一种暗光图像处理方法及装置、终端、存储介质制造方法及图纸

本申请一示例性实施例公开了一种暗光图像处理方法，所述方法应用于一终端中，包括：获取已启动的相机所处的当前环境信息和所述相机对应的待拍摄画面；如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用短曝光图像和预设的正常图像进行训练得到的；输出所述处理后的画面。本申请一示例性实施例还同时提供了一种终端及计算机存储介质。

【技术实现步骤摘要】
一种暗光图像处理方法及装置、终端、存储介质
本申请涉及图像处理
，涉及但不限于一种暗光图像处理方法及装置、终端、存储介质。
技术介绍
在相关技术中，手机拍照对于还原暗光图像的需求非常巨大。短曝光图像画面存在大量噪点，而长曝光还原暗光图像会带来模糊问题，需要经过一系列的去噪、去模糊、图像增强等处理，然而即使经过这些处理还是不能覆盖极端情况，暗光还原效果无法保证。
技术实现思路
有鉴于此，本申请一示例性实施例为解决相关技术中存在的至少一个问题而提供一种暗光图像处理方法及装置、终端、存储介质。本申请一示例性实施例的技术方案是这样实现的：本申请一示例性实施例提供了一种暗光图像处理方法，包括：获取相机所处的当前环境信息和所述相机对应的待拍摄画面；如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；输出所述处理后的画面。在上述方法中，所述短曝光图像为图像的质量信息不满足预设质量条件的图像，所述预设的正常图像为图像的质量信息满足预设质量条件的图像，且所述预设的正常图像的曝光时间大于所述短曝光图像的曝光时间；其中，所述图像的质量信息至少包括以下之一：图像的曝光时间、图像的像素值、图像的分辨率、感光度ISO。在上述方法中，所述卷积神经网络模型的训练过程，包括：将短曝光图像作为样本图像和所述短曝光图像对应的正常图像输入卷积神经网络，得到第一输出结果；根据所述第一输出结果和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。在上述方法中，所述方法还包括：如果所述相机所处的当前环境信息不满足预设条件，输出所述相机对应的待拍摄画面。在上述方法中，所述如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面，包括：如果所述当前环境信息表明所述当前环境的亮度大于等于预设阈值，确定所述当前环境信息满足预设条件，并生成启动请求；响应所述启动请求，启动所述卷积神经网络模型；将所述待拍摄画面输入所述已启动的卷积神经网络模型，得到处理后的画面。在上述方法中，所述根据所述第一输出结果、预设的正常亮度图像和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型，包括：利用所述预设的损失函数，确定所述第一输出结果和所述预设的正常亮度图像之间的差值；根据所述差值调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。在上述方法中，所述利用所述预设的损失函数，确定所述第一输出结果和所述预设的正常亮度图像之间的差值，包括：利用所述预设的损失函数，确定所述第一输出结果对应的像素值和所述预设的正常亮度图像的像素值之间的差值。本申请一示例性实施例提供一种暗光图像处理装置，所述装置包括：第一获取模块、第一输入模块和第一输出模块，其中：所述第一获取模块，用于获取相机所处的当前环境信息和所述相机对应的待拍摄画面；所述第一输入模块，用于如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；所述第一输出模块，用于输出所述处理后的画面。在上述装置中，所述短曝光图像为图像的质量信息不满足预设质量条件的图像，所述预设的正常图像为图像的质量信息满足预设质量条件的图像，且所述预设的正常图像的曝光时间大于所述短曝光图像的曝光时间；其中，所述图像的质量信息至少包括以下之一：图像的曝光时间、图像的像素值、图像的分辨率、感光度ISO。在上述装置中，所述装置还包括：第一训练模块，用于训练所述卷积神经网络模型；其中，所述第一训练模块，包括：第一输入单元，用于将短曝光图像作为样本图像和所述短曝光图像对应的正常图像输入卷积神经网络，得到第一输出结果；第一训练单元，用于根据所述第一输出结果和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。在上述装置中，所述装置还包括：第二输出模块，用于如果所述相机所处的当前环境信息不满足预设条件，输出所述相机对应的待拍摄画面。在上述装置中，所述第一输入模块，包括：第一确定单元，用于如果所述当前环境信息表明所述当前环境的亮度大于等于预设阈值，确定所述当前环境信息满足预设条件，并生成启动请求；第一启动单元，用于响应所述启动请求，启动所述卷积神经网络模型；第二输入单元，用于将所述待拍摄画面输入所述已启动的卷积神经网络模型，得到处理后的画面。在上述装置中，所述第一训练单元，包括：第一确定子单元，用于利用所述预设的损失函数，确定所述第一输出结果和所述预设的正常亮度图像之间的差值；第一训练子单元，用于根据所述差值调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。在上述装置中，所述第一确定子单元，还用于利用所述预设的损失函数，确定所述第一输出结果对应的像素值和所述预设的正常亮度图像的像素值之间的差值。本申请一示例性实施例提供一种终端，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述暗光图像处理方法中的步骤。本申请一示例性实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述暗光图像处理方法中的步骤。本申请一示例性实施例一示例性提供了一种暗光图像处理方法及装置、终端、存储介质，其中，首先，获取相机所处的当前环境信息和所述相机对应的待拍摄画面；其次，如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；最后，输出所述处理后的画面；如此，通过采用短曝光图像和预设的正常图像训练得到卷积神经网络模型，将暗光图像输入该模型，即可还原不同暗光条件下的图像，大大提升图像质量。附图说明图1为本申请一示例性实施例暗光图像处理方法实现流程示意图；图2为本申请一示例性实施例暗光图像处理方法又一实现流程示意图；图3A为本申请一示例性实施例暗光图像处理方法的另一实现流程示意图；图3B为本申请一示例性实施例显示暗光图像的终端的组成结构示意图；图3C为本申请一示例性实施例还原暗光图像的终端的组成结构示意图；图4为本申请一示例性实施例暗光图像处理装置的组成结构示意图；图5为本申请一示例性实施例的一种终端硬件实体示意图。具体实施方式下面将结合本申请一示例性实施例中的附图，对本申请一示例性实施例中的技术方案进行清楚、完整地描述。本申请一示例性实施例提出一种暗光图像处理方法，该方法应用于具有前置摄像或者后置摄像功能的移动终端，所述移动终端可以以各种形式来实施。例如，本申请一示例性实施例中所描述的移动终端可以包括手机、平板电脑、掌上电脑、个人数字助理(PersonalDigitalAssistant，PDA)等。另外，该方法所实现的功能可以通过移动终端中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该移动终端至少本文档来自技高网...

