图像转换方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种图像转换方法、装置、电子设备及存储介质，其中，该方法包括：获取RAW格式图像；将RAW格式图像输入至预先训练的第一网络模型，得到RAW格式图像的语义分析结果；其中，第一网络模型是根据多个第一训练样本分别对应的第一标记训练样本训练得到的，第一训练样本为RAW格式的图像，第一标记训练样本为标记对应第一训练样本的语义分析结果的图像；基于RAW格式图像的语义分析结果，确定RAW格式图像对应的RGB格式图像。如此，能够提高图像转换的质量。

Image conversion methods, devices, electronic devices and storage media

This application provides an image conversion method, device, electronic device and storage medium, in which the method includes: acquiring the RAW format image; inputting the RAW format image into the pre-trained first network model to obtain the semantic analysis results of the RAW format image; and the first network model is trained according to the corresponding first training sample. The first training sample is the image of RAW format, and the first training sample is the image of the semantic analysis result of the corresponding first training sample. Based on the semantic analysis result of the RAW format image, the RGB format image corresponding to the RAW format image is determined. In this way, the quality of image conversion can be improved.

【技术实现步骤摘要】
图像转换方法、装置、电子设备及存储介质
本申请涉及图像处理
，特别是涉及一种图像转换方法、装置、电子设备及存储介质。
技术介绍
互补金属氧化物半导体(ComplementaryMetalOxideSemiconductor，CMOS)或者电荷耦合器件(chargecoupleddevice，CCD)相机等获取到初始图像为RAW格式，且RAW格式的图像的位宽(bitwidth)一般为12bit，可以理解为RAW格式的图像每个像素点通过12bit来表示。高端相机可以达到16甚至24bit，但目前计算机系统的处理普遍位宽为8bit，相关技术中，一般是针对RGB格式的图像进行处理。如此，在对图像进行处理的过程中，需要将RAW格式的图像转换为RGB格式的图像。RAW格式的图像位宽较大，而RGB格式的位宽较小，则将RAW格式的图像转换为RGB格式的图像过程中，需要对RAW格式的图像中的信息进行取舍。而对信息的取舍对最终转换的图像质量有直接影响。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种图像转换方法、装置、电子设备及存储介质。根据本申请实施例的第一方面，提供一种图像转换方法，包括：获取RAW格式图像；将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果；其中，所述第一网络模型是根据多个第一训练样本分别对应的第一标记训练样本训练得到的，所述第一训练样本为RAW格式的图像，所述第一标记训练样本为标记对应第一训练样本的语义分析结果的图像；基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像。可选的，所述基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像，包括：将所述RAW格式图像和所述RAW格式图像的语义分析结果，输入至预先训练的第二网络模型，得到所述RAW格式图像对应的RGB格式图像；其中，所述第二网络模型是根据多个第二训练样本以及多个第二训练样本对应的第二训练样本转换样本训练得到的，所述第二训练样本为RAW格式的图像，所述第二训练样本转换样本为对应第二训练样本的RGB格式的图像。可选的，在将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果之后，所述方法还包括：基于所述RAW格式图像的语义分析结果，对用户进行辅助拍摄。可选的，训练所述第一网络模型的步骤，包括：获取多个第一训练样本；针对各个第一训练样本，标记出该第一训练样本的语义分析结果，得到该第一训练样本对应的第一标记训练样本；分别将各个第一标记训练样本，输入至第一预设卷积网络模型，对所述第一预设卷积网络模型进行训练，得到训练好的第一网络模型。可选的，所述第一预设卷积网络模型包括：预处理层、编码层、解码层和连接层。可选的，训练所述第二网络模型的步骤，包括：获取多个第二训练样本；针对各个第二训练样本，确定该第二训练样本对应的第二训练样本转换样本，所述第二训练样本转换图像为RGB格式的图像；分别将各个第二训练样本以及对应的各个第二训练样本转换样本，输入至第二预设卷积网络模型，对所述第二预设卷积网络模型进行训练，得到训练好的第二网络模型。根据本申请实施例的第二方面，提供一种图像转换装置，包括：第一获取模块，被配置为获取RAW格式图像；第一确定模块，被配置为将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果；其中，所述第一网络模型是根据多个第一训练样本分别对应的第一标记训练样本训练得到的，所述第一训练样本为RAW格式的图像，所述第一标记训练样本为标记对应第一训练样本的语义分析结果的图像；第二确定模块，被配置为基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像。可选的，所述第二确定模块，被配置为将所述RAW格式图像和所述RAW格式图像的语义分析结果，输入至预先训练的第二网络模型，得到所述RAW格式图像对应的RGB格式图像；其中，所述第二网络模型是根据多个第二训练样本以及多个第二训练样本对应的第二训练样本转换样本训练得到的，所述第二训练样本为RAW格式的图像，所述第二训练样本转换样本为对应第二训练样本的RGB格式的图像。可选的，所述装置还包括：辅助拍摄模块，被配置为基于所述RAW格式图像的语义分析结果，对用户进行辅助拍摄。可选的，所述装置还包括：第二获取模块，被配置为获取多个第一训练样本；标记模块，被配置为针对各个第一训练样本，标记出该第一训练样本的语义分析结果，得到该第一训练样本对应的第一标记训练样本；第一训练模块，被配置为分别将各个第一标记训练样本，输入至第一预设卷积网络模型，对所述第一预设卷积网络模型进行训练，得到训练好的第一网络模型。可选的，所述第一预设卷积网络模型包括：预处理层、编码层、解码层和连接层。可选的，所述装置还包括：第三获取模块，被配置为获取多个第二训练样本；确定转换样本模块，被配置为针对各个第二训练样本，确定该第二训练样本对应的第二训练样本转换样本，所述第二训练样本转换图像为RGB格式的图像；第二训练模块，被配置为分别将各个第二训练样本以及对应的各个第二训练样本转换样本，输入至第二预设卷积网络模型，对所述第二预设卷积网络模型进行训练，得到训练好的第二网络模型。根据本申请实施例的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取RAW格式图像；将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果；其中，所述第一网络模型是根据多个第一训练样本分别对应的第一标记训练样本训练得到的，所述第一训练样本为RAW格式的图像，所述第一标记训练样本为标记对应第一训练样本的语义分析结果的图像；基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像。可选的，所述电子设备被配置为将所述RAW格式图像和所述RAW格式图像的语义分析结果，输入至预先训练的第二网络模型，得到所述RAW格式图像对应的RGB格式图像；其中，所述第二网络模型是根据多个第二训练样本以及多个第二训练样本对应的第二训练样本转换样本训练得到的，所述第二训练样本为RAW格式的图像，所述第二训练样本转换样本为对应第二训练样本的RGB格式的图像。可选的，所述电子设备还被配置为基于所述RAW格式图像的语义分析结果，对用户进行辅助拍摄。可选的，所述电子设备还被配置为：获取多个第一训练样本；针对各个第一训练样本，标记出该第一训练样本的语义分析结果，得到该第一训练样本对应的第一标记训练样本；分别将各个第一标记训练样本，输入至第一预设卷积网络模型，对所述第一预设卷积网络模型进行训练，得到训练好的第一网络模型。可选的，所述第一预设卷积网络模型包括：预处理层、编码层、解码层和连接层。可选的，所述电子设备还被配置为：获取多个第二训练样本；针对各个第二训练样本，确定该第二训练样本对应的第二训练样本转换样本，所述第二训练样本转换图像为RGB格式的图像；分别将各个第二训练样本以及对应的各个第二训练样本转换样本，输入至第二预设卷积网络模型，对所述第二预设卷积网络模型进行训练，得到训练好的第二网络模型。根据本申请实本文档来自技高网...

