图像处理方法、相关装置、设备及存储介质与流程

本申请涉及图像处理，具体涉及一种图像处理方法、相关装置、设备及存储介质。

背景技术：

1、自然界中的场景具有很大的动态范围，经常同时出现高亮区域和黑暗区域，普通的数码相机的动态范围仅有两到三个数量等级，所获得数字图像的亮度范围会被压缩，高亮和黑暗区域细节纹理丢失、色彩失真，原始场景中层次分明的亮度效果展现不出来，无法精准捕捉到现实情形下的所有信息。专业的高动态相机价格昂贵，效果也会受到硬件设备条件的限制，因此，需要采用高动态成像方法对图像进行处理。

2、高动态范围成像(high-dynamic range imaging，hdri)主要通过多曝光融合实现，其原理是根据不同的曝光方式获取多张低动态范围(low dynamic range，ldr)图像，然后根据每张ldr图像中像素的亮度信息，选择最佳曝光的像素作为输出图像中的对应像素，以保留原始图像中明亮和暗部分的细节，呈现出更宽广的动态范围。

3、目前，基于权重融合和基于对齐融合等传统方案参数较多，调试困难，对亮暗区域的重建效果较差。

技术实现思路

1、本申请提供一种图像处理方法、相关装置、设备及存储介质，增强了对目标图像欠曝光和过曝光区域的细节重建，拓展了图像动态范围，使得生成的重建图像具有更丰富的图像细节，更高的图像质量。

2、第一方面，本申请提供一种图像处理方法，所述方法包括：

3、获取待处理的目标图像的亮通道图像，并对所述亮通道图像进行特征提取，得到亮通道细节图；

4、获取所述目标图像的暗通道图像，并对所述暗通道图像进行特征提取，得到暗通道细节图；

5、对所述目标图像进行特征提取，得到所述目标图像的基础重建图；

6、根据所述暗通道细节图、所述亮通道细节图和所述基础重建图，生成重建图像。

7、第二方面，本申请提供一种模型训练方法，所述方法包括：

8、获取图像训练集，所述图像训练集中包括多组图像训练数据，每组图像训练数据中包括样本图像和目标真实图像；

9、将所述图像训练集中样本图像输入所述初始图像处理模型进行训练，输出预测图像；

10、获取每组图像训练数据中样本图像对应的目标真实图像；

11、采用预设损失函数对所述预测图像和所述目标真实图像进行收敛，得到已训练的图像处理模型，所述预设损失函数用于计算初始图像处理模型的总损失值，所述总损失值中包括亮通道损失值和/或暗通道损失值，所述亮通道损失值为所述预测图像和所述目标真实图像在亮通道图像下的损失值，所述暗通道损失值为所述预测图像和所述目标真实图像在暗通道图像下的损失值。

12、第三方面，本申请提供一种图像处理装置，所述装置包括：

13、第一获取模块，用于获取待处理的目标图像的亮通道图像，并对所述亮通道图像进行特征提取，得到亮通道细节图；

14、第二获取模块，获取所述目标图像的暗通道图像，并对所述暗通道图像进行特征提取，得到暗通道细节图；

15、基础重建模块，用于对所述目标图像进行特征提取，得到所述目标图像的基础重建图；

16、生成模块，用于根据所述暗通道细节图、所述亮通道细节图和所述基础重建图，生成重建图像。

17、第四方面，本申请提供一种模型训练装置，所述装置包括：

18、第一获取模块，用于获取图像训练集，所述图像训练集中包括多组图像训练数据，每组图像训练数据中包括样本图像和目标真实图像；

19、输出模块，用于将所述图像训练集中样本图像输入所述初始图像处理模型进行训练，输出预测图像；

20、第二获取模块，用于获取每组图像训练数据中样本图像对应的目标真实图像；

21、收敛模块，用于采用预设损失函数对所述预测图像和所述目标真实图像进行收敛，得到已训练的图像处理模型，所述预设损失函数用于计算初始图像处理模型的总损失值，所述总损失值中包括亮通道损失值和/或暗通道损失值，所述亮通道损失值为所述预测图像和所述目标真实图像在亮通道图像下的损失值，所述暗通道损失值为所述预测图像和所述目标真实图像在暗通道图像下的损失值。

