图像处理方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种图像处理方法、装置及电子设备，涉及图像处理技术领域。本发明专利技术提供的图像处理方法、装置和电子设备，通过对待处理图像进行降噪处理，得到降噪图像，然后对从降噪图像中提取的目标区域图像进行细节增强处理，获得细节增强图像，再将降噪图像与细节增强图像进行融合，进而获得输出图像。由于对目标区域图像进行了细节增强处理，因此获得的输出图像更清晰，展示效果更好。

Image processing method, device and electronic equipment

The invention provides an image processing method, device and electronic equipment, which relates to the field of image processing technology. The image processing method, device and electronic equipment provided by the present invention can obtain the denoised image by denoising the processed image, and then enhance the details of the target area image extracted from the denoised image to obtain the detail enhanced image, and then fuse the denoised image with the detail enhanced image, and further. The output image is obtained. Because the image of the target area is enhanced in detail, the output image is clearer and the display effect is better.

【技术实现步骤摘要】
图像处理方法、装置及电子设备
本专利技术涉及图像处理
，尤其是涉及一种图像处理方法、装置及电子设备。
技术介绍
在光线不足的情况下，智能手机等电子设备拍摄的图片通常会出现局部噪点较多，拍摄物体细节丢失等现象。对于电子设备在暗光环境下拍摄的图片，现阶段的图像处理技术通常采用降噪的方法，去除图片中的一部分噪点，但现有的降噪方法有较强的涂抹感，无法还原图像关键部分的细节，因而会造成图像失真。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种图像处理方法、装置及电子设备，可以提高图像的清晰度，改善了现有降噪方法造成的图像失真问题。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种图像处理方法，包括：对待处理图像进行降噪处理，生成降噪图像；从所述降噪图像中提取拍摄目标对应的目标区域图像；对所述目标区域图像进行细节增强处理，生成细节增强图像；将所述降噪图像与所述细节增强图像进行融合，获得输出图像。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述对待处理图像进行降噪处理，生成降噪图像的步骤，包括：将所述待处理图像输入降噪网络，将所述降噪网络的输出作为所述降噪图像；所述降噪网络采用卷积-反卷积神经网络；所述降噪图像与所述待处理图像的大小相同。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述卷积-反卷积神经网络包括卷积神经网络和反卷积神经网络；所述卷积神经网络包括至少一层卷积层，所述至少一层卷积层中的每层卷积层包括一个或多个第一卷积核，所述第一卷积核遍历所述待处理图像的像素矩阵后得到降噪特征图；所述反卷积神经网络采用与卷积神经网络对称的结构，所述反卷积神经网络包括至少一层反卷积层，所述至少一层反卷积层中的每层反卷积层包括与对应卷积层相同数量的第二卷积核，所述第二卷积核遍历所述降噪特征图的特征矩阵后得到降噪图像。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，从所述降噪图像中提取拍摄目标对应的目标区域图像的步骤，包括：通过目标提取网络确定所述降噪图像中所述拍摄目标的所在区域；所述目标提取网络采用卷积神经网络；从所述降噪图像中分离出所述拍摄目标的所在区域，得到所述目标区域图像。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，对所述目标区域图像进行细节增强处理，生成细节增强图像的步骤，包括：将所述目标区域图像输入细节增强网络，将所述细节增强网络的输出作为所述细节增强图像；所述细节增强网络采用卷积-反卷积神经网络；所述细节增强图像与所述目标区域图像的大小相同。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，将所述降噪图像与所述细节增强图像进行融合，获得输出图像的步骤，包括：采用所述细节增强图像替换所述降噪图像中的所述目标区域图像；对所述细节增强图像与所述降噪图像相交的边界区域进行线性融合。结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述采用所述细节增强图像替换所述降噪图像中的所述目标区域图像的步骤，包括：通过如下公式，实现所述替换过程：R_final＝aR_206+(1-a)R_202其中，R_final为输出图像，R_206为所述细节增强图像，R_202为所述降噪图像，a为所述目标区域图像在所述降噪图像中的所在区域，1-a为所述降噪图像中除所述目标区域图像之外的其它区域。结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，对所述细节增强图像与所述降噪图像相交的边界区域进行线性融合的步骤，包括：采用平滑滤波或小波重构的方式，对所述细节增强图像与所述降噪图像相交的边界区域进行线性融合。