图像矫正方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种图像矫正方法、装置、存储介质及电子设备，本申请首先获取需要进行图像矫正的待矫正图像；然后，获取预训练的第一矫正模型和第二矫正模型；然后，根据第一矫正模型获取对应待矫正图像的第一矫正增益，并根据第一矫正增益矫正待矫正图像得到第一矫正图像；最后，根据第二矫正模型获取对应第一矫正图像的第二矫正增益，并根据第二矫正增益矫正第一矫正图像得到矫正结果图像。由此，使得电子设备对图像的图像矫正不受光源的限制，能够更灵活的进行图像矫正。

【技术实现步骤摘要】
图像矫正方法、装置、存储介质及电子设备
本申请涉及图像处理
，具体涉及一种图像矫正方法、装置、存储介质及电子设备。
技术介绍
目前，电子设备在拍照时，通常会对原始拍摄的图像进行矫正后再进行输出。比如，白平衡是指在任何光源下，将原本材质为白色的物体图像还原为白色，其对在特定光源下拍摄时出现的偏色现象，通过加强对应的补色来进行矫正。然而，相关技术中，存在如光源等多种因素限制了电子设备进行图像矫正的灵活性。
技术实现思路
本申请实施例提供了一种图像矫正方法、装置、存储介质及电子设备，能够使得电子设备更灵活的进行图像矫正。本申请实施例提供的图像矫正方法，包括：获取需要进行图像矫正的待矫正图像；获取预训练的第一矫正模型和第二矫正模型；根据所述第一矫正模型获取对应所述待矫正图像的第一矫正增益，并根据所述第一矫正增益矫正所述待矫正图像得到第一矫正图像；根据所述第二矫正模型获取对应所述第一矫正图像的第二矫正增益，并根据所述第二矫正增益矫正所述第一矫正图像得到矫正结果图像像。本申请实施例提供的图像矫正装置，包括：图像获取模块，用于获取需要进行图像矫正的待矫正图像；模型获取模块，用于获取预训练的第一矫正模型和第二矫正模型；初级矫正模块，用于根据所述第一矫正模型获取对应所述待矫正图像的第一矫正增益，并根据所述第一矫正增益矫正所述待矫正图像得到第一矫正图像；进阶矫正模块，用于根据所述第二矫正模型获取对应所述第一矫正图像的第二矫正增益，并根据所述第二矫正增益矫正所述第一矫正图像得到矫正结果图像。本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序被处理器加载时执行如本申请提供的图像矫正方法。本申请实施例提供的电子设备，包括处理器和存储器，所述存储器存有计算机程序，所述处理器通过加载所述计算机程序，用于执行本申请提供的图像矫正方法。本申请首先获取需要进行图像矫正的待矫正图像；然后，获取预训练的第一矫正模型和第二矫正模型；然后，根据第一矫正模型获取对应待矫正图像的第一矫正增益，并根据第一矫正增益矫正待矫正图像得到第一矫正图像；最后，根据第二矫正模型获取对应第一矫正图像的第二矫正增益，并根据第二矫正增益矫正第一矫正图像得到矫正结果图像。由此，使得电子设备对图像的图像矫正不受光源的限制，能够更灵活的进行图像矫正。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的图像矫正方法的流程示意图。图2是本申请实施例提供的图像矫正界面的示例图。图3是本申请实施例中提供的选择子界面的示例图。图4是本申请实施例提供的图像矫正模型的结构示意图。图5是本申请实施例中提供的图像矫正模型中第一矫正模型的结构示意图。图6是本申请实施例中基于第一矫正模型中的自注意力模块进行自注意处理的示意图。图7是本申请实施例中对第一矫正模型和第二矫正模型进行训练的示意图。图8是本申请实施例中提供的图像矫正方法的另一流程示意图图9是本申请实施例提供的图像矫正装置的结构示意图。图10是本申请实施例提供的电子设备的结构示意图。具体实施方式请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是通过所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。其中，机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习等技术。本申请实施例提供的方案涉及人工智能的机器学习技术，具体通过如下实施例进行说明:本申请实施例提供一种图像矫正方法、图像矫正装置、存储介质以及电子设备，其中，该图像矫正方法的执行主体可以是本申请实施例中提供的图像矫正装置，或者集成了该图像矫正装置的电子设备，其中该图像矫正装置可以采用硬件或软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等配置有处理器(包括但不限于通用处理器、定制化处理器等)而具有处理能力的设备。请参照图1，图1为本申请实施例提供的图像矫正方法的流程示意图，本申请实施例提供的图像矫正方法的流程可以如下：在101中，获取需要进行图像矫正的待矫正图像。示例性的，电子设备可以基于预设的图像矫正周期，按照预设的图像选取规则，确定需要进行图像矫正的待矫正图像；或者是在接收到用户输入的图像矫正指令时，根据用户输入的图像矫正指令确定需要进行图像矫正的待矫正图像；或者是在电子设备设备实时拍摄得到或者下载得到新的图像时，将其作为待矫正图像。应当说明的是，本申请实施例对于图像矫正周期、图像选取规则以及图像矫正指令的设置均不做具体限定，可由电子设备根据用户输入进行设置，也可由电子设备的生产厂商对电子设备进行缺省设置，等等。比如，假设图像矫正周期被预先配置为以周一为起点的自然周，且图像选取规则被配置为“选取拍摄的图像进行图像矫正”这样，电子设备可以在每周一自动触发进行图像矫正，将拍摄得到且尚未分类的图像确定为需要进行图像矫正的待矫正图像。又比如，电子设备可以通过包括请求输入接口的图像矫正界面接收输入的图像矫正指令，如图2所示，该请求输入接口可以为输入框的形式，用户可以在该输入框形式的请求输入接口中键入需要进行图像矫正的图像的标识信息，并输入确认信息(如直接按下键盘的回车键)以输入图像矫正指令，该图像矫本文档来自技高网...

