【技术实现步骤摘要】
图像处理方法、装置、电子设备
本申请涉及图像处理
，尤其涉及一种图像处理方法、装置、电子设备。
技术介绍
智能移动终端在给人们的日常拍照带来便捷的同时，人们对拍摄的图像质量的要求也越来越高，尤其在夜景这一特殊场景中，图像质量较低。相关技术中，在对拍摄的图像进行降噪处理时，一般是针对同一场景分别利用n个不同的曝光参数进行拍摄，得出尺寸相同的n幅图像；将得出的每幅图像按照相同的划分方式划分为M个区域，n和M均大于1；在得出的n幅图像中选取一幅图像作为基准图像；基于预先设置的噪声图像区域确定策略，确定所述基准图像的任意一个区域为噪声图像区域时，在所有n幅图像的非基准图像中，选取与每个确定出的噪声图像区域处在相同位置的区域；在选取出的各个区域中确定清晰区域，所述清晰区域为所述选取出的各个区域中噪声幅度最小的区域；将基准图像中每个确定出的噪声图像区域替换为对应的清晰区域。这种方式下，需要对每幅图像均选取以确定出的噪声图像区域，占用较多的硬件运算资源，降噪效率不高。
技术实现思路
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的目的在于提出一种图像处理...
【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括以下步骤：获取多帧图像；对所述多帧图像中的目标图像进行噪声特性识别，得到目标噪声特性；根据所述目标噪声特性，对其它图像进行降噪处理，所述目标图像和所述其它图像共同组成所述多帧图像。
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括以下步骤：获取多帧图像；对所述多帧图像中的目标图像进行噪声特性识别，得到目标噪声特性；根据所述目标噪声特性，对其它图像进行降噪处理，所述目标图像和所述其它图像共同组成所述多帧图像。2.根据权利要求1所述的图像处理方法，其特征在于，所述对所述多帧图像中的目标图像进行噪声特性识别，得到目标噪声特性，包括：采用神经网络模型，对所述目标图像进行噪声特性识别，得到目标噪声特性；其中，所述神经网络模型，已学习得到所述目标图像的感光度与噪声特性之间的映射关系。3.根据权利要求2所述的图像处理方法，其特征在于，所述神经网络模型，是采用各感光度的样本图像对所述神经网络模型进行训练，直至所述神经网络模型识别出的噪声特性与相应样本图像中标注的噪声特性匹配时，所述神经网络模型训练完成。4.根据权利要求1所述的图像处理方法，其特征在于，所述多帧图像为不同曝光量的多帧图像，所述目标图像为所述多帧图像中，ISO值最大的图像。5.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述目标噪声特性，对其它图像进行降噪处理，包括：根据所述目标噪声特性，确定与所述其它图像中的各图像对应的噪声特性；根据各所述噪声特性，对对应的所述其它图像进行降噪处理。6.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述目标噪声特性，确定与所述其它图像中的各图像对应的噪声特性，包括：根据所述目标噪声特性，结合预设函数确定与所述其它图像中的各图像对应的噪声特性，其中，所述预设函数为多个，各所述其它图像具有对应的预设函数，所述预设函数，为预先根据目标图像的ISO值和对应的其它图像的ISO拟合得到的。7.一种图像处理装置，其特征在于，所述装置包括：获取模块，用于获取多帧图像；识别模块，用于对所述多帧图像中的目标图像进行噪声特性识别，得到目标噪声特性；处理模块，用于根据所述目标噪声特性，对其它图像进行降噪处理，所述目标图像和所述其它图像共同组成所述多帧图像。8.根据权利要求7所述的图像处理装置，其特征在于，所述识别模块，具体用于：采用神经网络模型，对所述目标图像进行噪声特性识别，得到目标噪声特性；其中，所述神经网络模型，已学习得到所述目标图像的感光度与噪声特性之间的映射关系。9.根据权利要求8所述的图像处理装置，其特征在于，所述神经网...
【专利技术属性】
技术研发人员：邵安宝，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。