元704判断拍摄结束后，由第一输出单元705输出提示信息和录音按钮，当获取单元706中的第二检测子单元7061检测到用户触发录音按钮输出的录音指令之后，第二获取子单元7062响应录音指令，获取拍摄后预设时间段内终端周围的音频信号，由音频文件生成单元707生成音频文件，进一步地，由组合文件生成单元708将音频文件包括的音频数据写入图像文件指定的预留位置中，生成携带有音频数据的目标图像文件，从而可以丰富照片内容，满足用户对照片多元化的要求。
请参见图8，图8是本发明实施例公开的又一种终端的结构示意图。如图 8所示，该终端800可以包括拍摄单元801、图像文件生成单元802、获取单元803、音频文件生成单元804、组合文件生成单元805、接收单元806以及第二输出单元807，其中：
拍摄单元801，用于对预览图像进行拍摄，获得拍摄图像；
图像文件生成单元802，用于生成包括拍摄图像的图像数据的图像文件；
获取单元803，用于获取拍摄后预设时间段内终端周围的音频信号；
音频文件生成单元804，用于根据获取单元803获取到的音频信号生成音频文件；
组合文件生成单元805，用于将音频文件包括的音频数据写入图像文件指定的预留位置中，以生成携带有音频数据的目标图像文件；
接收单元806，用于接收用户输入的目标图像文件播放指令；
本发明实施例中，目标图像文件播放指令可以通过用户单击或双击拍摄界面上的缩略图或者向左(右)滑动预览界面进入相册的方式来触发。
第二输出单元807，用于响应目标图像文件播放指令，输出目标图像文件包括的目标图像和音频数据。
本发明实施例中，终端800在由接收单元806接收用户输入的目标图像文件播放指令，进入相册后，进一步地，由第二输出单元807输出携带有音频数据的目标图像以便用户查看该目标图像，同时第二输出单元807还输出一个播放按钮，当终端800接收到用户触发该播放按钮输入的播放指令时，第二输出单元807输出目标图像文件中携带的音频数据，开始播放录音。
在图8所示的实施例中，终端800在组合文件生成单元805生成携带有音频数据的目标图像文件之后，进一步地，由接收单元806接收用户输入的目标图像文件播放指令，进入相册，并由第二输出单元807输出目标图像，以便用户查看该目标图像，同时第二输出单元807输出音频数据以播放该目标图像携带的录音，从而可以丰富照片内容，满足用户对照片多元化的要求。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。