CN111445383B - 影像参数的调节方法、装置及系统 - Google Patents

Abstract

本发明提供了一种影像参数的调节方法、装置及系统，涉及影像处理技术领域，该方法包括：获取目标视觉统计量；其中，目标视觉统计量用于表征影像的期望视觉效果；根据预设的关联关系模型和预设的原始影像处理算法确定目标视觉统计量对应的算法参数值；其中，关联关系模型包括不同的视觉统计量对应的算法参数值；基于目标视觉统计量对应的算法参数值对原始影像处理算法进行参数调节，得到目标影像处理算法；其中，目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为期望视觉效果。本发明能够有效提升影像参数的调节效率，降低参数调节成本。

Description

影像参数的调节方法、装置及系统

技术领域

本发明涉及影像处理技术领域，尤其是涉及一种影像参数的调节方法、装置及系统。

背景技术

影像处理，是用计算机对输入至少一张图像进行分析和处理，以使输出的至少一张图像达到所需结果的技术。在影像处理过程中，调节参数(可称为调参)是影像处理算法中影像输出结果的关键环节。现有的调参方式中，大多是从需要调参的影像算法中人工提取参数，对提取到的参数进行人工调节，并基于此运行影像处理算法以确认输出的图像效果是否符合需求。然而，这种依赖人工提取参数、调节参数的方式不但耗时费力，并且严重依赖人工经验，对用户要求过高。

发明内容

有鉴于此，本发明的目的在于提供一种影像参数的调节方法、装置及系统，能够有效提升影像参数的调节效率，降低参数调节成本。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种影像参数的调节方法，所述方法包括：获取目标视觉统计量；其中，所述目标视觉统计量用于表征影像的期望视觉效果；根据预设的关联关系模型和预设的原始影像处理算法确定所述目标视觉统计量对应的算法参数值；其中，所述关联关系模型包括不同的视觉统计量对应的算法参数值；基于所述目标视觉统计量对应的算法参数值对所述原始影像处理算法进行参数调节，得到目标影像处理算法；其中，所述目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为所述期望视觉效果。

进一步，所述关联关系模型的训练过程包括：获取所述原始影像处理算法中待调节的目标算法参数，并生成所述目标算法参数的多组参数尝试值；针对各组所述参数尝试值，均基于当前的参数尝试值对所述原始影像处理算法进行参数调节，根据参数调节后的原始影像处理算法对预设影像进行处理，得到所述预设影像的视觉统计量；基于所述参数尝试值以及与所述参数尝试值对应的视觉统计量对待训练模型进行训练，得到完成训练的所述关联关系模型。

进一步，所述根据预设的关联关系模型和预设的原始影像处理算法确定所述目标视觉统计量对应的算法参数值的步骤，包括：将所述目标视觉统计量输入预设的至少一种关联关系模型，得到每个所述关联关系模型输出的所述目标视觉统计量对应的算法参数值；其中，每个所述关联关系模型输出一组所述目标视觉统计量对应的算法参数值。

进一步，所述目标视觉统计量对应的算法参数值为多组；所述基于所述目标视觉统计量对应的算法参数值对所述原始影像处理算法进行参数调节，得到目标影像处理算法的步骤，包括：将各组所述算法参数值分别作为当前算法参数值，根据各组所述当前算法参数值对所述原始影像处理算法中的算法参数进行数值调节，得到各组所述当前算法参数值对应的候选影像处理算法；根据各所述候选影像处理算法对预设影像进行处理，得到多个影像处理结果；响应于针对所述影像处理结果的选择操作，根据所述选择操作在所述候选影像处理算法中确定至少一个目标影像处理算法。

进一步，所述方法还包括：根据不同的所述目标影像处理算法对所述待处理的影像分别进行处理，得到不同的目标影像；其中，不同的所述目标影像处理算法对应的所述目标影像的视觉效果不同；通过图形用户界面展示视觉效果不同的所述目标影像。

进一步，所述获取目标视觉统计量的步骤，包括：响应针对于交互式用户接口的输入操作，获取所述输入操作对应的目标视觉统计量。

进一步，所述原始影像处理算法的获取过程包括：获取预设影像处理算法的源代码；根据静态分析方法提取所述源代码的目标算法参数；基于所述目标算法参数和所述预设影像处理算法生成待调参数的原始影像处理算法。