【技术保护点】
1.一种图像矫正方法，其特征在于，包括：/n获取需要进行图像校正的待矫正图像；/n获取预训练的第一矫正模型和第二矫正模型；/n根据所述第一矫正模型获取对应所述待矫正图像的第一矫正增益，并根据所述第一矫正增益矫正所述待矫正图像得到第一矫正图像；/n根据所述第二矫正模型获取对应所述第一矫正图像的第二矫正增益，并根据所述第二矫正增益矫正所述第一矫正图像得到矫正结果图像。/n

【技术特征摘要】
1.一种图像矫正方法，其特征在于，包括：
获取需要进行图像校正的待矫正图像；
获取预训练的第一矫正模型和第二矫正模型；
根据所述第一矫正模型获取对应所述待矫正图像的第一矫正增益，并根据所述第一矫正增益矫正所述待矫正图像得到第一矫正图像；
根据所述第二矫正模型获取对应所述第一矫正图像的第二矫正增益，并根据所述第二矫正增益矫正所述第一矫正图像得到矫正结果图像。


2.根据权利要求1所述的图像矫正方法，其特征在于，所述根据所述第一矫正模型获取对应所述待矫正图像的第一矫正增益，包括：
将所述待矫正图像输入所述第一矫正模型进行图像矫正，得到候选矫正图像；
根据所述候选矫正图像与所述待矫正图像每一像素点之间的差异，获取所述待矫正图像每一像素点对应的像素矫正增益；
获取所述待矫正图像所有像素点的像素矫正增益的平均值，作为所述第一矫正增益。


3.根据权利要求2所述的图像矫正方法，其特征在于，所述第一矫正模型与所述第二矫正模型结构相同，且互不共享参数，所述第一矫正模型包括编码模块、自注意力模块以及解码模块，所述将所述待矫正图像输入所述第一矫正模型进行图像矫正，得到候选矫正图像，包括：
基于所述编码模块对所述待矫正图像进行编码，得到特征图；
基于所述自注意力模块对所述特征图进行自注意处理，得到自注意图；
基于所述解码模块对所述自注意图进行解码，得到所述所述候选矫正图像。


4.根据权利要求3所述的图像矫正方法，其特征在于，所述自注意力模块包括第一卷积模块、第二卷积模块以及第三卷积模块，所述基于所述自注意力模块对所述特征图进行自注意处理，得到自注意图，包括：
基于所述第一卷积模块对所述特征图进行卷积处理，得到第一卷积特征图，以及基于所述第二卷积模块对所述特征图进行卷积处理，得到第二卷积特征图；
将所述第一卷积特征图转置后与所述第二卷积特征图相乘得到融合图，并对所述融合图进行归一化处理，得到注意力图；
基于所述第三卷积模块对所述特征图进行卷积处理，得到第三卷积特征图，并将所述第三卷积特征图和所述注意力图相乘得到所述自注意图。


5.根据权利要求1-4任一项所述的图像矫正方法，其特征在于，...

【专利技术属性】
技术研发人员：吴晨，
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