CN109462732B - 一种图像处理方法、设备及计算机可读存储介质 - Google Patents
一种图像处理方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109462732B CN109462732B CN201811273863.0A CN201811273863A CN109462732B CN 109462732 B CN109462732 B CN 109462732B CN 201811273863 A CN201811273863 A CN 201811273863A CN 109462732 B CN109462732 B CN 109462732B
- Authority
- CN
- China
- Prior art keywords
- image data
- primary color
- resolution
- color image
- primary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 73
- 238000013528 artificial neural network Methods 0.000 claims description 46
- 230000002776 aggregation Effects 0.000 claims description 20
- 238000004220 aggregation Methods 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 11
- 238000005094 computer simulation Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、设备及计算机可读存储介质，所述方法包括：基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据；每一所述第一基色图像数据的第一分辨率为所述贝叶斯图像数据的第二分辨率的一半；将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据；将每一所述第一基色图像数据对应的四个所述第二基色图像数据合并为一个所述第二分辨率的第三基色图像数据。本发明还公开了一种图像处理设备及计算机可读存储介质，上述方案能够有效地提高图像传感器在黑暗或弱光环境下进行快速图像采集得到的图像亮度，有效提高了图像的成像质量。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种图像处理方法、设备及计算机可读存储介质。
背景技术
随着电子图像采集设备(例如：数码相机、智能移动终端或数码摄像机)的发展，在黑暗或弱光环境下进行快速(短时间)图像采集时，由于图像低光子数和低信噪比的影响，在图像中会形成噪声点，影响图像的成像质量。
发明内容
本发明的主要目的在于提出一种图像处理方法、设备及计算机可读存储介质，旨在解决现有技术中在黑暗或弱光环境下进行快速图像采集时图像中会形成噪声点的缺陷。
为实现上述目的，本发明提供的一种图像处理方法，包括：
基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据；其中，每一所述第一基色图像数据的第一分辨率为所述贝叶斯图像数据的第二分辨率的一半；
将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据；
将每一所述第一基色图像数据对应的四个所述第二基色图像数据合并为一个所述第二分辨率的第三基色图像数据。
可选的，所述基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据，包括：
将所述贝叶斯图像数据馈送至四个基色通道中，以得到四个所述第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一所述第四基色图像数据减去黑电平亮度值，并以所述设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个所述第一分辨率的第二绿色图像数据，以生成所述三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，所述第二绿色图像数据，及缩放后的蓝色图像数据。
可选的，在所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据之前，所述方法还包括：
对每一所述第一基色图像数据分别进行放大，以分别提高每一所述第一基色图像数据对应基色图像的亮度值。
可选的，所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据，包括：
将所述每一所述第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据。
可选的，其特征在于，所述设定亮度调整比例的获取方式，包括：
根据所述贝叶斯图像数据，获取所述图像传感器采集到的图像的亮度值；
基于预置的亮度值与亮度调整比例的映射关系，获取所述图像的亮度值对应的所述设定亮度调整比例。
此外，为实现上述目的，本发明还提出一种图像处理设备，所述图像处理设备包括处理器和存储器；
所述处理器用于执行存储器中存储的图像处理的程序，以实现以下步骤：
基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据；其中，每一所述第一基色图像数据的第一分辨率为所述贝叶斯图像数据的第二分辨率的一半；
将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据；
将每一所述第一基色图像数据对应的四个所述第二基色图像数据合并为一个所述第二分辨率的第三基色图像数据。
可选的，所述基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据，包括：
将所述贝叶斯图像数据馈送至四个基色通道中，以得到四个所述第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一所述第四基色图像数据减去黑电平亮度值，并以所述设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个所述第一分辨率的第二绿色图像数据，以生成所述三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，所述第二绿色图像数据，及缩放后的蓝色图像数据。
可选的，在所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据之前，所述处理器还用于执行所述图像处理的程序，以实现以下步骤：
对每一所述第一基色图像数据分别进行放大，以分别提高每一所述第一基色图像数据对应基色图像的亮度值。
可选的，所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据，包括：
将所述每一所述第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据。
可选的，所述设定亮度调整比例的获取方式，包括：
根据所述贝叶斯图像数据，获取所述图像传感器采集到的图像的亮度值；
基于预置的亮度值与亮度调整比例的映射关系，获取所述图像的亮度值对应的所述设定亮度调整比例。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的图像处理方法的步骤。
本发明提出的一种图像处理方法、设备及计算机可读存储介质，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
附图说明