进一步，所述根据静态分析方法提取所述源代码的目标算法参数的步骤，包括：根据设置有限定条件的静态分析方法提取所述源代码的部分算法参数，并将提取的部分算法参数确定为目标算法参数；其中，所述限定条件包括：参数类型和参数变量名前缀。

进一步，所述基于所述目标算法参数和所述预设影像处理算法生成待调参数的原始影像处理的步骤，包括：在所述预设影像处理算法的编译阶段或者运行阶段生成封装接口；通过所述封装接口输入提取到的所述目标算法参数，根据所述目标算法参数对所述预设影像处理算法的源代码或者所述预设影像处理算法的LLVM中间码进行修改，得到待调参数的原始影像处理算法。

第二方面，本发明实施例还提供一种影像参数的调节装置，所述装置包括：统计量获取模块，用于获取目标视觉统计量；其中，所述目标视觉统计量用于表征影像的期望视觉效果；参数值确定模块，用于根据预设的关联关系模型和预设的原始影像处理算法确定所述目标视觉统计量对应的算法参数值；其中，所述关联关系模型包括不同的视觉统计量对应的算法参数值；参数调节模块，用于基于所述目标视觉统计量对应的算法参数值对所述原始影像处理算法进行参数调节，得到目标影像处理算法；其中，所述目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为所述期望视觉效果。

第三方面，本发明实施例提供了一种影像参数的调节系统，所述系统包括：图像采集装置、处理器和存储装置；所述图像采集装置，用于采集待处理的影像；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面任一项所述的方法的步骤。

本发明实施例提供了一种影像参数的调节方法、装置及系统，该方法包括：首先获取表征影像的期望视觉效果的目标视觉统计量，然后根据预设的关联关系模型和预设的原始影像处理算法确定目标视觉统计量对应的算法参数值；最后基于目标视觉统计量对应的算法参数值对原始影像处理算法进行参数调节，得到目标影像处理算法；其中，目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为期望视觉效果。与现有技术中依赖人工的方式相比，本实施例提供的上述方式既不需要人工提取算法参数，也不需要人工进行参数调节，而是在给定目标视觉统计量的情况下，能够直接基于关联关系模型确定目标视觉统计量对应的算法参数值，再利用该算法参数值对原始影像处理算法进行参数调节即可，该方式有效提升了影像参数的调节效率，降低了参数调节的时间成本和人工成本。

本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，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。

图1示出了本发明实施例所提供的一种电子设备的结构示意图；

图2示出了本发明实施例所提供的一种影像参数的调节方法流程图；

图3示出了本发明实施例所提供的一种关联关系模型的训练过程示意图；

图4示出了本发明实施例所提供的一种目标影像处理算法的确定过程示意图；

图5示出了本发明实施例所提供的一种影像参数的调节装置的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前针对影像处理算法的参数调节方式主要依赖人工，考虑到该依赖人工的调参方式耗时费力且对用户要求过高，为改善此问题，本发明实施例提供了一种影像参数的调节方法、装置及系统，能够有效提升影像参数的调节效率，降低参数调节成本；该技术可以应用于基于机器学习的影像处理相关算法中。为便于理解，以下对本发明实施例进行详细介绍。

实施例一：

首先，参照图1来描述用于实现本发明实施例的影像参数的调节方法、装置及系统的示例电子设备100。

如图1所示的一种电子设备的结构示意图，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备可以具有图1示出的部分组件，也可以具有图1未示出的其他组件和结构。

所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。

所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。

所述输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。

所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等)，并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。

示例性地，用于实现根据本发明实施例的一种影像参数的调节方法、装置及系统的示例电子设备可以被实现为诸如智能手机、平板电脑、计算机和摄像机等智能终端上。

实施例二：

参照图2所示的一种影像参数的调节方法的流程图，该方法具体包括如下步骤S202至步骤S206：

步骤S202，获取目标视觉统计量；其中，目标视觉统计量用于表征影像的期望视觉效果，目标视觉统计量诸如整体/局部的亮度值、影像的平均亮度值、色调深浅值，或当影像为RGB影像时，目标视觉统计量还可以为RGB各通道的平均值和方差等。基于目标视觉统计量可以调节影像的过亮、过暗或偏红、偏绿等不适的视觉效果，使得影像最终达到期望的亮度、色调等视觉效果。

