一种图像修饰方法、装置、设备和存储介质制造方法及图纸

本申请实施例公开了一种图像修饰方法、装置、设备和存储介质，包括：获取原始图像，所述原始图像包括原始像素；对所述原始图像进行采样处理，得到采样图像；通过预设的第一函数对所述采样图像进行图像特征提取，得到第二函数；对所述采样图像进行图像灰度化处理，得到第三函数，其中，所述第二函数用于表征单通道图像；通过所述第二函数和第三函数对所述原始图像进行图像修饰处理，得到目标图像。通过用于色调映射的自适应3D LUT和将局部权重应用于前述自适应3D LUT的2D LUT，使得在低配置终端硬件上进行高效的、能够实现局部映射的图像修饰，以此实现图像的HDR转化。以此实现图像的HDR转化。以此实现图像的HDR转化。

【技术实现步骤摘要】
一种图像修饰方法、装置、设备和存储介质


[0001]本申请涉及计算机领域，具体涉及一种图像修饰方法、装置、设备和存储介质。

技术介绍

[0002]在图像处理中，图像修饰的目的是将拍摄的图像变成高质量图像，具体来说，这意味着可以提高色彩的美感，在过度曝光、曝光不足的区域恢复细节信息，增加图像对比度及饱和度。
[0003]现有的图像修饰方法包括：
[0004]其中一种方法是通过以多个3D LUT(3D Look
‑
Up
‑
Table，即三维查找表，其本质是一个RAM，每当输入一个信号就是输入一次地址进行查表，找出地址对应的内容并输出，对于显示器来说能起到颜色空间转换的作用；同理2D LUT，2D Look
‑
Up
‑
Table，即二维查找表，每当输入两个不相关的变量，得到相应的输出)作为基础进行成对或不成对的训练学习，卷积网络用于预测线性权重，该线性权重应用于为输入图像生成自适应3D LUT；该方法的主要缺陷在于仅适用于全局色调映射，具体地，相同颜色的像素会被忽略当前所处的空间及环境，而映射到相同颜色像素，这意味着，如果图像中具有相似像素信息的不同区域需要进行不同的变换，则该网络将无法进行变换。
[0005]由此，最近提出另一种方法，该方法将3D LUT应用到局部映射工作中，局部色调映射是通过集成深度编码器
‑
解码器结构来实现的，该结构产生线性权重预测的全局特征和高分辨率像素级映射。此外，大量3D LUT必须存储在设备上，尽管这是相对快的方法，但其参数数量显著增加(约为现有其他方法的10倍)。
[0006]综上，现有技术无法兼顾实现局部映射以及低运行成本。