图1为实现本发明各个实施例一可选的移动终端的硬件结构示意图；
图2为本发明第一实施例所述的图像处理方法流程图；
图3为本发明第一实施例所述的生成三个第一基色图像数据示意图；
图4为本发明第一和第二实施例所述的生成四个包含不同图像细节的第二基色图像数据示意图；
图5为本发明第一和第二实施例所述的将四个第二基色图像数据合并为一个第三基色图像数据示意图；
图6为本发明第二实施例所述的生成三个第一基色图像数据示意图；
图7为本发明第二实施例所述的图像处理方法流程图；
图8为本发明第三实施例所述的图像处理方法流程图；
图9为本发明第四实施例所述的图像处理方法流程图；
图10为本发明第五至第八实施例所述的图像处理设备组成结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。
后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
请参阅图1，其为实现本发明各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图1对移动终端的各个部件进行具体的介绍：
射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)等。
WiFi属于短距离无线传输技术，移动终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。
A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
移动终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。
进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。
接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。
移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。
基于上述移动终端硬件结构，提出本发明方法各个实施例。
本发明第一实施例，一种图像处理方法，如图2～图5所示，包括以下具体步骤：
步骤S101，基于图像传感器采集到的贝叶斯图像数据(Bayer RAW)，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
在本实施例中，三个第一基色图像数据包括：红色图像数据、绿色图像数据和蓝色图像数据。
在本实施例中，对设定亮度调整比例不做具体限定，可以是工程师根据工程经验设置的亮度调整比例，也可以是通过有限次试验获取到的图像最佳亮度值的亮度调整比例，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度调整比例。
例如：步骤S101，包括：如图3所示，基于图像传感器采集到的贝叶斯图像数据，生成以设定亮度调整比例400倍缩放的红色图像数据、绿色图像数据和蓝色图像数据；
其中，红色图像数据的第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半；
绿色图像数据的第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半；
蓝色图像数据的第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
步骤S102，将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：步骤S102，包括：如图4所示，将第一红色基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
步骤S103，将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：步骤S103，包括：如图5所示，将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第一实施例所述的图像处理方法，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第二实施例，一种图像处理方法，如图4～图7所示，包括以下具体步骤：
步骤S201，基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，步骤S201，包括：
将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率为贝叶斯图像数据的第二分辨率的一半。
在本实施例中，对设定亮度调整比例不做具体限定，可以是工程师根据工程经验设置的亮度调整比例，也可以是通过有限次试验获取到的图像最佳亮度值的亮度调整比例，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度调整比例。
例如：步骤S201，包括：如图6所示，将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率(3000×2000)的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例300倍进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率(3000×2000)的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
步骤S202，将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：步骤S202，包括：如图4所示，将第一红色基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
步骤S203，将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：步骤S203，包括：如图5所示，将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第二实施例所述的图像处理方法，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第三实施例，一种图像处理方法，如图8所示，包括以下具体步骤：
步骤S301，基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，步骤S301，包括：
将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率为贝叶斯图像数据的第二分辨率的一半。
在本实施例中，对设定亮度调整比例不做具体限定，可以是工程师根据工程经验设置的亮度调整比例，也可以是通过有限次试验获取到的图像最佳亮度值的亮度调整比例，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度调整比例。
例如：步骤S301，包括：将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率(3000×2000)的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例300倍进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率(3000×2000)的第一基色图像数据；其中，三个第一基色图像数据包括：红色图像数据、第二绿色图像数据和蓝色图像数据；第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
步骤S302，对每一第一基色图像数据分别进行放大，以分别提高每一第一基色图像数据对应基色图像的亮度值。
