图像生成方法和装置制造方法及图纸

本申请公开了图像生成方法和装置。该方法的一具体实施方式包括：获取待处理的图像；将图像输入预先训练的深度学习网络模型生成处理后的图像，其中，深度学习网络模型是将样本图像和对样本图像执行降质处理操作所得到的图像分别作为输出样本和输入样本，并基于输出样本和输入样本进行深度学习网络模型训练得到的。该实施方式实现了图像的优化处理，通过深度学习网络模型快速、自动地处理图像，使得图像获得更好的显示效果。

【技术实现步骤摘要】
图像生成方法和装置
本申请涉及计算机
，具体涉及计算机图形学
，尤其涉及图像生成方法和装置。
技术介绍
获取理想清晰的照片，一直以来都是图像处理领域的关键问题。在图像获取阶段，由于摄影过程，需要人为调整相机参数，比如曝光度、光照补偿、相机不能抖动等，有经验的摄影师，能够拍出较好的效果。然而大部分用户经验不足，获取的图像质量较差，拍完照之后，往往都需要相关的专业图像处理软件，经过图像去燥、去模糊、曝光度调整等做多个步骤加工处理，才能获取质量较好的图片。因此对于质量较高的照片获取方式，往往要求用户具备较多的经验，包括摄影、图像处理经验，在图像处理阶段需要多个步骤调整，每个阶段算法各不相同，需要同时调整的参数也较多，很难找到理想的平衡参数值，为此希望探索出一种图像优化处理的方法。现有的图像优化处理方法一般存在鲁棒性差，计算时间长，优化内容有限，算法都是分阶段串联处理，将引起严重的失真问题。比如要对一张图片进行去燥、去模糊、光照强度调整，传统的优化方法是，先对图像去噪处理，然后用去模糊相关算法做进一步处理，最后再用光强调整算法做最后调整。这样的串联处理方案，首先存在计算量问题。其本文档来自技高网...

【技术保护点】
一种图像生成方法，其特征在于，所述方法包括：获取待处理的图像；将所述图像输入预先训练的深度学习网络模型生成处理后的图像，其中，所述深度学习网络模型是将样本图像和对所述样本图像执行降质处理操作所得到的图像分别作为输出样本和输入样本，并基于所述输出样本和所述输入样本进行深度学习网络模型训练得到的。

【技术特征摘要】
1.一种图像生成方法，其特征在于，所述方法包括：获取待处理的图像；将所述图像输入预先训练的深度学习网络模型生成处理后的图像，其中，所述深度学习网络模型是将样本图像和对所述样本图像执行降质处理操作所得到的图像分别作为输出样本和输入样本，并基于所述输出样本和所述输入样本进行深度学习网络模型训练得到的。2.根据权利要求1所述的方法，其特征在于，所述方法还包括训练深度学习网络模型的步骤，包括：获取样本图像作为输出样本；执行以下至少一项操作以生成输入样本：对所述样本图像执行重光照操作，对所述样本图像执行模糊处理操作，对所述样本图像执行加噪声处理操作；使用所述输入样本和所述输出样本训练所述深度学习网络模型。3.根据权利要求2所述的方法，其特征在于，所述对所述样本图像执行重光照操作，包括：对所述样本图像进行三维重建匹配，得到所述样本图像的三维曲面上的每个像素点的三维法向量；基于球面谐波基图像模型和所述三维法向量确定每个像素点的9维向量；获取每个像素点的颜色信息，并根据所述颜色信息确定每个像素点的反射率；根据所述反射率、所述颜色信息和所述9维向量确定每个像素点的光照的球面谐波系数；调整所述光照的球面谐波系数以生成降质的图像。4.根据权利要求2所述的方法，其特征在于，所述对所述样本图像执行模糊处理操作，包括：采用高斯模...

【专利技术属性】
技术研发人员：黄锦池，陈军宏，
申请(专利权)人：厦门幻世网络科技有限公司，
类型：发明
国别省市：福建,35