22、第五方面，本申请提供一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面或第二方面中任一项所述的图像处理方法中的步骤。

23、第六方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行如第一方面或第二方面中任一项所述方法中的步骤。

24、本申请实施例中提供一种图像处理方法、相关装置、设备及存储介质，通过获取待处理的目标图像的亮通道图像，并对亮通道图像进行特征提取，得到亮通道细节图；获取目标图像的暗通道图像，并对暗通道图像进行特征提取，得到暗通道细节图；对目标图像进行特征提取，得到目标图像的基础重建图；根据暗通道细节图、亮通道细节图和基础重建图，生成重建图像。本申请实施例中先生成目标图像的亮通道图像和暗通道图像，再通过亮通道图像和暗通道图像，来生成具有更多欠曝光的暗通道细节图和更多过曝光区域的亮通道细节图，结合暗通道细节图和亮通道细节图重建图像，由于暗通道细节图和亮通道细节图增强了对目标图像欠曝光和过曝光区域的细节重建，拓展了图像动态范围，使得生成的重建图像具有更丰富的图像细节，更高的图像质量。

技术特征：

1.一种图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的图像处理方法，其特征在于，所述获取待处理的目标图像的亮通道图像，包括：

3.根据权利要求1所述的图像处理方法，其特征在于，所述获取所述目标图像的暗通道图像，包括：

4.根据权利要求1所述的图像处理方法，其特征在于，所述对所述目标图像进行特征提取，得到所述目标图像的基础重建图，包括：

5.根据权利要求4所述的图像处理方法，其特征在于，所述对所述目标图像进行全局特征提取，得到图像全局特征，包括：

6.根据权利要求4所述的图像处理方法，其特征在于，所述根据所述目标图像，所述图像局部特征和所述图像全局特征进行特征融合，得到所述目标图像的基础重建图，包括：

7.根据权利要求4所述的图像处理方法，其特征在于，所述图像处理方法应用于已训练的图像处理模型；其中，所述图像处理模型包括亮通道图像处理层、暗通道图像处理层、基础图像处理层和图像融合层；

8.根据权利要求7所述的图像处理方法，其特征在于，所述基础图像处理层包括特征提取单元，所述特征提取单元包括基础分支模块、局部分支模块、全局分支模块和融合模块；

9.根据权利要求8所述的图像处理方法，其特征在于，所述局部分支模块包括两层堆叠的膨胀卷积层，每层膨胀卷积层均包含预设数量个膨胀卷积核，第一层膨胀卷积层的膨胀系数为1，第二层膨胀卷积层的膨胀系数为2。

10.根据权利要求7至9中任一项所述的图像处理方法，其特征在于，所述方法还包括：

11.根据权利要求10所述的任一项所述的图像处理方法，其特征在于，所述根据所述图像训练集训练预设的初始图像处理模型，得到已训练的图像处理模型，包括：

12.根据权利要求11所述的图像处理方法，其特征在于，所述采用预设损失函数对所述样本图像和所述目标真实图像进行收敛，得到已训练的图像处理模型，包括：

13.一种图像处理装置，其特征在于，所述装置包括：

14.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至12中任一项所述方法中的步骤。

15.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至12任一项所述方法中的步骤。

技术总结
本申请实施例公开了一种图像处理方法、相关装置、设备及存储介质，该方法包括：获取待处理的目标图像的亮通道图像，并对亮通道图像进行特征提取，得到亮通道细节图；获取目标图像的暗通道图像，并对暗通道图像进行特征提取，得到暗通道细节图；对目标图像进行特征提取，得到目标图像的基础重建图；根据暗通道细节图、亮通道细节图和基础重建图，生成重建图像。本申请实施例中先生成目标图像的亮通道图像和暗通道图像，再生成暗通道细节图和亮通道细节图，结合暗通道细节图和亮通道细节图重建图像，增强了对目标图像欠曝光和过曝光区域的细节重建，拓展了图像动态范围，使得生成的重建图像具有更丰富的图像细节，更高的图像质量。

技术研发人员：王东
受保护的技术使用者：OPPO广东移动通信有限公司
技术研发日：
技术公布日：2025/4/6