一种图像增强方法及计算设备技术

本发明专利技术公开了一种图像增强方法，包括：将待处理图像输入预设的图像增强模型中，经多次卷积处理后输出图像；将待处理图像和输出图像分别转换到预定颜色空间；以及在预定颜色空间中融合待处理图像和输出图像生成增强图像。本发明专利技术一并公开了用于执行上述方法的计算设备。

【技术实现步骤摘要】
一种图像增强方法及计算设备
本专利技术涉及图像处理
，尤其涉及一种图像增强方法及计算设备。
技术介绍
随着互联网技术的发展，人们越来越依赖于通过网络快速地获取信息，诸如图片、视频等。然而，通过互联网传播的大量图片，其视觉效果一般，互联网用户经常很难找到内容好且图像色彩也好的图片。另一方面，移动终端(例如手机、平板电脑等)也成了人们常用的拍照设备，但移动终端拍出来的照片很难满足更高的视觉需求。基于这两点的考虑，通过图像增强方法提升图像的视觉效果具有广泛的应用场景。传统的图像增强算法通常通过固定的参数值来调整图像各通道的像素值，以改善图像的清晰度、饱和度和对比度。但这类方法效果单一，容易出现调整效果不自然、色块等问题。卷积神经网络(CNN，ConvolutionalNeuralNetwork)的发展为图像处理带来了新思路，其增强效果在某些方面优于传统算法，但是，基于CNN的算法容易出现过渡不自然、色偏等问题。因此，需要一种能克服上述缺点的图像增强方案。
技术实现思路
为此，本专利技术提供一种图像增强方法及计算设备，以力图解决或至少缓解上面存在的至少一个问题。根据本专利技术的一个方面，提供了一种图像增强方法，该方法在计算设备中执行，包括：将待处理图像输入预设的图像增强模型中，经多次卷积处理后输出图像；将待处理图像和输出图像分别转换到预定颜色空间；以及在预定颜色空间中融合待处理图像和输出图像生成增强图像。可选地，在根据本专利技术的方法中，将待处理图像和输出图像分别转换到预定颜色空间的步骤还包括：将待处理图像转换到预定颜色空间，得到三个通道上的第一待处理图、第二待处理图和第三待处理图；将输出图像转换到预定颜色空间，得到三个通道上的第一输出图、第二输出图和第三输出图。可选地，在根据本专利技术的方法中，在预定颜色空间中融合待处理图像和输出图像生成增强图像的步骤包括：判断第一待处理图中像素点的像素值大小、并根据判断结果结合第一输出图生成第一增强图；结合第二待处理图和第二输出图生成第二增强图；结合第三待处理图和第三输出图生成第三增强图；以及融合第一增强图、第二增强图和第三增强图生成增强图像。可选地，在根据本专利技术的方法中，根据判断结果结合第一输出图生成第一增强图的步骤包括：若第一待处理图中像素点的像素值小于第一阈值，则将第一输出图对应像素点的像素值作为第一增强图对应像素点的像素值；若第一待处理图中像素点的像素值大于第二阈值，则结合第一待处理图和第一输出图中对应像素点的像素值以第一方式生成第一增强图对应像素点的像素值；若第一待处理图中像素点的像素值既不小于第一阈值也不大于第二阈值，则结合第一待处理图和第一输出图中对应像素点的像素值以第二方式生成第一增强图对应像素点的像素值。可选地，在根据本专利技术的方法中，结合第二待处理图和第二输出图生成第二增强图的步骤包括：将第二待处理图和第二输出图进行加权计算，生成第二增强图；结合第三待处理图和第三输出图生成第三增强图的步骤包括：将第三待处理图和第三输出图进行加权计算，生成第三增强图。可选地，在根据本专利技术的方法中，预定颜色空间为Lab颜色空间。可选地，在根据本专利技术的方法中，图像增强模型包括依次相连的多个中间处理块和一个结果处理块，其中，每个中间处理块包括依次相连的至少两个卷积激活层和一个跳跃连接层，跳跃连接层适于将其所属的中间处理块的第一个卷积激活层的输入与最后一个卷积激活层的输出相加；结果处理块包括多个卷积激活层；在图像增强模型的第一个中间处理块之前，还包括一个卷积激活层。可选地，在根据本专利技术的方法中，各中间处理块中的卷积激活层的激活函数为ReLU函数，且中间处理块的个数为4。可选地，在根据本专利技术的方法中，结果处理块包括三个卷积激活层，其中，前两个卷积激活层的激活函数为ReLU函数，第三个卷积激活层的激活函数为Tanh函数。可选地，在根据本专利技术的方法中，在将待处理图像输入预设的图像增强模型的步骤之前，还包括通过训练生成预设的图像增强模型的步骤：获取多个训练图像对，每一个训练图像对包括输入图像和目标图像，其中输入图像为通过单反相机采集的图像，目标图像为对输入图像进行调整处理后的图像；将输入图像输入到预训练的图像增强模型，经多次卷积处理后输出图像，按照预设损失函数计算输出图像相对于目标图像的损失值并更新图像增强模型的参数，直到损失值满足预定条件时，训练结束，得到训练后的图像增强模型，作为预设的图像增强模型。可选地，在根据本专利技术的方法中，在将输入图像输入到预训练的图像增强模型的步骤还包括：对于每个训练图像对，从输入图像中截取出至少一个预定尺寸的子图像作为输入子图像；根据每个输入子图像在输入图像中的坐标位置从目标图像中截取出每个目标子图像；以及将输入子图像输入到预训练的图像增强模型，经多次卷积处理后输出子图像，按照预设损失函数计算输出子图像相对于目标子图像的损失值并更新图像增强模型的参数，直到损失值满足预定条件时，训练结束，得到训练后的图像增强模型，作为预设的图像增强模型。可选地，在根据本专利技术的方法中，预设损失函数通过如下公式表示：loss＝λ1*color_loss+λ2*vgg_loss，其中，loss表示损失值，color_loss为第一损失，vgg_loss为第二损失，λ1和λ2为对应的加权系数。可选地，在根据本专利技术的方法中，计算第一损失的步骤包括：对输出图像和对应的目标图像分别进行均值模糊处理，得到模糊后的输出图像和模糊后的目标图像；计算模糊后的输出图像和模糊后的目标图像中对应像素点的像素距离值，作为第一损失。可选地，在根据本专利技术的方法中，计算第二损失的步骤包括：将输出图像与目标图像分别输入预设卷积网络来生成各自的特征图；计算输出图像的特征图与目标图像的特征图中对应像素点的像素距离值，作为第二损失。根据本专利技术的一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行如上所述任一方法的指令。根据本专利技术的一个方面，提供一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行如上所述的任一方法。根据本专利技术的图像增强方案，将待处理图像输入到预设的图像增强模型，经模型处理后输出图像，鉴于卷积网络处理后的图像可能存在色偏等问题，因此将输出图像和待处理图像转换到符合人眼感知的颜色空间中进行进一步的融合处理，最终生成增强图像。生成的增强图像质量明显优于原始的待处理图像，并且很好地修复了过曝和颜色溢出的问题。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。图1示出了根据本专利技术一个实施例的计算设备100的示意图；图2示出了根据本专利技术一本文档来自技高网...

