CN113902654A - 一种图像处理方法、装置、电子设备以及存储介质 - Google Patents
一种图像处理方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113902654A CN113902654A CN202010639623.9A CN202010639623A CN113902654A CN 113902654 A CN113902654 A CN 113902654A CN 202010639623 A CN202010639623 A CN 202010639623A CN 113902654 A CN113902654 A CN 113902654A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- processed
- information corresponding
- obtaining
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 92
- 230000009467 reduction Effects 0.000 claims abstract description 45
- 238000007499 fusion processing Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法,包括:获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;获得所述待处理图像对应的图像结构信息;根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。本申请提供的图像处理方法,能够确保不同目标图像之间的图像结构信息和图像质量的多样性,从而避免了采用全局统一的生成方式时存在的由不同目标图像之间的图像结构信息和图像质量较为单一而导致的目标图像的真实度较低的问题。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种图像处理方法。本申请同时涉及一种图像处理装置、电子设备以及存储介质。
背景技术
图像质量增强技术是一种通过增强图像中的有用信息、去除图像中的模糊和噪声等手段,达到改善图像的清晰度、可分辨度等到预设阈值,从而实现图像质量提升的图像处理技术。图像质量增强技术在各种图像传输、图像存储、图像编辑以及图像展示等相关场景中,都具有广泛的应用需求。一般情况下,图像质量增强技术的实施主要需要基于用于图像图像质量增强的网络模型,为了得到用于图像图像质量增强的网络模型,需要大量的高质量样本图像以及与这些高质量样本图像对应的低质量样本图像作为训练样本,来针对该用于图像图像质量增强的网络模型进行模型训练。
如今,随时图像采集设备的快速发展和更新换代,获得高质量样本图像的途径也变得越来越多,越来越方面,此时,为了能够大量并且简洁地获得与高质量样本图像对应的低质量样本图像,往往需要通过对高质量样本图像进行图图像质量降低处理来获得与高质量样本图像对应的低质量样本图像。
现有的图像质量降低处理方法一般为:对大量待退化的高质量图像采用全局统一的生成方式,来生成与高质量图像对应的低质量图像,这样往往会存在由于不同低质量图像的图像结构信息较为单一二导致低质量图像的真实度差的问题。
发明内容
本申请提供一种图像处理方法、装置、电子设备以及存储介质,以提高通过图像质量降低处理后生成的目标图像的真实度。
本申请提供一种图像处理方法,包括:
获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
可选的,所述获得所述待处理图像对应的图像结构信息,包括:
将所述待处理图像划分为多个目标图像区域;
获得所述多个目标图像区域对应的图像结构信息。
可选的,所述根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像,包括:
获得用于表征所述多个目标图像区域对应的图像结构信息的目标权值;
根据所述目标权值,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
可选的,所述获得用于表征所述多个目标图像区域对应的图像结构信息的目标权值,包括:
根据所述多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和所述每一目标图像区域对应的图像清晰度特征信息,获得用于表征所述每一目标图像区域对应的图像结构信息的区域权值;
