【技术实现步骤摘要】
图像处理方法、图像处理装置与图像处理系统
本专利技术涉及一种图像处理方法，该图像处理方法用于对由用于捕获被捕获图像的光学系统引起的模糊进行锐化或整形。
技术介绍
日本专利公开号(“JP”)2011-123589公开了使用基于Wiener滤波器的处理来校正由被捕获图像中的像差引起的模糊并且获取经锐化的图像的方法。JP2017-199235公开了使用卷积神经网络(CNN)校正由被捕获图像中的散焦引起的模糊的方法。然而，JP2011-123589中公开的方法使用基于Wiener滤波器的处理(线性处理)，因此不能以高精度对模糊的图像进行锐化。例如，无法恢复关于其中模糊使空间频谱为零或使被摄体的强度与噪声的强度相同的被摄体的信息。此外，由于需要针对不同的像差使用不同的Wiener滤波器，因此在生成各种像差的光学系统中，用于锐化被捕获图像的存储数据量(指示多个Wiener滤波器的数据容量)增加。另一方面，在JP2017-199235中，由于使用CNN的方法是非线性处理，因此可以估计已经减小到零附近的被摄体的空间频谱。然而...
【技术保护点】
1.一种图像处理方法，包括：/n第一步骤，获取包括被捕获图像和与用于捕获所述被捕获图像的光学系统的状态有关的光学系统信息的输入数据；以及/n第二步骤，将所述输入数据输入到机器学习模型，并生成通过对所述被捕获图像进行锐化或通过对所述被捕获图像中包括的模糊进行整形而获取的估计图像。/n
【技术特征摘要】
20190606 JP 2019-1058501.一种图像处理方法，包括：
第一步骤，获取包括被捕获图像和与用于捕获所述被捕获图像的光学系统的状态有关的光学系统信息的输入数据；以及
第二步骤，将所述输入数据输入到机器学习模型，并生成通过对所述被捕获图像进行锐化或通过对所述被捕获图像中包括的模糊进行整形而获取的估计图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述光学系统的状态包括所述光学系统的变焦、F数和被摄体距离的状态中的至少一个。
3.根据权利要求1所述的图像处理方法，其特征在于，所述第二步骤对于在所述光学系统的第一状态下捕获的第一被捕获图像和在所述光学系统的第二状态下捕获的第二被捕获图像使用相同权重的机器学习模型，所述第二状态不同于所述第一状态。
4.根据权利要求1所述的图像处理方法，其特征在于，所述光学系统信息包括指示所述光学系统的变焦、F数和被摄体距离的状态中的至少一个的数值，并且
所述数值基于所述光学系统对于变焦、F数和被摄体距离的状态中的所述至少一个可能采取的范围而被规范化。
5.根据权利要求1所述的图像处理方法，其特征在于，所述输入数据包括指示所述光学系统的状态的状态图，并且
所述状态图是基于所述被捕获图像的像素数量和所述光学系统信息而生成的。
6.根据权利要求5所述的图像处理方法，其特征在于，所述状态图中的相同通道的每个元素具有相同的数值。
7.根据权利要求1所述的图像处理方法，其特征在于，所述输入数据还包括关于所述被捕获图像的每个像素的位置信息。
8.根据权利要求7所述的图像处理方法，其特征在于，所述位置信息具有按基于所述光学系统的像圈的长度被规范化的数值。
9.根据权利要求1所述的图像处理方法，其特征在于，所述光学系统信息包括关于所述光学系统的类型的信息。
10.根据权利要求1所述的图像处理方法，其特征在于，所述光学系统信息包括关于光学低通滤波器的存在与否或者所述光学低通滤波器的类型的信息。
11.根据权利要求1所述的图像处理方法，其特征在于，所述光学系统信息包括关于所述光学系统的配件的存在与否或者所述配件的类型的信息。
12.根据权利要求1所述的图像处理方法，其特征在于，所述输入数据还包括关于在捕获所述被捕获图像时到被摄体空间的距离的分布信息。
13.根据权利要求1至12所述的图像处理方法，其特征在于，所述输入数据包括关于用于捕获所述被捕获图像的图像传感器的像素间...
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。