本申请提供一种图像处理方法、装置、设备和计算机可读存储介质；本申请中的方法包括：获取待处理图像；对待处理图像进行图像降噪处理，得到降噪图像数据；对待处理图像进行图像解析处理，得到待处理图像携带的图像信息，其中，图像信息包括图像边缘信息；对降噪图像数据和图像信息进行融合保边处理，得到保留图像边缘信息的降噪图像。本发明专利技术通过采用训练噪声图像和与该训练噪声图像相对应的训练场景图像进行迭代训练获取到的图像降噪模型对待处理图像进行降噪保边处理，能够有效地识别待处理图像中的噪声，从而在降噪过程中有效地平衡待处理图像的噪声和细节，提高获取到的降噪保边图像的图像质量。边图像的图像质量。边图像的图像质量。
【技术实现步骤摘要】
图像处理方法、装置、设备和存储介质
[0001]本申请涉及图像处理
，具体涉及一种图像处理方法、装置、设备和存储介质。
技术介绍
[0002]目前，随着智能终端拍摄技术的飞速发展，越来越多的智能终端用户开始使用智能终端进行拍摄图像，用户对于诸如手机等智能终端拍摄成像的质量要求也越来越高。
[0003]然而现有的智能终端所内置的降噪算法通常为双边滤波和频域降噪等简单降噪方法，这类降噪方法的降噪效果有限，尤其是针对在夜景等暗光环境下所拍摄的图像，现有的降噪方法无法有效平衡图像的噪声和细节的效果，降噪效果不佳。
技术实现思路
[0004]本申请实施例提供一种图像处理方法、装置、设备和存储介质，旨在解决现有的智能终端无法将图像噪声去除的同时保留图像的细节信息的技术问题。
[0005]一方面，本申请实施例提供一种图像处理方法，所述图像处理方法包括以下步骤：
[0006]获取待处理图像；
[0007]对所述待处理图像进行图像降噪处理，得到降噪图像数据；
[0008]对所述待处理图像进行图像解析处理，得到所述待处理图像携带的图像信息，其中，所述图像信息包括图像边缘信息；
[0009]对所述降噪图像数据和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像。
[0010]在本申请一些实施例中，所述图像处理方法应用于图像降噪模型，其中，所述图像降噪模型包括图像降噪模块和图像保边模块，所述图像保边模块包括图像增益单元和融合运算单元；
[0011]所述对所述待处理图像进行图像降噪处理，得到降噪图像数据，包括：
[0012]将所述待处理图像输入到所述图像降噪模型中的图像降噪模块执行图像降噪处理，得到降噪图像数据；
[0013]所述对所述待处理图像进行图像解析处理，得到所述待处理图像携带的图像信息，包括：
[0014]将所述待处理图像输入到所述图像降噪模型中的图像增益单元执行图像解析操作，获取所述待处理图像携带的图像信息；
[0015]所述对所述图像降噪和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像，包括：
[0016]调用所述图像降噪模型中的所述融合运算单元对所述降噪图像数据和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像。
[0017]在本申请一些实施例中，所述对所述待处理图像进行图像解析处理，得到所述待
处理图像携带的图像信息，包括：
[0018]获取所述图像增益单元中生成的与所述图像信息相关联的增益系数；
[0019]调用所述图像增益单元将所述图像信息和所述增益系数相乘，获取增益后的图像信息。
[0020]在本申请一些实施例中，所述将所述待处理图像输入到所述图像降噪模型中的图像降噪模块执行图像降噪处理，得到降噪图像数据步骤之前，还包括：
[0021]获取至少一个目标场景的训练场景图像；
[0022]生成合成噪声，将所述合成噪声添加到所述训练场景图像，生成所述训练噪声图像；
[0023]将所述训练噪声图像和所述场景图像作为训练样本进行迭代训练，获取训练后的图像降噪模型。
[0024]在本申请一些实施例中，所述获取至少一个模板场景的合成场景图像步骤包括：
[0025]获取目标场景对应的多张场景图像；
[0026]对所述目标场景对应的各所述场景图像进行合成，得到目标场景图像；
[0027]对所述目标场景图像进行预处理，得到训练场景图像。
[0028]在本申请一些实施例中，所述对所述目标场景图像进行预处理，获取训练场景图像步骤包括：
[0029]对所述目标场景图像进行颜色通道分离，获取与所述目标场景图像对应的颜色通道数据；
[0030]获取黑电平数值，基于所述黑电平数值对所述颜色通道数据执行黑电平去除操作，获取黑电平去除后的颜色通道数据；
[0031]对所述黑电平去除后的颜色通道数据进行归一化处理，获取训练场景图像。
[0032]在本申请一些实施例中，所述将所述训练噪声图像和所述训练场景图像输入到所述图像降噪模型进行迭代训练，获取训练后的图像降噪模型步骤前，还包括：
[0033]计算所述训练场景图像和所述训练噪声图像分别对应的通道增益值；
[0034]根据所述通道增益值对所述训练场景图像和所述训练噪声图像进行白平衡校正；
