【技术实现步骤摘要】
图像处理方法、图像处理装置、终端及可读存储介质
[0001]本申请涉及影像
,特别涉及一种图像处理方法、图像处理装置、终端及计算机可读存储介质。
技术介绍
[0002]手机的成像系统由透镜、滤波片和传感器构成,其中透镜部分通常是多片镜片组合在一起实现准确的光线汇聚,从而获取清晰图像。手机镜头在设计的过程中往往只会优化一个成像距离下的镜头性能,例如在设计阶段重点优化无穷远处的成像画质,而将近距离的成像画质优化的权重放低,如此在对近景进行获取时,当镜头重新对焦后,成像的场曲非常严重,从而会导致图像中不同位置的清晰程度差别很大。
[0003]通常,可以通过增加成像系统中镜片的数量,以限制主光线角(Chief Ray Angle,CRA)的角度来改善这种问题,常见的单反镜头全视场CRA几乎为0度,因此很容易可以优化不同成对焦距离的场曲;还可以通过纯算法的方案来解决这一问题,即使用解卷积算法,对获取的图像进行像差校正,从而让整幅图像变得清晰。
[0004]然而,若采用增加成像系统中镜片的数量来解决成像的场曲问题,镜头的体积和重量非常大;若采用传统的算法对获取的图像进行像差校正,计算量较大。
技术实现思路
[0005]本申请实施方式提供了一种图像处理方法、图像处理装置、终端及计算机可读存储介质。
[0006]本申请实施方式的图像处理方法包括:将原始图像进行色度转换以获得YUV初始图像,其中所述原始图像中的每个图像像素均具有第一颜色通道、第二颜色通道及第三颜色通道的图像数据;所述YUV ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:将原始图像进行色度转换以获得YUV初始图像,其中所述原始图像中的每个图像像素均具有第一颜色通道、第二颜色通道及第三颜色通道的图像数据;所述YUV初始图像中的每个图像像素均具有亮度通道、第一色度通道及第二色度通道的图像数据;根据所述YUV初始图像获取得到分别与所述亮度通道、所述第一色度通道及所述第二色度通道对应的亮度图像、第一色度图像及第二色度图像;根据第一点扩散函数对所述亮度图像进行解卷积以获取中间图像,所述第一点扩散函数与所述亮度通道对应;及将所述中间图像、所述第一色度图像及所述第二色度图像输入至目标神经网络模型中进行处理,以获得清晰的YUV目标图像。2.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述第一点扩散函数对所述亮度图像进行解卷积以获取中间图像,所述第一点扩散函数与亮度通道对应,包括:获取多个与不同视场对应的所述第一点扩散函数;将所述亮度图像分割为与多个不同视场对应的区块,并根据多个所述第一点扩散函数分别对对应视场下的所述区块进行解卷积处理,以获取多块处理后的所述区块;及将多块处理后的所述区块拼接以获取中间图像。3.根据权利要求2所述的图像处理方法,其特征在于,用于成像装置,所述成像装置包括镜头及图像传感器,所述获取多个与不同视场对应的所述第一点扩散函数,包括:获取与多个与不同视场对应的原始点扩散函数,及根据所述原始点扩散函数获取所述第一点扩散函数;其中,所述成像装置拍摄点光源生成所述原始点扩散函数;或根据第一参数及第二参数,获取不同视场下分别与所述第一颜色通道、所述第二颜色通道及所述第三颜色通道对应的第二点扩散函数、第三点扩散函数及第四点扩散函,及根据同一视场下的所述第二点扩散函数、所述第三点扩散函数及所述第四点扩散函数,获取对应视场下的所述第一点扩散函数;其中,所述第一参数用于表征所述镜头的光学设计参数,所述第二参数用于表征所述图像传感器的灵敏度。4.根据权利要求1所述的图像处理方法,其特征在于,所述图像处理方法还包括:对所述YUV目标图像进行图像后处理以获得处理后的所述YUV目标图像,所述图像后处理包括降噪处理及锐化处理中的至少一种。5.根据权利要求1所述的图像处理方法,其特征在于,所述图像处理方法还包括:获取样本图像集,所述样本图像集中包括多个样本图像组,每个所述样本图像组包括与相同场景对应的第一样本图像及第二样本图像,所述第二样本图像的清晰度大于所述第一样本图像的清晰度,且所述第一样本图像及所述第二样本图像中每个图像像素均具有亮度通道、第一色度通道及第二色度通道的图像数据;根据所述第一样本图像获取得到分别与所述亮度通道、所述第一色度通道及所述第二色度通道对应的亮度样本图像、第一色度样本图像及第二色度样本图像,并根据所述第一点扩散函数对所述亮度样本图像进行解卷积处理,以获得中间样本图像;将所述中间样本图像、所述第一色度样本图像及所述第二色度样本图像,输入至初始神经网络模型,以获得训练图像;根据所述训练图像及所述第二样本图像计算所述初始神经网络模型的总损失值;及
根据所述总损失值对所述初始神经网络模型进行迭代训练,以获得所述目标神经网络模型。6.根据权利要求5所述的图像处理方法,其特征在于,所述根据所述训练图像及所述第二样本图像计算所述初始神经网络模型的总损失值,包括:根据所述训练图像及所述第二样本图像,分别获取与所述亮度通道对应的第一损失值、与所述第一色度通道对应的第二损失值、及与所述第二色度通道对应的第三损失...
【专利技术属性】
技术研发人员:李响,韦怡,陈嘉伟,王文涛,于盼,
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:
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。