【技术实现步骤摘要】
图像处理方法、装置及存储介质
[0001]本公开涉及图像处理领域，尤其涉及图像阴影去除领域。
技术介绍
[0002]相关技术中，传统的阴影去除方法利用先验信息去除阴影，如梯度信息、亮度信息、区域信息。面对复杂的阴影形状和光照条件，传统算法的鲁棒性不足，达不到令人满意的结果。随着深度学习技术的发展，不少学者使用深度学习技术去除阴影，并取得了不错的效果。例如，学者提出ST
‑
CGAN网络结合两个堆叠的条件生成对抗网络进行阴影检测和阴影去除。
[0003]然而，在相关技术中，大部分基于深度学习的去阴影方法是图片到图片的过程，由于现在相机拍摄的图片像素较大，从而导致计算量很大、耗时很长，难以部署到计算能力较小的终端。
技术实现思路
[0004]为克服相关技术中存在的问题，本公开提供一种图像处理方法、装置及存储介质。
[0005]根据本公开实施例的第一方面，提供一种图像处理方法，包括：
[0006]获取待处理图像；
[0007]对所述待处理图像进行压缩，得到压缩图像；
[0008]生成所述压缩图像的多个预测张量，所述多个预测张量包括对应所述压缩图像的三原色通道中的各个通道的斜率张量以及截距张量；
[0009]将每一所述预测张量放大，得到多个目标张量，以使每一所述目标张量对应的像素数量与所述待处理图像的像素数量相同，所述多个目标张量包括所述三原色通道中的各个通道的目标斜率张量以及目标截距张量；
[0010]根据各所述目标斜率张量、各所述目标...
【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：获取待处理图像；对所述待处理图像进行压缩，得到压缩图像；生成所述压缩图像的多个预测张量，所述多个预测张量包括对应所述压缩图像的三原色通道中的各个通道的点亮参数张量，所述三原色通道包括红色通道、绿色通道、蓝色通道；根据所述多个预测张量，得到多个目标张量，以使每一所述目标张量对应的像素数量与所述待处理图像的像素数量相同，所述多个目标张量包括所述三原色通道中的各个通道的目标点亮参数张量；根据各所述目标点亮参数张量以及所述待处理图像，生成所述待处理图像的包括三原色通道的去阴影图像。2.根据权利要求1所述的方法，其特征在于，所述点亮参数张量包括斜率张量以及截距张量，所述目标点亮参数张量包括目标截距张量以及目标截距张量；所述根据各所述目标点亮参数张量以及所述待处理图像，生成所述待处理图像的去阴影图像包括：针对所述待处理图像的像素点，将该像素点的红色通道的像素值乘以红色通道对应目标斜率张量后，加上红色通道对应目标截距张量，得到所述去阴影图像对应该像素点的红色通道的像素值；并，将该像素点的绿色通道的像素值乘以绿色通道对应目标斜率张量后，加上绿色通道对应目标截距张量，得到所述去阴影图像对应该像素点的绿色通道的像素值；并，将该像素点的蓝色通道的像素值乘以蓝色通道对应目标斜率张量后，加上蓝色通道对应目标截距张量，得到所述去阴影图像对应该像素点的蓝色通道的像素值。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：生成所述去阴影图像的多个预测张量；根据所述多个预测张量以及所述待处理图像，生成所述去阴影图像去除边界残留的优化图像。4.根据权利要求3所述的方法，其特征在于，所述多个预测张量还包括对应所述压缩图像的阴影掩膜的掩膜张量，所述多个目标张量还包括目标掩膜张量；在所述生成所述去阴影图像的多个预测张量之前，还包括：根据所述待处理图像以及所述目标掩膜张量确定所述待处理图像的阴影的亮度值；并，确定所述亮度值大于预设阈值。5.根据权利要求4所述的方法，其特征在于，通过第一生成模型执行所述生成所述压缩图像的多个预测张量的步骤，所述第一生成模型是通过如下方式得到的：对样本图像进行压缩，得到样本压缩图像，其中，所述样本图像是针对无阴影图像添加预设阴影图像得到的图像；通过第一初始生成模型生成所述样本压缩图像的多个样本张量；根据所述多个样本张量，得到多个目标样本张量；在基于所述多个目标样本张量得到所述样本图像的去阴影样本图像后，根据所述多个
目标样本张量中的目标掩膜样本张量以及所述预设阴影图像计算第一损失值，并根据所述无阴影图像以及所述去阴影样本图像计算第二损失值；根据所述第一损失值以及所述第二损失值更新所述第一初始生成模型的参数，得到所述第一生成模型。6.根据权利要求5所述的方法，其特征在于，通过第二生成模型执行所述...
【专利技术属性】
技术研发人员：李子沁，周代国，彭鑫，
申请(专利权)人：北京小米松果电子有限公司，
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。