在实际应用中，可以在影像参数的调节方法的实现终端上设置交互式用户接口，进而可以响应针对于交互式用户接口的输入操作，获取输入操作对应的目标视觉统计量。

步骤S204，根据预设的关联关系模型和预设的原始影像处理算法确定目标视觉统计量对应的算法参数值；其中，关联关系模型可以包括不同的视觉统计量对应的算法参数值，还可以包括关联表，该关联表用于记录视觉统计量和算法参数值的对应关系。原始影像处理算法可以理解为对待处理的影像的视觉效果进行处理的原始算法，该算法可通过软件实现和/或硬件实现，诸如相机用图像处理器ISP(Image Signal Processing，图像信号处理)。可以理解的是，根据原始影像处理算法对输入的影像进行处理，通常并不能得到满足用户期望视觉效果的输出影像；基于此，可以参照如下步骤S206对原始影像处理算法中的算法参数进行调节。为了便于理解算法参数，可以给出原始影像处理算法的一种示例函数：

Img merge_img(img1,img2){

Imtout＝a1*img1+a2*img2+b；

}

在上述算法函数中，可以认为a1、a2和b为待调节的算法参数。

步骤S206，基于目标视觉统计量对应的算法参数值对原始影像处理算法进行参数调节，得到目标影像处理算法；其中，目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为期望视觉效果。

在本实施例中，算法参数值可以为算法参数的最终设置值；在对原始影像处理算法进行参数调节时，可以根据算法参数值直接确定算法参数的最终设置值，从而高效地确定目标影像处理算法，以使影像达到诸如减轻偏绿现象、降低/增强亮度等期望视觉效果。当然，以上算法参数值仅为示例性说明，不应当被视为限制，诸如算法参数值还可以为算法参数的调节变化值等。

本发明实施例提供的上述影像参数的调节方法，既不需要人工提取算法参数，也不需要人工进行参数调节，而是在给定目标视觉统计量的情况下，能够直接基于关联关系模型确定目标视觉统计量对应的算法参数值，再利用该算法参数值对原始影像处理算法进行参数调节即可，该方式有效提升了影像参数的调节效率，降低了参数调节的时间成本和人工成本。

针对上述步骤S202，本实施例提供了一种原始影像处理算法的获取方法，具体可参照如下三步骤所示：

步骤一、获取预设影像处理算法的源代码。预设影像处理算法的源代码是指预设影像处理算法对应的原始码，该原始码可以被自由使用、复制、修改和再发布。

步骤二、根据静态分析方法提取源代码的目标算法参数。

本实施例以由C++语言实现的源代码为例进行说明，针对由C++语言实现的源代码，可以由Clang编译器的Matcher实现。通过Clang编译器的Matcher，可以提取出源代码中的常量与变量。考虑到Matcher的可定制性，静态分析方法可以用于提取源代码的全部算法参数或者部分算法参数。当提取部分算法参数时，静态分析方法可以为设置有限定条件的静态分析方法，从而，可以根据该设置有限定条件的静态分析方法提取源代码的部分算法参数，并将提取的部分算法参数确定为目标算法参数，其中，常见的限定条件包括但不限于：参数类型和参数变量名前缀，诸如在实际应用中，可以限制仅提取int、float、等不同类型的参数，或者仅提取包含tune、para等某种名称的参数。

步骤三、基于目标算法参数和预设影像处理算法生成待调参数的原始影像处理算法。考虑到现有的影像处理算法会向外暴露目标算法参数的接口，存在安全隐患，为改善该问题，该原始影像处理算法在一种生成方式中可以参照如下步骤执行：

首先在预设影像处理算法的编译阶段或者运行阶段生成封装接口；然后再通过封装接口输入提取到的目标算法参数，根据目标算法参数对预设影像处理算法的源代码或者预设影像处理算法的LLVM中间码(LLVM IR)进行修改，得到待调参数的原始影像处理算法。