步骤S303，将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
可选的，步骤S303，包括：
将每一第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：步骤S303，包括：将第一红色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
步骤S304，将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：步骤S304，包括：
将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第三实施例所述的图像处理方法，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第四实施例，一种图像处理方法，如图9所示，包括以下具体步骤：
步骤S401，基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，步骤S401，包括：
将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，设定亮度调整比例的获取方式，包括但不限于：
根据贝叶斯图像数据，获取图像传感器采集到的图像的亮度值；
基于预置的亮度值与亮度调整比例的映射关系，获取图像的亮度值对应的设定亮度调整比例。
在本实施例中，对亮度值与亮度调整比例的映射关系不做具体限定，可以是工程师根据工程经验设置的亮度值与亮度调整比例的映射关系，也可以是通过有限次试验获取到的图像最佳亮度值的亮度值与亮度调整比例的映射关系，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度值与亮度调整比例的映射关系。
例如：步骤S401，包括：将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率(3000×2000)的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例300倍进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率(3000×2000)的第一基色图像数据；其中，三个第一基色图像数据包括：红色图像数据、第二绿色图像数据和蓝色图像数据；第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
步骤S402，对每一第一基色图像数据分别进行放大，以分别提高每一第一基色图像数据对应基色图像的亮度值。
步骤S403，将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
可选的，步骤S403，包括：
将每一第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：步骤S403，包括：将第一红色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
步骤S404，将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：步骤S404，包括：
将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第四实施例所述的图像处理方法，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第五实施例，一种图像处理设备，如图10所示，包括以下组成部分：
处理器501和存储器502。在本发明的一些实施例中，处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器，例如中央处理器(Central Processing Unit，CPU)，还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。其中，存储器502用于存储处理器501的可执行指令；
存储器502，用于存储程序代码，并将该程序代码传输给处理器501。存储器502可以包括易失性存储器(Volatile Memory)，例如随机存取存储器(Random Access Memory，RAM)；存储器502也可以包括非易失性存储器(Non-Volatile Memory)，例如只读存储器(Read-Only Memory，ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；存储器502还可以包括上述种类的存储器的组合。
其中，处理器501用于调用存储器502存储的程序代码管理代码，执行如下操作：
1)基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
在本实施例中，三个第一基色图像数据包括：红色图像数据、绿色图像数据和蓝色图像数据。
在本实施例中，对设定亮度调整比例不做具体限定，可以是工程师根据工程经验设置的亮度调整比例，也可以是通过有限次试验获取到的图像最佳亮度值的亮度调整比例，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度调整比例。
例如：基于图像传感器采集到的贝叶斯图像数据，生成以设定亮度调整比例400倍缩放的红色图像数据、绿色图像数据和蓝色图像数据；
其中，红色图像数据的第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半；
绿色图像数据的第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半；
蓝色图像数据的第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
2)将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：将第一红色基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
3)将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第五实施例所述的图像处理设备，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第六实施例，一种图像处理设备，如图10所示，包括以下组成部分：
处理器501和存储器502。在本发明的一些实施例中，处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器，例如中央处理器，还可以是数字信号处理器、专用集成电路，或者是被配置成实施本发明实施例的一个或多个集成电路。其中，存储器502用于存储处理器501的可执行指令；
存储器502，用于存储程序代码，并将该程序代码传输给处理器501。存储器502可以包括易失性存储器，例如随机存取存储器；存储器502也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器502还可以包括上述种类的存储器的组合。
其中，处理器501用于调用存储器502存储的程序代码管理代码，执行如下操作：
1)基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据的方式，包括：
将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率为贝叶斯图像数据的第二分辨率的一半。