【技术保护点】
1.一种图像转换方法，其特征在于，包括：获取RAW格式图像；将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果；其中，所述第一网络模型是根据多个第一训练样本分别对应的第一标记训练样本训练得到的，所述第一训练样本为RAW格式的图像，所述第一标记训练样本为标记对应第一训练样本的语义分析结果的图像；基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像。

【技术特征摘要】
1.一种图像转换方法，其特征在于，包括：获取RAW格式图像；将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果；其中，所述第一网络模型是根据多个第一训练样本分别对应的第一标记训练样本训练得到的，所述第一训练样本为RAW格式的图像，所述第一标记训练样本为标记对应第一训练样本的语义分析结果的图像；基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像。2.根据权利要求1所述的方法，其特征在于，所述基于所述RAW格式图像的语义分析结果，确定所述RAW格式图像对应的RGB格式图像，包括：将所述RAW格式图像和所述RAW格式图像的语义分析结果，输入至预先训练的第二网络模型，得到所述RAW格式图像对应的RGB格式图像；其中，所述第二网络模型是根据多个第二训练样本以及多个第二训练样本对应的第二训练样本转换样本训练得到的，所述第二训练样本为RAW格式的图像，所述第二训练样本转换样本为对应第二训练样本的RGB格式的图像。3.根据权利要求1所述的方法，其特征在于，在将所述RAW格式图像输入至预先训练的第一网络模型，得到所述RAW格式图像的语义分析结果之后，所述方法还包括：基于所述RAW格式图像的语义分析结果，对用户进行辅助拍摄。4.根据权利要求1所述的方法，其特征在于，训练所述第一网络模型的步骤，包括：获取多个第一训练样本；针对各个第一训练样本，标记出该第一训练样本的语义分析结果，得到该第一训练样本对应的第一标记训练样本；分别将各个第一标记训练样本，输入至第一预设卷积网络模型，对所述第一预设卷积网络模型进行训练，得到训练好的第一网络模型。5.根据权利要求4所述的方法，其特征在于，所述第一预设卷积网络模型包括：预处理层、编码层、解码层和连接层。6.根据权利要求2所述的方法，其特征在于，训练所述第二网络模型的步骤，包括：获取多个第二训练样本；针对各个第二训练样本，确定该第二训练样本对应的第二训练样本转换样本，所述第二训练样本转换图像为RGB格式的图像；分别将各个第二训练样本以及对应的各个第二训练样本转换样本，输入至第二预设卷积网络模型，对所述第二预设卷积网络模型进行训练，得到训练好的第二网络模型。7....

【专利技术属性】
技术研发人员：张文波，许鸿民，郑文，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11