[發明專利]構建數據對的方法、裝置及終端設備

在審

• 申請號: 201910249132.0
• 申請日: 2019-03-29
• 公開（公告）號: CN111754412A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 孟俊彪
• 申請（專利權）人: TCL集團股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;H04N21/4402
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

1.一種構建數據對的方法，其特征在于，所述方法包括：

獲取多張HDR樣本圖片；

獲取所述多張HDR樣本圖片中每張HDR樣本圖片對應的SDR樣本圖片；

對所述SDR樣本圖片進行gamma矯正，并對gamma矯正后的所述SDR樣本圖片進行不同的色調映射，獲得多張SDR圖片；

對所述每張HDR樣本圖片進行所述不同的色調映射，獲得與所述多張SDR圖片對應的多張HDR圖片，其中，使用相同色調映射獲得的SDR圖片與HDR圖片為一個SDR和HDR數據對。

2.如權利要求1所述的方法，其特征在于，所述獲取所述多張HDR樣本圖片中每張HDR樣本圖片對應的SDR樣本圖片包括：

將所述多張HDR樣本圖片中每張HDR樣本圖片中像素點的值進行歸一化；

統計所述每張HDR樣本圖片中值大于第一閾值的像素點，并將所述每張HDR樣本圖片中像素點的值乘以所述第一閾值的倒數，得到第一圖片；

將所述第一圖片中值大于1的像素點的值置為1，得到SDR樣本圖片；

相應的，所述對所述每張HDR樣本圖片進行所述不同的色調映射包括：

對所述第一圖片進行所述不同的色調映射。

3.如權利要求1所述的方法，其特征在于，所述方法還包括：

根據多個SDR和HDR數據對，訓練深度學習模型。

4.如權利要求3所述的方法，其特征在于，所述深度學習模型包括編碼階段和解碼階段；所述根據多個SDR和HDR數據對，訓練深度學習模型包括：

在所述編碼階段對每個SDR和HDR數據對中SDR圖片進行卷積和下采樣，獲取所述每個SDR和HDR數據對中SDR圖片的特征圖；

在所述解碼階段對所述每個SDR和HDR數據對中SDR圖片的特征圖進行卷積和上采樣，輸出預測的HDR圖片；

通過預設損失函數學習預測的HDR圖片與所述每個SDR和HDR數據對中HDR圖片之間的差別，訓練所述深度學習模型。

5.如權利要求4所述的方法，其特征在于，所述方法還包括：

將SDR視頻切分為多個SDR視頻幀；

使用所述深度學習模型對所述多個SDR視頻幀中每個SDR視頻幀進行處理，獲得相應的HDR視頻幀，其中，多個SDR視頻幀對應多個HDR視頻幀；

將所述多個HDR視頻幀合成HDR視頻。

6.如權利要求5所述的方法，其特征在于，所述將SDR視頻切分為多個SDR視頻幀包括：

通過FFmpeg將SDR視頻切分為多個SDR視頻幀；

將所述多個HDR視頻幀合成HDR視頻包括：

通過FFmpeg將所述多個HDR視頻幀合成HDR視頻。

7.一種構建數據對的裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取多張HDR樣本圖片；

第二獲取模塊，用于獲取所述多張HDR樣本圖片中每張HDR樣本圖片對應的SDR樣本圖片；

圖片處理模塊，用于對所述SDR樣本圖片進行gamma矯正，并對gamma矯正后的所述SDR樣本圖片進行不同的色調映射，獲得多張SDR圖片；

色調映射模塊，用于對所述每張HDR樣本圖片進行所述不同的色調映射，獲得與所述多張SDR圖片對應的多張HDR圖片，其中，使用相同色調映射獲得的SDR圖片與HDR圖片為一個SDR和HDR數據對。

8.如權利要求7所述的裝置，其特征在于，所述第二獲取模塊包括：

歸一化單元，用于將所述多張HDR樣本圖片中每張HDR樣本圖片中像素點的值進行歸一化；

像素處理單元，用于統計所述每張HDR樣本圖片中值大于第一閾值的像素點，并將所述每張HDR樣本圖片中像素點的值乘以所述第一閾值的倒數，得到第一圖片；

圖片獲取單元，用于將所述第一圖片中值大于1的像素點的值置為1，得到SDR樣本圖片；

所述色調映射模塊具體用于：

對所述第一圖片進行所述不同的色調映射。