在本实施例中，对设定亮度调整比例不做具体限定，可以是工程师根据工程经验设置的亮度调整比例，也可以是通过有限次试验获取到的图像最佳亮度值的亮度调整比例，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度调整比例。
例如：将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率(3000×2000)的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例300倍进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率(3000×2000)的第一基色图像数据；其中，三个第一基色图像数据包括：红色图像数据、第二绿色图像数据和蓝色图像数据；第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
2)将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：将第一红色基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
3)将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第六实施例所述的图像处理设备，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第七实施例，一种图像处理设备，如图10所示，包括以下组成部分：
处理器501和存储器502。在本发明的一些实施例中，处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器，例如中央处理器，还可以是数字信号处理器、专用集成电路，或者是被配置成实施本发明实施例的一个或多个集成电路。其中，存储器502用于存储处理器501的可执行指令；
存储器502，用于存储程序代码，并将该程序代码传输给处理器501。存储器502可以包括易失性存储器，例如随机存取存储器；存储器502也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器502还可以包括上述种类的存储器的组合。
其中，处理器501用于调用存储器502存储的程序代码管理代码，执行如下操作：
1)基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据的方式，包括：
将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率为贝叶斯图像数据的第二分辨率的一半。
在本实施例中，对设定亮度调整比例不做具体限定，可以是工程师根据工程经验设置的亮度调整比例，也可以是通过有限次试验获取到的图像最佳亮度值的亮度调整比例，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度调整比例。
例如：将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率(3000×2000)的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例300倍进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率(3000×2000)的第一基色图像数据；其中，三个第一基色图像数据包括：红色图像数据、第二绿色图像数据和蓝色图像数据；第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
2)对每一第一基色图像数据分别进行放大，以分别提高每一第一基色图像数据对应基色图像的亮度值。
3)将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
可选的，将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据的方式，包括：
将每一第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：将第一红色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
4)将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第七实施例所述的图像处理设备，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第八实施例，一种图像处理设备，如图10所示，包括以下组成部分：
处理器501和存储器502。在本发明的一些实施例中，处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器，例如中央处理器，还可以是数字信号处理器、专用集成电路，或者是被配置成实施本发明实施例的一个或多个集成电路。其中，存储器502用于存储处理器501的可执行指令；
存储器502，用于存储程序代码，并将该程序代码传输给处理器501。存储器502可以包括易失性存储器，例如随机存取存储器；存储器502也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器502还可以包括上述种类的存储器的组合。
其中，处理器501用于调用存储器502存储的程序代码管理代码，执行如下操作：
1)基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据。
其中，每一第一基色图像数据的第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据的方式，包括：
将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，第二绿色图像数据，及缩放后的蓝色图像数据；第一分辨率为贝叶斯图像数据的第二分辨率的一半。
可选的，设定亮度调整比例的获取方式，包括但不限于：
根据贝叶斯图像数据，获取图像传感器采集到的图像的亮度值；
基于预置的亮度值与亮度调整比例的映射关系，获取图像的亮度值对应的设定亮度调整比例。
在本实施例中，对亮度值与亮度调整比例的映射关系不做具体限定，可以是工程师根据工程经验设置的亮度值与亮度调整比例的映射关系，也可以是通过有限次试验获取到的图像最佳亮度值的亮度值与亮度调整比例的映射关系，也可以是通过有限次计算机仿真获取到的图像最佳亮度值的亮度值与亮度调整比例的映射关系。
例如：将贝叶斯图像数据馈送至四个基色通道中，以得到四个第一分辨率(3000×2000)的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一第四基色图像数据减去黑电平亮度值，并以设定亮度调整比例300倍进行缩放；
并将缩放后的两个绿色图像数据合并为一个第一分辨率的第二绿色图像数据，以生成三个第一分辨率(3000×2000)的第一基色图像数据；其中，三个第一基色图像数据包括：红色图像数据、第二绿色图像数据和蓝色图像数据；第一分辨率(3000×2000)为贝叶斯图像数据的第二分辨率(6000×4000)的一半。
通过以设定亮度调整比例缩放每一第一基色图像数据，能够有效地提高图像的亮度，并抑制图像中的噪声点。
2)对每一第一基色图像数据分别进行放大，以分别提高每一第一基色图像数据对应基色图像的亮度值。
3)将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
可选的，将每一第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据的方式，包括：
将每一第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率的第二基色图像数据。