在具体实现时，可以先根据编译阶段生成的封装接口(如C++接口)接收目标算法参数，然后采用如下两种方式得到原始影像处理算法。方式一为：对预设影像处理算法的C++源代码中的目标算法参数的值进行修改，由此得到原始影像处理算法。该方式一通过直接对源代码进行修改可以提高运行速度。方式二为：修改预设影像处理算法编译出的LLVMIR，也即将目标算法参数单独封装为动态库，用于实现预设影像处理算法中算法参数的更新；当运行影像处理算法时，通过连接该动态库得到原始影像处理算法。该方式二采用动态库的方法能够提高算法参数的调节速度。在以上两种方式中，可以看出本实施例基于封装接口封装影像处理算法的过程是可逆的，在生成应用中，可以根据对运行速度或调参速度的需求而对上述两种方式灵活转换和选择。

对于运行阶段生成的封装接口，可以在预设影像处理算法运行时，通过该运行阶段生成的封装接口接收目标算法参数，并修改预设影像处理算法中的算法参数，从而得到原始影像处理算法。

在实际应用中，上述封装接口可作为智能终端上与用户进行交互的接口，也即作为交互式用户接口。通过该封装接口接收用户输入的目标视觉统计量，并参照上述步骤S204和步骤S206确定目标影像处理算法；进一步的，还可以通过该封装接口运行目标影像处理算法以得到调整视觉效果后的影像。

上述基于封装接口生成原始影像处理算法的方式中，仅将封装接口暴露给用户，而原始影像处理算法、目标影像处理算法和目标算法参数均封装在封装接口内部，对用户而言是非开放性的，在此情况下，能够较好地提升影像处理算法的安全性。

此外，上述基于封装接口封装影像处理算法的过程是可逆的，比如对于调参后的目标影像处理算法，为了便于将其应用于其它影像处理场景中，本实施例还可以通过移除封装接口，将目标影像处理算法的模式设置为发布模式；同时，保留有目标影像处理算法中调参之后的算法参数值。

为了便于理解上述步骤S204中预设的关联关系模型，参照图3所示的关联关系模型的训练过程示意图，本实施例给出了一种关联关系模型的训练方法，可以包括如下步骤(1)至步骤(3)：

(1)获取原始影像处理算法中待调节的目标算法参数，并生成目标算法参数的多组参数尝试值。

参照图3，目标算法参数可以为根据静态分析方法从预设影像处理算法中提取到的算法参数。在实际应用中，目标算法参数可以表示为参数向量可以随机或根据指定规则生成参数向量的多组(如n组)参数尝试值，该参数尝试值诸如为参数尝试值。其中，指定规则可以是用户的经验规则，比如当图像亮度较暗时，指定规则可以为修改融合比的值的规则。

(2)针对各组参数尝试值，均基于当前的参数尝试值对原始影像处理算法进行参数调节，根据参数调节后的原始影像处理算法对预设影像进行处理，得到预设影像的视觉统计量。

在具体调参时，可以基于n组参数尝试值分别对原始影像处理算法中的算法参数进行数值修改，以对应的得到n个参数调节后的原始影像处理算法。将预设影像分别输入至n个参数调节后的原始影像处理算法，以输出n个处理后的影像，视觉统计量与处理后影像的视觉效果直接关联，可以在处理后影像中统计得出，也即通过对处理后影像的视觉效果进行统计得到n个视觉统计量

(3)基于参数尝试值以及与参数尝试值对应的视觉统计量对待训练模型进行训练，得到完成训练的关联关系模型；其中，待训练模型可以包括诸如：逻辑斯谛模型和/或神经网络模型等。

利用获取到的n组具有对应关系的参数尝试值和视觉统计量(可表示为)对待训练模型进行训练，以使训练得到的关联关系模型能够表达视觉统计量/>与参数尝试值之间的关联关系。

在影像参数的调节过程中，输入量为视觉统计量，输出量为算法参数值；与之相对应的，在调参的实际应用中，关联关系模型的输入为用户预定义的目标视觉统计量关联关系模型的输出为目标视觉统计量/>对应的算法参数值/>

为了便于理解关联关系模型，本实施例提供一种关联关系模型的实际应用示例，参照如下所示。

对于一张影像(可以为原始的影像或者为经影像处理算法处理后的影像)，人类会产生如影像偏绿、影像过亮等直观感受，从而出现减轻图像偏绿现象、降低图像亮度等参数调节的需求。上述直观感受可以对应于针对影像绿通道平均值、图像平均亮度等视觉统计量的调参需求，参照图4，该调参需求也即输入至关联关系模型的目标视觉统计量

考虑到训练的关联关系模型可以有多个，在输入的目标视觉统计量相同的情况下，不同关联关系模型输出的算法参数值/>并不一定相同，进而会影响目标影像处理算法对影像视觉效果的处理结果。为了拓宽用户对目标影像处理算法的可选择性，从而最终得到最符合预期视觉效果的影像，本实施例通常可以使用至少一个关联关系模型，提供更多种算法参数值，在一种实现方式中，可以将目标视觉统计量输入预设的至少一种关联关系模型，得到每个关联关系模型输出的目标视觉统计量对应的算法参数值；其中，每个关联关系模型输出一组目标视觉统计量对应的算法参数值。

在目标视觉统计量对应的算法参数值为多组的情况下，结合图4所示的目标影像处理算法的确定过程示意图，得到目标影像处理算法的具体过程可参照如下步骤1至步骤3的描述：

步骤1，将各组所述算法参数值分部作为当前算法参数值，根据各组所述当前算法参数值对原始影像处理算法中的算法参数进行数值调节，得到各组所述当前算法参数值对应的候选影像处理算法；其中，不同组目标视觉统计量对应的算法参数值对应于不同候选影像处理算法。

步骤2，根据各候选影像处理算法对预设影像进行处理，得到多个影像处理结果。

步骤3，响应于针对影像处理结果的选择操作，根据选择操作在候选影像处理算法中确定至少一个目标影像处理算法。其中，选择操作可以为用户通过交互式用户接口反馈的对影像处理结果的选择操作。基于此，根据用户的选择操作直接确定的是目标影像处理结果，该目标影像处理结果为符合用户的期望视觉效果的处理后影像；由于目标影像处理结果是由一个候选影像处理算法处理得到的，从而可以确定该目标影像处理结果对应的候选影像处理算法，并将该候选影像处理算法作为目标影像处理算法。可以理解的是，可能同时有多个影像处理结果都符合用户的期望视觉效果，在此情况下，最终确定的目标影像处理算法也可以为多个。

进一步，可以根据上述不同的目标影像处理算法对待处理的影像分别进行处理，得到不同的目标影像；其中，不同的目标影像处理算法对应的目标影像的视觉效果不同；然后再通过图形用户界面展示视觉效果不同的目标影像，以提供给用户对目标影像进行查看和使用。

综上，上述实施例提供的影像参数的调节方式，在给定目标视觉统计量的情况下，能够直接基于关联关系模型确定目标视觉统计量对应的算法参数值，再利用该算法参数值对原始影像处理算法进行参数调节即可，该方式有效提升了影像参数的调节效率，降低了参数调节的时间成本和人工成本。

实施例三：

参见图5所示的一种影像参数的调节装置的结构框图，该装置包括：

统计量获取模块502，用于获取目标视觉统计量；其中，目标视觉统计量用于表征影像的期望视觉效果；

参数值确定模块504，用于根据预设的关联关系模型和预设的原始影像处理算法确定目标视觉统计量对应的算法参数值；其中，关联关系模型包括不同的视觉统计量对应的算法参数值；

参数调节模块506，用于基于目标视觉统计量对应的算法参数值对原始影像处理算法进行参数调节，得到目标影像处理算法；其中，目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为期望视觉效果。

本发明实施例提供的上述影像参数的调节装置，既不需要人工提取算法参数，也不需要人工进行参数调节，而是在给定目标视觉统计量的情况下，能够直接基于关联关系模型确定目标视觉统计量对应的算法参数值，再利用该算法参数值对原始影像处理算法进行参数调节即可，该方式有效提升了影像参数的调节效率，降低了参数调节的时间成本和人工成本。

在一些实施方式中，上述影像参数的调节装置包括模型训练模块(图中未示出)，该模型训练模块用于：获取原始影像处理算法中待调节的目标算法参数，并生成目标算法参数的多组参数尝试值；针对各组参数尝试值，均基于当前的参数尝试值对原始影像处理算法进行参数调节，根据参数调节后的原始影像处理算法对预设影像进行处理，得到预设影像的视觉统计量；基于参数尝试值以及与参数尝试值对应的视觉统计量对待训练模型进行训练，得到完成训练的关联关系模型。

在一些实施方式中，上述参数值确定模块504进一步用于：将目标视觉统计量输入预设的至少一种关联关系模型，得到每个关联关系模型输出的目标视觉统计量对应的算法参数值；其中，每个关联关系模型输出一组目标视觉统计量对应的算法参数值。

在一些实施方式中，上述目标视觉统计量对应的算法参数值为多组；上述参数调节模块506进一步用于：将各组算法参数值分别作为当前算法参数值，根据各组当前算法参数值对原始影像处理算法中的算法参数进行数值调节，得到各组当前算法参数值对应的候选影像处理算法；根据各候选影像处理算法对预设影像进行处理，得到多个影像处理结果；响应于针对影像处理结果的选择操作，根据选择操作在候选影像处理算法中确定至少一个目标影像处理算法。

在一些实施方式中，上述影像参数的调节装置还包括影像处理模块(图中未示出)，该影像处理模块用于：根据不同的目标影像处理算法对待处理的影像分别进行处理，得到不同的目标影像；其中，不同的目标影像处理算法对应的目标影像的视觉效果不同；通过图形用户界面展示视觉效果不同的目标影像。

在一些实施方式中，上述统计量获取模块502进一步用于：响应针对于交互式用户接口的输入操作，获取输入操作对应的目标视觉统计量。

在一些实施方式中，上述影像参数的调节装置还包括算法获取模块(图中未示出)，该算法获取模块用于：获取预设影像处理算法的源代码；根据静态分析方法提取源代码的目标算法参数；基于目标算法参数和预设影像处理算法生成待调参数的原始影像处理算法。

在一些实施方式中，上述算法获取模块进一步用于：根据设置有限定条件的静态分析方法提取源代码的部分算法参数，并将提取的部分算法参数确定为目标算法参数；其中，限定条件包括：参数类型和参数变量名前缀。

在一些实施方式中，上述算法获取模块进一步用于：在预设影像处理算法的编译阶段或者运行阶段生成封装接口；通过封装接口输入提取到的目标算法参数，根据目标算法参数对预设影像处理算法的源代码或者预设影像处理算法的LLVM中间码进行修改，得到待调参数的原始影像处理算法。

本实施例所提供的装置，其实现原理及产生的技术效果和前述实施例二相同，为简要描述，本实施例部分未提及之处，可参考前述实施例二中相应内容。

实施例四：

基于前述实施例，本实施例给出了一种影像参数的调节系统，该系统包括：图像采集设备、处理器和存储设备；其中，图像采集设备用于采集待处理的影像；存储设备上存储有计算机程序，计算机程序在被处理器运行时执行如实施例二所提供的任一项影像参数的调节方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

进一步，本实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理设备运行时执行上述实施例二提供的任一项影像参数的调节方法的步骤。

本发明实施例所提供的一种影像参数的调节方法、装置及系统的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种影像参数的调节方法，其特征在于，所述方法包括：

响应针对于交互式用户接口的输入操作，获取所述输入操作对应的目标视觉统计量；其中，所述目标视觉统计量用于表征影像的期望视觉效果，且所述目标视觉统计量为用户观察待处理的影像后所产生的调参需求；

根据预设的关联关系模型和预设的原始影像处理算法确定所述目标视觉统计量对应的算法参数值；其中，所述关联关系模型包括不同的视觉统计量对应的算法参数值；

基于所述目标视觉统计量对应的算法参数值对所述原始影像处理算法进行参数调节，得到目标影像处理算法；其中，所述目标影像处理算法用于对所述待处理的影像进行处理，以调整该影像的视觉效果为所述期望视觉效果；

所述原始影像处理算法的获取过程包括：

获取预设影像处理算法的源代码；

根据静态分析方法提取所述源代码的目标算法参数；

在所述预设影像处理算法的编译阶段或者运行阶段生成封装接口；

通过所述封装接口输入提取到的所述目标算法参数，根据所述目标算法参数对所述预设影像处理算法的源代码或者所述预设影像处理算法的LLVM中间码进行修改，得到待调参数的原始影像处理算法。

2.根据权利要求1所述的方法，其特征在于，所述关联关系模型的训练过程包括：

获取所述原始影像处理算法中待调节的目标算法参数，并生成所述目标算法参数的多组参数尝试值；

针对各组所述参数尝试值，均基于当前的参数尝试值对所述原始影像处理算法进行参数调节，根据参数调节后的原始影像处理算法对预设影像进行处理，得到所述预设影像的视觉统计量；

基于所述参数尝试值以及与所述参数尝试值对应的视觉统计量对待训练模型进行训练，得到完成训练的所述关联关系模型。

3.根据权利要求1所述的方法，其特征在于，所述根据预设的关联关系模型和预设的原始影像处理算法确定所述目标视觉统计量对应的算法参数值的步骤，包括：

将所述目标视觉统计量输入预设的至少一种关联关系模型，得到每个所述关联关系模型输出的所述目标视觉统计量对应的算法参数值；其中，每个所述关联关系模型输出一组所述目标视觉统计量对应的算法参数值。

4.根据权利要求1所述的方法，其特征在于，所述目标视觉统计量对应的算法参数值为多组；

所述基于所述目标视觉统计量对应的算法参数值对所述原始影像处理算法进行参数调节，得到目标影像处理算法的步骤，包括：

将各组所述算法参数值分别作为当前算法参数值，根据各组所述当前算法参数值对所述原始影像处理算法中的算法参数进行数值调节，得到各组所述当前算法参数值对应的候选影像处理算法；

根据各所述候选影像处理算法对预设影像进行处理，得到多个影像处理结果；

响应于针对所述影像处理结果的选择操作，根据所述选择操作在所述候选影像处理算法中确定至少一个目标影像处理算法。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据不同的所述目标影像处理算法对所述待处理的影像分别进行处理，得到不同的目标影像；其中，不同的所述目标影像处理算法对应的所述目标影像的视觉效果不同；

通过图形用户界面展示视觉效果不同的所述目标影像。

6.根据权利要求1所述的方法，其特征在于，所述根据静态分析方法提取所述源代码的目标算法参数的步骤，包括：

根据设置有限定条件的静态分析方法提取所述源代码的部分算法参数，并将提取的部分算法参数确定为目标算法参数；其中，所述限定条件包括：参数类型和参数变量名前缀。

7.一种影像参数的调节装置，其特征在于，所述装置包括：

统计量获取模块，用于响应针对于交互式用户接口的输入操作，获取所述输入操作对应的目标视觉统计量；其中，所述目标视觉统计量用于表征影像的期望视觉效果，且所述目标视觉统计量为用户观察待处理的影像后所产生的调参需求；

参数值确定模块，用于根据预设的关联关系模型和预设的原始影像处理算法确定所述目标视觉统计量对应的算法参数值；其中，所述关联关系模型包括不同的视觉统计量对应的算法参数值；

参数调节模块，用于基于所述目标视觉统计量对应的算法参数值对所述原始影像处理算法进行参数调节，得到目标影像处理算法；其中，所述目标影像处理算法用于对待处理的影像进行处理，以调整该影像的视觉效果为所述期望视觉效果；

所述装置还用于：获取预设影像处理算法的源代码；根据静态分析方法提取所述源代码的目标算法参数；在所述预设影像处理算法的编译阶段或者运行阶段生成封装接口；通过所述封装接口输入提取到的所述目标算法参数，根据所述目标算法参数对所述预设影像处理算法的源代码或者所述预设影像处理算法的LLVM中间码进行修改，得到待调参数的原始影像处理算法。

8.一种影像参数的调节系统，其特征在于，所述系统包括：图像采集装置、处理器和存储装置；

所述图像采集装置，用于采集待处理的影像；

所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至6任一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至6任一项所述的方法的步骤。