根据所述区域权值,获得所述目标权值。
可选的,所述根据所述多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和所述每一目标图像区域对应的图像清晰度特征信息,获得用于表征所述每一目标图像区域对应的图像结构信息的区域权值,包括:
获得用于表征所述每一目标图像区域对应的图像边缘特征信息的区域边缘特征值,并获得用于表征所述每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值;
根据所述区域边缘特征值和所述区域清晰度特征值,确定所述区域权值。
可选的,所述根据所述区域权值,获得所述目标权值,包括:
根据所述区域边缘特征值和所述区域清晰度特征值,确定所述多个目标图像区域对应的图像边缘特征值图像,并获得所述多个目标图像区域对应的图像清晰度特征值图像;
根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定所述目标权值。
可选的,所述根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定所述目标权值,包括:
根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定用于表征所述多个目标图像区域对应的图像结构信息的初始图像结构权值图像;
对所述初始图像结构权值图像进行高斯模糊运算和图像形态学运算,获得用于表征所述多个目标图像区域对应的图像结构信息的第二图像结构权值图像;
针对所述第二图像结构权值图像中的权值第二图像结构权值图像中的权值第二图像结构权值图像中的权值进行归一化处理,获得用于表征所述多个目标图像区域对应的图像结构信息的目标结构权值图像,并将所述目标结构权值图像中的权值作为所述目标权值。
可选的,所述获得所述多个目标图像区域对应的图像结构信息,包括:
对所述待处理图像进行边缘检测和模糊检测,获得所述多个目标图像区域对应的图像边缘特征信息,并获得所述多个目标图像区域对应的图像清晰度特征信息;
根据所述多个目标图像区域对应的图像边缘特征信息和所述多个目标图像区域对应的图像清晰度特征信息,获得所述多个目标图像区域对应的图像结构信息。
可选的,所述根据所述目标权值,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像,包括:
根据所述多个目标图像区域,将所述第一图像划分为与所述多个目标图像区域对应的多个第一图像区域,并将所述第二图像划分为与所述多个目标图像区域对应的多个第二图像区域;
根据所述目标权值,对所述多个第一图像区域对应的图像结构信息和所述多个第二图像区域对应的图像结构信息进行加权平均处理,获得所述目标图像。
可选的,所述获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,包括:
获得所述待处理图像;
确定所述第一图像的图像质量,并确定所述第二图像的图像质量;
根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,并根据所述第二图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第二图像。
可选的,所述根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,包括:根据所述第一图像的图像质量,在所述待处理图像中添加干扰信息,获得所述第一图像。
可选的,所述根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,包括:根据所述所述第一图像质量降低程度,去除所述待处理图像的有效信息,获得所述第一图像。
可选的,还包括:获得用于训练图像质量增强模型的样本待处理图像,所述图像质量增强模型为用于进行图像质量增强处理的模型;
将所述样本待处理图像和所述目标图像作为所述图像质量增强模型的输入,训练所述图像质量增强模型。
本申请另一方面,提供一种图像处理装置,包括:
第一图像处理单元,用于获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
第二图像处理单元,用于获得所述待处理图像对应的图像结构信息;
第三图像处理单元,用于根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
本申请另一方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储针对图像处理方法的程序,该设备通电并通过所述处理器运行该图像处理方法的程序后,执行下述步骤:
获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
本申请另一方面,提供一种存储介质,存储有针对图像处理方法的程序,该程序被处理器运行,执行下述步骤:获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
与现有技术相比,本申请具有以下优点:
本申请中提供的图像处理方法,先获得与待处理图像对应的图像质量不相同的第一图像和第二图像,再获得待处理图像对应的图像结构信息,并进一步根据待处理图像对应的图像结构信息,对第一图像和第二图像进行图像融合处理,获得待处理图像对应的目标图像,本申请中提供的图像处理方法,在目标图像生成过程中根据自身的图像结构信息,自适应的融合不同质量强度的第一图像和第二图像,能够确保不同目标图像之间的图像结构信息和图像质量的多样性,从而避免了采用全局统一的生成方式时存在的由不同目标图像之间的图像结构信息和图像质量较为单一而导致的目标图像的真实度较低的问题。
附图说明
图1为本申请提供的图像处理方法的应用场景的第一示意图。
图2为本申请提供的图像处理方法的应用场景的第二示意图。
图3为本申请第一实施例中提供的一种图像处理方法的流程图。
图4为本申请第一实施例中提供的一种图像融合方法的流程图。
图5为本申请第二实施例中提供的一种图像处理装置的示意图。
图6为本申请实施例中提供的一种电子设备的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
为了更清楚地展示本申请提供的图像处理方法,首先介绍一下本申请提供的图像处理方法的应用场景。本申请实施例中提供的图像处理方法,在实际应用中,用于对高质量图像进行图像质量降低处理,获得图像真实度较高的低质量图像。其中,高质量图像和低质量图像是相对于指定图像质量阈值的图像,图像的图像质量达到指定图像质量阈值则为高质量图像,图像的图像质量未达到指定图像质量阈值则为低质量图像。所谓图像质量是对图像的视觉效果的评价,用于表征图像的清晰度、可分辨度等。
在实际应用中,本申请的图像处理方法的执行步骤如图1所示:
步骤S101:获得待处理图像。所谓待处理图像为需要进行图像处理的、图像质量高于指定图像质量阈值的高质量图像。
步骤S102-1:获得待处理图像对应的第一图像。所谓第一图像为对待处理图像进行图像质量降低处理后获得图像。在获得第一图像的过程中,需要先确定第一图像的图像质量,再根据第一图像的图像质量,对待处理图像进行图像质量降低处理,获得第一图像。其中,图像质量降低处理可以为:在待处理图像中添加干扰信息,如:在待处理图像中添加噪音等;图像质量降低处理还可以为:去除待处理图像的有效信息,如:改变待处理图像中的部分像素点的像素值以降低部分图像区域的清晰度等。
步骤S102-2:获得待处理图像对应的第二图像。所谓第二图像为对待处理图像进行图像质量降低处理后获得图像。在获得第二图像的过程中,需要先确定第二图像的图像质量,再根据第二图像的图像质量,对待处理图像进行图像质量降低处理,获得第二图像。
步骤S103:获得目标结构权值图像。所谓目标结构权值图像为用于表征多个目标图像区域对应的图像结构信息的权值图像,该目标结构权值图像中的权值为用于表征多个目标图像区域对应的图像结构信息的目标权值。所谓待处理图像对应的图像结构信息为待处理图像的图像边缘特征信息和图像的图像清晰度特征信息的信息集合。所谓多个目标图像区域对应的图像结构信息为将待处理图像划分为制定多个目标图像区域后,每一个目标图像区域对应的区域图像的图像结构信息。所谓目标结构权值图像为由用于表征多个目标图像区域对应的图像结构信息的权值生成的、与待处理图像对应的权值图像。
由于图像结构信息为待处理图像的图像边缘特征信息和图像的图像清晰度特征信息的信息集合,并且目标结构权值图像为由用于表征多个目标图像区域对应的图像结构信息的权值生成的、与待处理图像对应的权值图像,所以,目标图像结构结构权值图像能够同时表征多个目标图像区域对应的图像边缘特征信息和图像清晰度特征信息。目标结构权值图像中的权值用于表征多个目标图像区域中的每一目标图像区域的图像结构信息,即,目标结构权值图像中的权值用于表征多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和图像清晰度特征信息。其中,目标结构权值图像中的权值越大,每一目标图像区域的图像结构越明显,即,该每一目标图像区域对应的区域图像越处于边缘,且区域图像的图像越清晰。
一般情况下,获得目标结构权值图像的过程如图2所示:
步骤S103-1:获得待处理图像。
步骤S103-2:边缘检测和模糊检测。即,对待处理图像进行边缘检测和模糊检测,获得多个目标图像区域对应的图像边缘特征信息,并获得多个目标图像区域对应的图像清晰度特征信息。
步骤S103-3:获得待处理图像对应的图像结构信息。即,根据多个目标图像区域对应的图像边缘特征信息和多个目标图像区域对应的图像清晰度特征信息,获得多个目标图像区域对应的图像结构信息。
步骤S103-4:获得目标结构权值图像。
首先,获得用于表征每一目标图像区域对应的图像边缘特征信息的区域边缘特征值,并获得用于表征每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值。所谓区域边缘特征值为针对多个目标区域图像对应的图像边缘特征信息进行统一赋值后获得的、用于表征多个目标区域图像在待处理图像中的边缘程度的特征值。区域边缘特征值越大该区域边缘特征值对应的目标区域图像在待处理图像中越处于边缘位置,区域边缘特征值越小该区域边缘特征值对应的目标区域图像在待处理图像中越处于中心位置。所谓用于表征每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值为针对多个目标区域图像对应的图像清晰度特征信息进行统一赋值后获得的、用于表征多个目标区域图像清晰度度的特征值。区域清晰度特征值越大该区域清晰度特征值对应的目标区域图像的清晰度越高,区域清晰度特征值越小该区域清晰度特征值对应的目标区域图像的清晰度越低。
其次,根据区域边缘特征值和区域清晰度特征值,确定多个目标图像区域对应的图像边缘特征值图像,并获得多个目标图像区域对应的图像清晰度特征值图像。由于区域边缘特征值和区域清晰度特征值是与每一目标图像区域对应的,所以,在根据区域边缘特征值和区域清晰度特征值,确定多个目标图像区域对应的图像边缘特征值图像,并获得多个目标图像区域对应的图像清晰度特征值图像时,能够生成一与待处理图像尺寸相同且被划分为相同多个目标区域的特征值图像。
再次,先根据图像边缘特征值图像和图像清晰度特征值图像,确定用于表征多个目标图像区域对应的图像结构信息的初始结构权值图像;再对初始结构权值图像进行高斯模糊运算和图像形态学运算,获得用于表征多个目标图像区域对应的图像结构信息的第二结构权值图像。所谓高斯模糊运算即将初始结构权值图像与正态分布做卷积运算。所谓图像形态学运算为对初始结构权值图像做膨胀、腐蚀等图像处理。
最后,针对第二结构权值图像中的权值进行归一化处理,获得用于表征多个目标图像区域对应的图像结构信息的目标结构权值图像。所谓归一化为将第二结构权值图像中的权值归一化到0-1之间。
请再参照图1,步骤S104:图像融合。即,根据目标结构权值图像,对第一图像和第二图像进行图像融合处理。详细的,先根据多个目标图像区域,将第一图像划分为与多个目标图像区域对应的多个第一图像区域,并将第二图像划分为与多个目标图像区域对应的多个第二图像区域;再根据目标权值,对多个第一图像区域对应的图像结构信息和多个第二图像区域对应的图像结构信息进行加权平均处理。
步骤S105:获得待处理图像对应的目标图像。即,将对第一图像和第二图像进行图像融合处理后获得图像作为目标图像。
本申请实施例中不对本申请实施例中提供的图像处理方法的应用场景做具体的限定,如:本申请提供的图像处理方法可以用于单独用于与为客户端提供服务的服务端单独工作的场景,也可以应用于该客户端单独工作的场景,还可以应用于该客户端与该服务端交互的场景,在此不再一一赘述。其中,所谓客户端为安装有用于执行本申请实施例中提供的图像处理方法的程序或软件的计算设备。
另外,本申请实施例中提供的图像处理方法具体可以用于视频应用、医疗、航空航天以及遥感技术等领域。在将本申请实施例中提供的图像处理方法应用于视频应用领域时,具体可以用于处理视频帧,获得图像质量较低的视频帧,并与图像质量较高的视频帧一起作为用于训练目标视频帧质量增强模型的输入,来训练目标视频帧质量增强模型,所谓目标视频帧质量增强模型为用于进行视频帧质量增强处理的模型。在训练好目标视频帧质量增强模型后,可以将该目标视频帧质量增强模型应用于视频应用中以增强视频帧的图像质量,从而提高视频播放的清晰度。在将本申请实施例中提供的图像处理方法应用于医疗领域时,具体可以用于处理医疗影像,获得图像质量较低的医疗影像,并与图像质量较高的医疗影像一起作为用于训练目标医疗影像质量增强模型的输入,来训练目标医疗影像质量增强模型,所谓目标医疗影像质量增强模型为用于进行医疗影像质量增强处理的模型。训练好目标医疗影像质量增强模型后,可以将该目标医疗影像质量增强模型应用于增强医疗影像的图像质量,从而提高医疗影像的清晰度。在将本申请实施例中提供的图像处理方法应用于航空航天领域时,具体可以用于处理卫星遥感图像,获得图像质量较低的卫星遥感图像,并与图像质量较高的卫星遥感图像一起作为用于训练目标卫星遥感图像质量增强模型的输入,来训练目标卫星遥感图像质量增强模型,所谓目标卫星遥感图像质量增强模型为用于进行卫星遥感图像质量增强处理的模型。在训练好目标卫星遥感图像质量增强模型后,可以将该目标卫星遥感图像质量增强模型应用于增强卫星遥感图像的图像质量,从而提高卫星遥感图像的清晰度。