例如：将第一红色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二红色图像数据；
将第一绿色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二绿色图像数据；
将第一蓝色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的第一分辨率(3000×2000)的第二蓝色图像数据。
4)将每一第一基色图像数据对应的四个第二基色图像数据合并为一个第二分辨率的第三基色图像数据。
例如：将第一红色图像数据对应的四个第二红色图像数据合并为一个第二分辨率(6000×4000)的第三红色图像数据；
将第一绿色图像数据对应的四个第二绿色图像数据合并为一个第二分辨率(6000×4000)的第三绿色图像数据；
将第一蓝色图像数据对应的四个第二蓝色图像数据合并为一个第二分辨率(6000×4000)的第三蓝色图像数据；
输出第三红色图像数据、第三绿色图像数据和第三蓝色图像数据构成的图像数据。
本发明第八实施例所述的图像处理设备，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
本发明第九实施例，一种计算机可读存储介质。
计算机存储介质可以是RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动硬盘、CD-ROM或者本领域已知的任何其他形式的存储介质。
计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现本发明第一实施例至本发明第四实施例中任一实施例中部分或全部步骤。
本发明第九实施例中所述的计算机可读存储介质，存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，能够有效地提高图像传感器在黑暗或弱光环境下进行快速(短时间)图像采集得到的图像亮度，避免了图像中的噪声点影响，有效提高了图像的成像质量。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据；其中，每一所述第一基色图像数据的第一分辨率为所述贝叶斯图像数据的第二分辨率的一半，三个所述第一基色图像数据包括：红色图像数据、绿色图像数据和蓝色图像数据；
将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据；
将每一所述第一基色图像数据对应的四个所述第二基色图像数据合并为一个所述第二分辨率的第三基色图像数据。
2.根据权利要求1所述的方法，其特征在于，所述基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据，包括：
将所述贝叶斯图像数据馈送至四个基色通道中，以得到四个所述第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一所述第四基色图像数据减去黑电平亮度值，并以所述设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个所述第一分辨率的第二绿色图像数据，以生成所述三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，所述第二绿色图像数据，及缩放后的蓝色图像数据。
3.根据权利要求1所述的方法，其特征在于，在所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据之前，所述方法还包括：
对每一所述第一基色图像数据分别进行放大，以分别提高每一所述第一基色图像数据对应基色图像的亮度值。
4.根据权利要求1所述的方法，其特征在于，所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据，包括：
将所述每一所述第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述设定亮度调整比例的获取方式，包括：
根据所述贝叶斯图像数据，获取所述图像传感器采集到的图像的亮度值；
基于预置的亮度值与亮度调整比例的映射关系，获取所述图像的亮度值对应的所述设定亮度调整比例。
6.一种图像处理设备，其特征在于，所述图像处理设备包括处理器和存储器；
所述处理器用于执行存储器中存储的图像处理的程序，以实现以下步骤：
基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据；其中，每一所述第一基色图像数据的第一分辨率为所述贝叶斯图像数据的第二分辨率的一半，三个所述第一基色图像数据包括：红色图像数据、绿色图像数据和蓝色图像数据；
将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据；
将每一所述第一基色图像数据对应的四个所述第二基色图像数据合并为一个所述第二分辨率的第三基色图像数据。
7.根据权利要求6所述的设备，其特征在于，所述基于图像传感器采集到的贝叶斯图像数据，生成三个以设定亮度调整比例缩放的第一基色图像数据，包括：
将所述贝叶斯图像数据馈送至四个基色通道中，以得到四个所述第一分辨率的第四基色图像数据；其中，四个第四基色图像数据包括：一个红色图像数据、两个第一绿色图像数据和一个蓝色图像数据；
将每一所述第四基色图像数据减去黑电平亮度值，并以所述设定亮度调整比例进行缩放；
并将缩放后的两个绿色图像数据合并为一个所述第一分辨率的第二绿色图像数据，以生成所述三个第一分辨率的第一基色图像数据；其中，三个第一基色图像数据包括：缩放后的红色图像数据，所述第二绿色图像数据，及缩放后的蓝色图像数据。
8.根据权利要求6所述的设备，其特征在于，在所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的第一分辨率的第二基色图像数据之前，所述处理器还用于执行所述图像处理的程序，以实现以下步骤：
对每一所述第一基色图像数据分别进行放大，以分别提高每一所述第一基色图像数据对应基色图像的亮度值。
9.根据权利要求6所述的设备，其特征在于，所述将每一所述第一基色图像数据通过全卷积神经网络生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据，包括：
将所述每一所述第一基色图像数据通过全卷积神经网络分别构成的多尺度上下文聚合网络和U型网络，生成四个包含不同图像细节的所述第一分辨率的第二基色图像数据。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现根据权利要求1～5中任一项所述的图像处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811273863.0A CN109462732B (zh) | 2018-10-29 | 2018-10-29 | 一种图像处理方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811273863.0A CN109462732B (zh) | 2018-10-29 | 2018-10-29 | 一种图像处理方法、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109462732A CN109462732A (zh) | 2019-03-12 |
| CN109462732B true CN109462732B (zh) | 2021-01-15 |
Family