结合第一方面的第一种至第四种中的任意一种可能的实施方式，本专利技术实施例提供了第一方面的第八种可能的实施方式，其中，所述对待处理图像进行降噪处理的步骤之前，所述方法还包括：获取训练图像样本集，所述训练图像样本集中包含多组成对的训练图像；采用所述训练图像样本集对所述降噪网络、目标提取网络和细节增强网络进行训练。结合第一方面的第八种可能的实施方式，本专利技术实施例提供了第一方面的第九种可能的实施方式，其中，每组成对的训练图像包括：在相同的拍摄环境下，分别获取的第一图像和第二图像；获取所述第一图像的步骤，包括：根据设定的第一曝光时间和第一感光度参数，拍摄得到所述第一图像；获取所述第二图像的步骤，包括：根据设定的第二曝光时间和第二感光度参数，拍摄得到所述第二图像；所述第二曝光时间大于所述第一曝光时间；所述第二感光度参数小于所述第一感光度参数。结合第一方面的第六种可能的实施方式，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，所述第二曝光时间为所述第一曝光时间的4-8倍。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，所述对待处理图像进行降噪处理的步骤之前，所述方法还包括：判断当前拍摄环境中的光线亮度是否小于设定的亮度阈值；如果是，将拍摄的图像作为待处理图像。第二方面，本专利技术实施例还提供一种图像处理装置，包括：降噪模块，对待处理图像进行降噪处理，生成降噪图像；目标提取模块，从所述降噪图像中提取拍摄目标对应的目标区域图像；细节增强模块，对所述目标区域图像进行细节增强处理，生成细节增强图像；融合模块，将所述降噪图像与所述细节增强图像进行融合，获得输出图像。第三方面，本专利技术实施例提供了一种电子设备，包括图像采集装置、存储器、处理器；所述图像采集装置，用于采集图像数据；所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面任一项所述的方法的步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面任一项所述的方法的步骤。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的图像处理方法、装置和电子设备，通过对待处理图像进行降噪处理，得到降噪图像，然后对从降噪图像中提取的目标区域图像进行细节增强处理，获得细节增强图像，再将降噪图像与细节增强图像进行融合，进而获得输出图像。由于对目标区域图像进行了细节增强处理，因此改善了现有降噪方法造成的图像失真问题，获得的输出图像更清晰，展示效果更好。本专利技术的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本专利技术的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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示出了本专利技术实施例所提供的一种电子设备的结构示意图；图2示出了本专利技术实施例所提供的一种图像处理方法的流程图；图3示出了本专利技术实施例所提供的一种卷积-反卷积神经网络的结构示意图；图本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：对待处理图像进行降噪处理，生成降噪图像；从所述降噪图像中提取拍摄目标对应的目标区域图像；对所述目标区域图像进行细节增强处理，生成细节增强图像；将所述降噪图像与所述细节增强图像进行融合，获得输出图像。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：对待处理图像进行降噪处理，生成降噪图像；从所述降噪图像中提取拍摄目标对应的目标区域图像；对所述目标区域图像进行细节增强处理，生成细节增强图像；将所述降噪图像与所述细节增强图像进行融合，获得输出图像。2.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行降噪处理，生成降噪图像的步骤，包括：将所述待处理图像输入降噪网络，将所述降噪网络的输出作为所述降噪图像；所述降噪网络采用卷积-反卷积神经网络；所述降噪图像与所述待处理图像的大小相同。3.根据权利要求2所述的方法，其特征在于，所述卷积-反卷积神经网络包括卷积神经网络和反卷积神经网络；所述卷积神经网络包括至少一层卷积层，所述至少一层卷积层中的每层卷积层包括一个或多个第一卷积核，所述第一卷积核遍历所述待处理图像的像素矩阵后得到降噪特征图；所述反卷积神经网络采用与所述卷积神经网络对称的结构，所述反卷积神经网络包括至少一层反卷积层，所述至少一层反卷积层中的每层反卷积层包括与对应卷积层相同数量的第二卷积核，所述第二卷积核遍历所述降噪特征图的特征矩阵后得到降噪图像。4.根据权利要求1所述的方法，其特征在于，从所述降噪图像中提取拍摄目标对应的目标区域图像的步骤，包括：通过目标提取网络确定所述降噪图像中所述拍摄目标的所在区域；所述目标提取网络采用卷积神经网络；从所述降噪图像中分离出所述拍摄目标的所在区域，得到所述目标区域图像。5.根据权利要求1所述的方法，其特征在于，对所述目标区域图像进行细节增强处理，生成细节增强图像的步骤，包括：将所述目标区域图像输入细节增强网络，将所述细节增强网络的输出作为所述细节增强图像；所述细节增强网络采用卷积-反卷积神经网络；所述细节增强图像与所述目标区域图像的大小相同。6.根据权利要求1所述的方法，其特征在于，将所述降噪图像与所述细节增强图像进行融合，获得输出图像的步骤，包括：采用所述细节增强图像替换所述降噪图像中的所述目标区域图像；对所述细节增强图像与所述降噪图像相交的边界区域进行线性融合。7.根据权利要求6所述的方法，其特征在于，所述采用所述细节增强图像替换所述降噪图像中的所述目标区域图像的步骤，包括：通过如下公式，实现所述替换过程：R_final＝aR_206+(1-a)R_2...

【专利技术属性】
技术研发人员：黄海斌，巫奇豪，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11