【技术保护点】
1.一种图像增强方法，所述方法在计算设备中执行，所述方法包括：将待处理图像输入预设的图像增强模型中，经多次卷积处理后输出图像；将所述待处理图像和输出图像分别转换到预定颜色空间；以及在预定颜色空间中融合待处理图像和输出图像生成增强图像。

【技术特征摘要】
1.一种图像增强方法，所述方法在计算设备中执行，所述方法包括：将待处理图像输入预设的图像增强模型中，经多次卷积处理后输出图像；将所述待处理图像和输出图像分别转换到预定颜色空间；以及在预定颜色空间中融合待处理图像和输出图像生成增强图像。2.如权利要求1所述的方法，其中，所述将待处理图像和输出图像分别转换到预定颜色空间的步骤还包括：将待处理图像转换到预定颜色空间，得到三个通道上的第一待处理图、第二待处理图和第三待处理图；将输出图像转换到预定颜色空间，得到三个通道上的第一输出图、第二输出图和第三输出图。3.如权利要求2所述的方法，其中，所述在预定颜色空间中融合待处理图像和输出图像生成增强图像的步骤包括：判断第一待处理图中像素点的像素值大小、并根据判断结果结合第一输出图生成第一增强图；结合第二待处理图和第二输出图生成第二增强图；结合第三待处理图和第三输出图生成第三增强图；以及融合所述第一增强图、第二增强图和第三增强图生成增强图像。4.如权利要求3所述的方法，其中，根据判断结果结合第一输出图生成第一增强图的步骤包括：若第一待处理图中像素点的像素值小于第一阈值，则将第一输出图对应像素点的像素值作为第一增强图对应像素点的像素值；若第一待处理图中像素点的像素值大于第二阈值，则结合第一待处理图和第一输出图中对应像素点的像素值以第一方式生成第一增强图对应像素点的像素值；以及若第...

【专利技术属性】
技术研发人员：周铭柯，李志阳，张伟，李启东，许清泉，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建,35