ID=65608835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811273863.0A Active CN109462732B (zh) | 2018-10-29 | 2018-10-29 | 一种图像处理方法、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109462732B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111741211B (zh) | 2019-03-25 | 2022-07-29 | 华为技术有限公司 | 图像显示方法和设备 |
| CN110942047B (zh) * | 2019-12-09 | 2023-07-07 | Oppo广东移动通信有限公司 | 应用优化方法及相关产品 |
| CN110933313B (zh) * | 2019-12-09 | 2021-07-16 | Oppo广东移动通信有限公司 | 暗光拍照方法及相关设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1622135A (zh) * | 2004-12-13 | 2005-06-01 | 中国科学院长春光学精密机械与物理研究所 | 数字图像颜色的校正方法 |
| CN103155567A (zh) * | 2010-10-20 | 2013-06-12 | 松下电器产业株式会社 | 图像处理装置以及图像处理方法 |
| CN105096273A (zh) * | 2015-08-20 | 2015-11-25 | 北京邮电大学 | 一种彩色图像亮度的自动调整方法 |
| CN105282529A (zh) * | 2015-10-22 | 2016-01-27 | 浙江宇视科技有限公司 | 一种基于raw空间的数字宽动态方法及装置 |
| CN106657948A (zh) * | 2017-01-18 | 2017-05-10 | 聚龙智瞳科技有限公司 | 低照度Bayer图像的增强方法及增强装置 |
| CN107330871A (zh) * | 2017-06-29 | 2017-11-07 | 西安工程大学 | 恶劣气象条件下运行绝缘子自动识别的图像增强方法 |
| CN108305236A (zh) * | 2018-01-16 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 图像增强处理方法及装置 |
| CN108447036A (zh) * | 2018-03-23 | 2018-08-24 | 北京大学 | 一种基于卷积神经网络的低光照图像增强方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9148580B2 (en) * | 2013-07-16 | 2015-09-29 | Texas Instruments Incorporated | Transforming wide dynamic range images to reduced dynamic range images |
-
2018
- 2018-10-29 CN CN201811273863.0A patent/CN109462732B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1622135A (zh) * | 2004-12-13 | 2005-06-01 | 中国科学院长春光学精密机械与物理研究所 | 数字图像颜色的校正方法 |
| CN103155567A (zh) * | 2010-10-20 | 2013-06-12 | 松下电器产业株式会社 | 图像处理装置以及图像处理方法 |
| CN105096273A (zh) * | 2015-08-20 | 2015-11-25 | 北京邮电大学 | 一种彩色图像亮度的自动调整方法 |
| CN105282529A (zh) * | 2015-10-22 | 2016-01-27 | 浙江宇视科技有限公司 | 一种基于raw空间的数字宽动态方法及装置 |
| CN106657948A (zh) * | 2017-01-18 | 2017-05-10 | 聚龙智瞳科技有限公司 | 低照度Bayer图像的增强方法及增强装置 |
| CN107330871A (zh) * | 2017-06-29 | 2017-11-07 | 西安工程大学 | 恶劣气象条件下运行绝缘子自动识别的图像增强方法 |
| CN108305236A (zh) * | 2018-01-16 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 图像增强处理方法及装置 |
| CN108447036A (zh) * | 2018-03-23 | 2018-08-24 | 北京大学 | 一种基于卷积神经网络的低光照图像增强方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于神经网络的微光图像增强与复原";曾桂林等;《兵工学报》;20060911;第27卷(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109462732A (zh) | 2019-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108307109B (zh) | 一种高动态范围图像预览方法及终端设备 | |
| CN110109593B (zh) | 一种截屏方法及终端设备 | |
| CN107645606B (zh) | 屏幕亮度调节方法、移动终端及可读存储介质 | |
| CN109739394B (zh) | 一种sar值的处理方法、移动终端 | |
| CN110266323B (zh) | 一种信号控制电路、终端设备和信号控制方法 | |
| CN109407948B (zh) | 一种界面显示方法及移动终端 | |
| CN109462732B (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
| CN109639887B (zh) | 一种控制方法及终端设备 | |
| CN107153500B (zh) | 一种实现图像显示的方法及设备 | |
| JP6862564B2 (ja) | 画像合成のための方法、装置および不揮発性コンピュータ可読媒体 | |
| CN110099434B (zh) | 一种功率调整方法、终端设备及计算机可读存储介质 | |
| CN110290263B (zh) | 一种图像显示方法和移动终端 | |
| CN109683778B (zh) | 一种柔性屏控制方法、设备及计算机可读存储介质 | |
| CN108762709B (zh) | 一种终端控制方法、终端及计算机可读存储介质 | |
| CN108366171B (zh) | 一种温升控制方法和移动终端 | |
| CN110621071B (zh) | 一种测量间隔的处理方法、终端及网络节点 | |
| CN108419283B (zh) | 一种wifi热点扫描的方法及移动终端 | |
| CN108259808B (zh) | 一种视频帧压缩方法和移动终端 | |
| CN110366182A (zh) | 一种数据传输方法及终端设备 | |
| CN110740265B (zh) | 图像处理方法及终端设备 | |
| CN109067429B (zh) | 一种控制方法及终端设备 | |
| CN109068276B (zh) | 一种消息转换方法及终端 | |
| CN107609446B (zh) | 一种码图识别方法、终端及计算机可读存储介质 | |
| CN107562305B (zh) | 一种动态图标的设置方法、终端及计算机可读存储介质 | |
| CN109922256A (zh) | 拍摄方法及终端设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |