[發明專利]圖像處理方法、裝置及設備

有效

• 申請號: 202110732457.1
• 申請日: 2021-06-29
• 公開（公告）號: CN113469910B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 胡伯承
• 申請（專利權）人: 展訊通信（上海）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0464;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;臧建明

本申請實施例提供一種圖像處理方法、裝置及設備，該方法包括：獲取待處理的第一圖像，所述第一圖像的通道數量為1；對所述第一圖像進行N次卷積處理、以及合并處理，得到第二圖像，所述N為大于1的整數，所述第二圖像的通道數量為N；通過卷積神經網絡模型對所述第二圖像進行低光增強處理，得到第三圖像；對所述第三圖像進行剪切處理，得到N個第一子圖像；分別對所述N個第一子圖像進行反卷積處理、以及疊加處理，得到處理后的圖像。第二圖像各個通道中像素的類型相同，使得卷積神經網絡可以快速對第二圖像進行低光增強處理，耗費的時間較少，進而提高了圖像處理的效率。

技術領域

本申請涉及圖像處理技術領域，具體涉及一種圖像處理方法、裝置及設備。

背景技術

低光照圖像是指在光照條件較差的場景下拍攝得到的圖像，低光照圖像的圖像質量較差，需要對低光照圖像進行低光增強處理。

在相關技術中，可以通過卷積神經網絡(Convolutional Neural Networks,CNN)對低光照圖像進行低光增強處理，以得到高質量圖像。在實際應用過程中，通過將低光照圖像對應的RAW格式的圖像輸入至卷積神經網絡，由于RAW格式的圖像中包括的信息量較大，卷積神經網絡在對RAW格式的圖像進行處理時，需要耗費較多的時長，導致圖像處理的效率較低。

發明內容

本申請涉及一種圖像處理方法、裝置及設備，減少卷積神經網絡對低光照圖像進行低光增強處理的時間，提高了圖像處理的效率。

第一方面，本申請實施例提供一種圖像處理方法，包括：

獲取待處理的第一圖像，所述第一圖像的通道數量為1；

對所述第一圖像進行N次卷積處理、以及合并處理，得到第二圖像，所述N為大于1的整數，所述第二圖像的通道數量為N；

通過卷積神經網絡模型對所述第二圖像進行低光增強處理，得到第三圖像；

對所述第三圖像進行剪切處理，得到N個第一子圖像；

分別對所述N個第一子圖像進行反卷積處理、以及疊加處理，得到處理后的圖像。

在一種可能的實施方式中，對所述第一圖像進行N次卷積處理、以及合并處理，得到第二圖像，包括：

對所述第一圖像進行N次卷積處理，得到N個第二子圖像；

在通道維度上，對所述N個第二子圖像進行合并處理，得到所述第二圖像。

在一種可能的實施方式中，對所述第一圖像進行N次卷積處理，得到N個第二子圖像，包括：

確定N個卷積核；

分別通過所述N個卷積核對所述第一圖像進行卷積處理，得到所述N個第二子圖像。

在一種可能的實施方式中，對所述第二圖像進行低光增強處理，得到第三圖像，包括：

對所述第二圖像進行M次下采樣處理，得到下采樣圖像，所述M為大于或等于1的整數；

對所述下采樣圖像進行K次上采樣處理，得到所述第三圖像，所述K為大于或等于1的整數。

在一種可能的實施方式中，所述M大于1；對所述第二圖像進行至少一次下采樣處理，得到下采樣圖像，包括：

通過M個下采樣模塊對所述第二圖像進行M次下采樣處理，得到所述下采樣圖像；

其中，第1個下采樣模塊的輸入為所述第二圖像，第i個下采樣模塊的輸出為第i+1個下采樣模塊的輸入，第M個下采樣模塊的輸出為所述下采樣圖像，所述i為大于或等于1，且小于或等于所述M-1的整數。

在一種可能的實施方式中，所述K大于1；對所述下采樣圖像進行K次上采樣處理，得到所述第三圖像，包括：