需要说明的是,本申请实施例中的图像处理方法具体可以采用SaaS(Software-as-a-Service,软件即服务)化服务的服务方式来为相关用户进行图像处理服务,即,通过网络来使用安装有本申请实施例中提供的图像处理方法的软件来为相关用户进行图像处理服务。
提供上述图像处理方法的应用场景,是为了便于理解本申请提供的图像处理方法,而并非用于限定本申请提供的图像处理方法。
第一实施例
第一实施例提供一种图像处理方法,以下结合图3和图4进行说明。
图3为本申请第一实施例中提供的一种图像处理方法的流程图。图3所示的图像处理方法,包括:步骤S301至步骤S303。
在步骤S301中,获得待处理图像对应的第一图像,并获得待处理图像对应的第二图像,第一图像和第二图像为对待处理图像进行图像质量降低处理后获得的图像,第一图像的图像质量与第二图像的图像质量不相同。
本申请第一实施中待处理图像为预先选定的用于图像处理的图像,可以为视频帧。所谓图像质量降低处理为对高质量图像进行一系列处理后获得与该高质量图像对应的低质量图像的图像处理过程。具体的,获得待处理图像对应的第一图像,并获得待处理图像对应的第二图像的步骤为:首先,获得待处理图像。然后,确定第一图像的图像质量,并确定第二图像的图像质量。最后,根据第一图像的图像质量,对待处理图像进行图像质量降低处理,获得第一图像,并根据第二图像的图像质量,对待处理图像进行图像质量降低处理,获得第二图像。所谓高质量图像和低质量图像是相对于指定图像质量阈值的图像,图像的图像质量达到指定图像质量阈值则为高质量图像,图像的图像质量未达到指定图像质量阈值则为低质量图像。所谓图像质量是对图像的视觉效果的评价,用于表征图像的清晰度、可分辨度等。
所谓根据第一图像的图像质量,对待处理图像进行图像质量降低处理,获得第一图像,包括:根据第一图像的图像质量,在待处理图像中添加干扰信息,获得第一图像。根据第一图像的图像质量,对待处理图像进行图像质量降低处理,获得第一图像,还包括:根据第一图像质量降低程度,去除待处理图像的有效信息,获得第一图像。其中,在待处理图像中添加干扰信息的实现方式为:在待处理图像中添加噪音等;图去除待处理图像的有效信息的实现方式为:改变待处理图像中的部分像素点的像素值以降低部分图像区域的清晰度等。
在步骤S302中,获得待处理图像对应的图像结构信息。
本申请第一实施例中获得待处理图像对应的图像结构信息的具体实现方式为:将待处理图像划分为多个目标图像区域,获得多个目标图像区域对应的图像结构信息。
所谓待处理图像对应的图像结构信息为待处理图像的图像边缘特征信息和图像的图像清晰度特征信息的信息集合。所谓多个目标图像区域对应的图像结构信息为将待处理图像划分为制定多个目标图像区域后,每一个目标图像区域对应的区域图像的图像结构信息。
本申请第一实施例中,获得多个目标图像区域对应的图像结构信息的过程为:首先,对待处理图像进行边缘检测和模糊检测,获得多个目标图像区域对应的图像边缘特征信息,并获得多个目标图像区域对应的图像清晰度特征信息。然后,根据多个目标图像区域对应的图像边缘特征信息和多个目标图像区域对应的图像清晰度特征信息,获得多个目标图像区域对应的图像结构信息。
在步骤S303中,根据待处理图像对应的图像结构信息,对第一图像和第二图像进行图像融合处理,获得待处理图像对应的目标图像。
本申请第一实施例中,获得待处理图像对应的目标图像的实现方式为:首先,获得用于表征多个目标图像区域对应的图像结构信息的目标权值。然后,根据目标权值,对第一图像和第二图像进行图像融合处理,获得待处理图像对应的目标图像。
在获得目标权值的过程中,需要先根据多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和每一目标图像区域对应的图像清晰度特征信息,获得用于表征每一目标图像区域对应的图像结构信息的区域权值,之后,再根据区域权值,获得目标权值。
