一种图像处理方法、装置、电子设备以及可读存储介质制造方法及图纸

本申请实施例提供一种图像处理方法、一种图像处理装置、一种电子设备一种可读存储介质以及一种计算机程序产品。该方法包括：获得待处理图像集中所有图像的像素值整体对应的第一累积分布律；根据所述第一累计分布律，获得所述所有图像的像素点对应的像素值在所述第一累积分布律中对应的累积分布值；将所述所有图像的像素点对应的像素值替换为所述累积分布值，获得所述所有图像各自对应的均匀分布变换图像。本申请实施例提供的图像处理方法，能够使所有均匀分布变换图像的像素值整体对应的频率分布趋近于均匀分布，将该待处理图像集中的图像自对应的均匀分布变换图像作为模型训练的样本数据，能够提升神经网络模型的收敛速度和收敛效果。

【技术实现步骤摘要】
一种图像处理方法、装置、电子设备以及可读存储介质
本申请涉及计算机
，具体涉及一种图像处理方法。本申请还涉及一种图像处理装置、一种电子设备、一种可读存储介质以及一种计算机程序产品。
技术介绍
近年来，随着计算机技术的快速发展，机器学习技术也随之不断的发展。机器学习技术可以应用于多种领域，如：图像识别处理领域、音频识别处理领域等。在将机器学习技术图像识别处理领域时，往往需要训练具有特定功能的神经网络模型。在训练神经网络模型的过程中，需要大量图像作为样本数据。为了得到大量的样本数据，往往会对原有图像集中的图像进行数据增强处理，以此来获得新的图像作为样本数据。现有针对图像集中的图像进行数据增强的常见方法有：翻转、裁剪、旋转、亮度变换、对比度变换以及饱和度变换等。但是，仅仅通过现有针对图像集进行数据增强的常见方法，获得新的样本数据，来训练神经网络模型，不能很好的提升神经网络模型的收敛速度和收敛效果。
技术实现思路
本申请实施例提供一种图像处理方法、一种图像处理装置、一种电子设备一种可读存储介质以及一种计算机程序产品，以本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获得待处理图像集中所有图像的像素值整体对应的第一累积分布律；/n根据所述第一累计分布律，获得所述所有图像的像素点对应的像素值在所述第一累积分布律中对应的累积分布值；/n将所述所有图像的像素点对应的像素值替换为所述累积分布值，获得所述所有图像各自对应的均匀分布变换图像。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获得待处理图像集中所有图像的像素值整体对应的第一累积分布律；
根据所述第一累计分布律，获得所述所有图像的像素点对应的像素值在所述第一累积分布律中对应的累积分布值；
将所述所有图像的像素点对应的像素值替换为所述累积分布值，获得所述所有图像各自对应的均匀分布变换图像。


2.根据权利要求1所述的方法，其特征在于，在获得所述所有图像各自对应的均匀分布变换图像之后，还包括：
根据所述所有图像各自对应的均匀分布变换图像，获得所有均匀分布变换图像的像素点对应的像素值；
将所述所有均匀分布变换图像的像素点对应的像素值进行Box-Muller变换，获得所述所有图像各自对应的高斯分布变换图像。


3.根据权利要求1所述的方法，其特征在于，在获得所述所有图像各自对应的均匀分布变换图像之后，还包括：
获得参考图像集中所有参考图像的像素值整体对应的第二累积分布律；
根据所述所有图像各自对应的均匀分布变换图像，获得所有均匀分布变换图像的像素点对应的像素值；
根据所述第二累计分布律，获得所述所有均匀分布变换图像的像素点对应的像素值在所述第二累积分布律中对应的参考累积分布值；
将所述所有均匀分布变换图像的像素点对应的像素值替换为所述参考累积分布值对应的像素值，获得所述所有图像各自对应的参考分布变换图像。


4.根据权利要求1所述的方法，其特征在于，所述获得待处理图像集中所有图像的像素值整体对应的第一累积分布律，包括：
获得所述所有图像的像素值对应的分布频率；
针对所述所有图像的像素值对应的分布频率进行频率累积，获得所述第一累积分布律。


5.根据权利要求1-4任意一项所述的方法，其特征在于，所述所有图像的像素值包括：所述所有图像的红绿蓝三个颜色通道各自的像素值。


6.一种图像处理装置，其特征在于，包括：
第一累积分布律获得单元，用于获得待处理图像集中所有图像的像素值整体对应的第一累积分布律；
累积分布值获得单元，用于根据所述第一累计分布律，获得所述所有图像的像素点对应的像素值在所述第一累积分布律中对应的累积分布值；
均匀分布变换图像获得单元，用于将所述所有图像的像素点对应的像...

【专利技术属性】
技术研发人员：曾宇，郑李辉，王博，
申请(专利权)人：图兮数字科技北京有限公司，
类型：发明
国别省市：北京;11