【技术保护点】
1.一种暗光图像处理方法，其特征在于，所述方法包括：获取相机所处的当前环境信息和所述相机对应的待拍摄画面；如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；输出所述处理后的画面。

【技术特征摘要】
1.一种暗光图像处理方法，其特征在于，所述方法包括：获取相机所处的当前环境信息和所述相机对应的待拍摄画面；如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；输出所述处理后的画面。2.根据权利要求1所述的方法，其特征在于，所述短曝光图像为图像的质量信息不满足预设质量条件的图像，所述预设的正常图像为图像的质量信息满足预设质量条件的图像，且所述预设的正常图像的曝光时间大于所述短曝光图像的曝光时间；其中，所述图像的质量信息至少包括以下之一：图像的曝光时间、图像的像素值、图像的分辨率、感光度ISO。3.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型的训练过程，包括：将短曝光图像作为样本图像和所述短曝光图像对应的正常图像输入卷积神经网络，得到第一输出结果；根据所述第一输出结果和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：如果所述相机所处的当前环境信息不满足预设条件，输出所述相机对应的待拍摄画面。5.根据权利要求1所述的方法，其特征在于，所述如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面，包括：如果所述当前环境信息表明所述当前环境的亮度大于等于预设阈值，确定所述当前环境信息满足预设条件，并生成启动请求；响应所述启动请求，启...

【专利技术属性】
技术研发人员：张弓，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44