技术实现思路

[0007]本申请实施例提供一种图像修饰方法、装置、设备和存储介质，可以通过用于色调映射的自适应3D LUT和将局部权重应用于前述自适应3D LUT的2D LUT，使得在低配置终端硬件上进行高效的、能够实现局部映射的图像修饰，以此实现图像的HDR转化。
[0008]本申请实施例提供一种图像修饰方法，包括：
[0009]对原始图像进行采样处理，得到采样图像；
[0010]通过预设的第一函数对所述采样图像进行图像特征提取，得到第二函数；
[0011]对所述采样图像进行灰度化处理，得到第三函数；
[0012]通过所述第二函数和第三函数对所述原始图像进行图像修饰处理，得到目标图像。
[0013]在上述的实施方式中，所述对原始图像进行采样处理，得到采样图像，包括：
[0014]通过下采样算法对所述原始图像进行采样处理，得到所述采样图像。
[0015]可选地，
[0016]所述通过预设的第一函数对所述采样图像进行图像特征提取，得到第二函数，包
括：
[0017]将所述采样图像输入至权重预测网络，得到向量，所述向量包括权重，其中，所述权重数量与所述第一函数数量相同且一一对应；
[0018]将所述第一函数与其对应的所述权重进行加权，得到加权第一函数；
[0019]将所有加权第一函数相加，生成所述第二函数。
[0020]可选地，所述对所述采样图像进行灰度化处理，得到第三函数，包括：
[0021]将所述采样图像输入至全卷积投影网络，得到用于表征单通道图像的所述第三函数。
[0022]可选地，所述通过所述第二函数和第三函数对所述原始图像进行图像修饰处理，得到目标图像，包括：
[0023]将所述原始图像代入第二函数，得到第二函数输出矩阵，运用三线性插值算法遍历所述第二函数输出矩阵，得到像素值预测矩阵；
[0024]将所述原始图像的像素坐标代入第三函数，得到第三函数输出矩阵，运用双线性插值算法遍历所述第三函数输出矩阵，得到权重预测矩阵；
[0025]计算所述像素值预测矩阵与权重预测矩阵的哈达玛积，得到像素值输出矩阵。
[0026]可选地，在对原始图像进行采样处理，得到采样图像之前，所述方法还包括：
[0027]通过所述第一函数对所述采样图像进行图像特征提取，得到训练第二函数；
[0028]将所述训练采样图像输入至全卷积投影网络，得到训练第三函数；
[0029]通过所述训练第二函数和训练第三函数对所述训练图像进行图像修饰处理，得到训练目标图像；
[0030]计算所述训练目标像素的像素值与所述训练原始像素的像素值的损失值；
[0031]循环往复上述步骤，直到所述损失降至目标值为止。
[0032]在上述的实施方式中，所述通过所述第一函数对所述采样图像进行图像特征提取，得到训练第二函数，包括：
[0033]将训练采样图像输入至权重预测网络，得到训练向量，所述训练向量包括训练权重，其中，所述训练权重的数量与所述第一函数的数量相同且一一对应；
[0034]将所述第一函数与其对应的所述训练权重进行加权，生成训练加权第一函数；
[0035]将所有训练加权第一函数相加，生成所述训练第二函数。
[0036]本申请实施例还提供一种图像修饰装置，包括：
[0037]图像采样单元，用于对原始图像进行采样处理，得到采样图像；
[0038]图像特征提取单元，用于通过预设的第一函数对所述采样图像进行图像特征提取，得到第二函数；
[0039]图像灰度化处理单元，用于对所述采样图像进行灰度化处理，得到第三函数；
[0040]图像修饰单元，用于通过所述第二函数和第三函数对所述原始图像进行图像修饰处理，得到目标图像。
[0041]本申请实施例还提供一种设备，包括存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行如上所述的一种图像修饰方法中的步骤。
[0042]本申请实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述的一种图像修饰方法中的步骤。
[0043]本申请实施例可以通过用于色调映射的自适应3D LUT和将局部权重应用于前述自适应3D LUT的2D LUT，使得在低配置终端硬件上进行高效的、能够实现局部映射的图像修饰，以此实现图像的HDR转化，即相较于现有图像修饰技术，具备整体流程中参数少、低运算成本、高运算速度以及占用磁盘空间小的特点。
[0044]本申请实施例还可以应用于更宽泛的图像条件，即可以实现在低光照(曝光不足)的局部提升亮度并恢复细节，同时在非常明亮(曝光过度)的区域降低亮度并恢复细节。
附图说明
[0045]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申请的一些实施例，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。
[0046]图1a是本申请实施例提供的一种图像修饰方法的一种应用场景示意图；...

【技术保护点】

【技术特征摘要】
1.一种图像修饰方法，其特征在于，包括：对原始图像进行采样处理，得到采样图像；通过预设的第一函数对所述采样图像进行图像特征提取，得到第二函数；对所述采样图像进行灰度化处理，得到第三函数；通过所述第二函数和第三函数对所述原始图像进行图像修饰处理，得到目标图像。2.根据权利要求1所述的一种图像修饰方法，其特征在于，对原始图像进行采样处理，得到采样图像，包括：通过下采样算法对所述原始图像进行采样处理，得到所述采样图像。3.根据权利要求1所述的一种图像修饰方法，其特征在于，所述通过预设的第一函数对所述采样图像进行图像特征提取，得到第二函数，包括：将所述采样图像输入至权重预测网络，得到向量，所述向量包括权重，其中，所述权重数量与所述第一函数数量相同且一一对应；将所述第一函数与其对应的所述权重进行加权，得到加权第一函数；将所有加权第一函数相加，生成所述第二函数。4.根据权利要求1所述的一种图像修饰方法，其特征在于，所述对所述采样图像进行灰度化处理，得到第三函数，包括：将所述采样图像输入至全卷积投影网络，得到用于表征单通道图像的所述第三函数。5.根据权利要求1所述的一种图像修饰方法，其特征在于，所述通过所述第二函数和第三函数对所述原始图像进行图像修饰处理，得到目标图像，包括：将所述原始图像代入第二函数，得到第二函数输出矩阵，运用三线性插值算法遍历所述第二函数输出矩阵，得到像素值预测矩阵；将所述原始图像的像素坐标代入第三函数，得到第三函数输出矩阵，运用双线性插值算法遍历所述第三函数输出矩阵，得到权重预测矩阵；计算所述像素值预测矩阵与权重预测矩阵的哈达玛积，得到像素值输出矩阵。6.根据权利要求1所述的一种图像修饰方法，其特征在于...

【专利技术属性】
技术研发人员：卢卡，
申请(专利权)人：TCL科技集团股份有限公司，
类型：发明
国别省市：