[0035]所述将所述训练噪声图像和所述训练场景图像输入到所述图像降噪模型进行迭代训练，获取训练后的图像降噪模型，包括：
[0036]将白平衡校正后的训练噪声图像和训练场景图像输入到所述图像降噪模型进行迭代训练，获取训练后的图像降噪模型。
[0037]另一方面，本申请提供一种图像处理装置，所述图像处理装置包括：
[0038]获取模块，被配置为获取待处理图像；
[0039]降噪模块，被配置为对所述待处理图像进行图像降噪处理，得到降噪图像数据；
[0040]解析模块，被配置为对所述待处理图像进行图像解析处理，得到所述待处理图像携带的图像信息，其中，所述图像信息包括图像边缘信息；
[0041]融合模块，被配置为对所述降噪图像数据和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像。
[0042]另一方面，本申请还提供一种图像处理设备，所述图像处理设备包括：
[0043]一个或多个处理器；
[0044]存储器；以及
[0045]一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述图像处理方法的步骤。
[0046]另一方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的图像处理方法中的步骤。
[0047]本申请实施例的技术方案包括：获取待处理的待处理图像；对该待处理图像进行降噪处理，得到降噪图像数据；同时对待处理图像进行图像解析，得到该待处理图像携带的图像信息，其中，该图像信息包含图像边缘信息；对降噪图像数据和图像信息进行融合保边处理，得到保留图像边缘信息的降噪图像。实现能够有效地识别待处理图像中的噪声，从而在降噪过程中有效地平衡待处理图像的噪声和细节，提高获取到的降噪保边图像的信噪比，进而提高降噪保边图像的图像质量。
附图说明
[0048]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专利技术的一些实施例，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。
[0049]图1为本申请实施例图像处理方法的场景示意图；
[0050]图2为本申请实施例中图像处理方法的一个实施例流程示意图；
[0051]图3为本专利技术图片处理方法实施例所设及的图像降噪模型的结构示意图；
[0本文档来自技高网...
【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，所述图像处理方法包括：获取待处理图像；对所述待处理图像进行图像降噪处理，得到降噪图像数据；对所述待处理图像进行图像解析处理，得到所述待处理图像携带的图像信息，其中，所述图像信息包括图像边缘信息；对所述降噪图像数据和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像。2.如权利要求1所述的图像处理方法，其特征在于，所述图像处理方法应用于图像降噪模型，其中，所述图像降噪模型包括图像降噪模块和图像保边模块，所述图像保边模块包括图像增益单元和融合运算单元；所述对所述待处理图像进行图像降噪处理，得到降噪图像数据，包括：将所述待处理图像输入到所述图像降噪模型中的图像降噪模块执行图像降噪处理，得到降噪图像数据；所述对所述待处理图像进行图像解析处理，得到所述待处理图像携带的图像信息，包括：将所述待处理图像输入到所述图像降噪模型中的图像增益单元执行图像解析操作，获取所述待处理图像携带的图像信息；所述对所述图像降噪和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像，包括：调用所述图像降噪模型中的所述融合运算单元对所述降噪图像数据和所述图像信息进行融合保边处理，得到保留所述图像边缘信息的降噪图像。3.如权利要求2所述的图像处理方法，其特征在于，所述对所述待处理图像进行图像解析处理，得到所述待处理图像携带的图像信息，包括：获取所述图像增益单元中生成的与所述图像信息相关联的增益系数；调用所述图像增益单元将所述图像信息和所述增益系数相乘，获取增益后的图像信息。4.如权利要求1所述的图像处理方法，其特征在于，所述将所述待处理图像输入到所述图像降噪模型中的图像降噪模块执行图像降噪处理，得到降噪图像数据步骤之前，还包括：获取至少一个目标场景的训练场景图像；生成合成噪声，将所述合成噪声添加到所述训练场景图像，生成所述训练噪声图像；将所述训练噪声图像和所述训练场景图像作为训练样本进行迭代训练，获取训练后的图像降噪模型。5.如权利要求4所述的图像处理方法，其特征在于，所述获取至少一个目标场景的训练场景图像步骤包括：获取目标场景对应...
【专利技术属性】
技术研发人员：郑加章，刘阳兴，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
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。