本申请第一实施例中,获得用于表征每一目标图像区域对应的图像结构信息的区域权值的实现方式为:首先,获得用于表征每一目标图像区域对应的图像边缘特征信息的区域边缘特征值,并获得用于表征每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值。然后,根据区域边缘特征值和区域清晰度特征值,确定区域权值。
所谓区域边缘特征值为针对多个目标区域图像对应的图像边缘特征信息进行统一赋值后获得的、用于表征多个目标区域图像在待处理图像中的边缘程度的特征值。区域边缘特征值越大该区域边缘特征值对应的目标区域图像在待处理图像中越处于边缘位置,区域边缘特征值越小该区域边缘特征值对应的目标区域图像在待处理图像中越处于中心位置。所谓用于表征每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值为针对多个目标区域图像对应的图像清晰度特征信息进行统一赋值后获得的、用于表征多个目标区域图像清晰度度的特征值。区域清晰度特征值越大该区域清晰度特征值对应的目标区域图像的清晰度越高,区域清晰度特征值越小该区域清晰度特征值对应的目标区域图像的清晰度越低。
需要说明的是,本申请第一实施例中,在根据区域权值,获得目标权值时,需要先根据区域边缘特征值和区域清晰度特征值,确定多个目标图像区域对应的图像边缘特征值图像,并获得多个目标图像区域对应的图像清晰度特征值图像;再根据图像边缘特征值图像和图像清晰度特征值图像,确定目标权值。由于区域边缘特征值和区域清晰度特征值是与每一目标图像区域对应的,所以,在根据区域边缘特征值和区域清晰度特征值,确定多个目标图像区域对应的图像边缘特征值图像,并获得多个目标图像区域对应的图像清晰度特征值图像时,能够生成一与待处理图像尺寸相同且被划分为相同多个目标区域的特征值图像。
本申请第一实施例中,根据图像边缘特征值图像和图像清晰度特征值图像,确定目标权值的实现方式为:首先,根据图像边缘特征值图像和图像清晰度特征值图像,确定用于表征多个目标图像区域对应的图像结构信息的初始图像结构权值图像。然后,对初始图像结构权值图像进行高斯模糊运算和图像形态学运算,获得用于表征多个目标图像区域对应的图像结构信息的第二图像结构权值图像。最后,针对第二图像结构权值图像中的权值第二图像结构权值图像中的权值第二图像结构权值图像中的权值进行归一化处理,获得用于表征多个目标图像区域对应的图像结构信息的目标结构权值图像,并将目标结构权值图像中的权值作为目标权值。
所谓区域边缘特征值为针对多个目标区域图像对应的图像边缘特征信息进行统一赋值后获得的、用于表征多个目标区域图像在待处理图像中的边缘程度的特征值。区域边缘特征值越大该区域边缘特征值对应的目标区域图像在待处理图像中越处于边缘位置,区域边缘特征值越小该区域边缘特征值对应的目标区域图像在待处理图像中越处于中心位置。所谓用于表征每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值为针对多个目标区域图像对应的图像清晰度特征信息进行统一赋值后获得的、用于表征多个目标区域图像清晰度度的特征值。区域清晰度特征值越大该区域清晰度特征值对应的目标区域图像的清晰度越高,区域清晰度特征值越小该区域清晰度特征值对应的目标区域图像的清晰度越低。
所谓高斯模糊运算即将初始结构权值图像与正态分布做卷积运算。所谓图像形态学运算为对初始结构权值图像做膨胀、腐蚀等图像处理。所谓归一化为将第二结构权值图像中的权值归一化到0-1之间。
本申请第一实施例中,在获得目标权值后,根据目标权值,对第一图像和第二图像进行图像融合处理的过程请参照图4,其为本申请第一实施例中提供的一种图像融合方法的流程图。
步骤S303-1:根据多个目标图像区域,将第一图像划分为与多个目标图像区域对应的多个第一图像区域,并将第二图像划分为与多个目标图像区域对应的多个第二图像区域。
步骤S303-2:根据目标权值,对多个第一图像区域对应的图像结构信息和多个第二图像区域对应的图像结构信息进行加权平均处理,获得目标图像。
本申请第一实施例中提供的图像处理方法,先获得与待处理图像对应的图像质量不相同的第一图像和第二图像,再获得待处理图像对应的图像结构信息,并进一步根据待处理图像对应的图像结构信息,对第一图像和第二图像进行图像融合处理,获得待处理图像对应的目标图像,本申请第一实施例中提供的图像处理方法,在目标图像生成过程中根据自身的图像结构信息,自适应的融合不同质量强度的第一图像和第二图像,能够确保不同目标图像之间的图像结构信息和图像质量的多样性,从而避免了采用全局统一的生成方式时存在的由不同目标图像之间的图像结构信息和图像质量较为单一而导致的目标图像的真实度较低的问题。
需要说明的是,本申请第一实施例中,在获得目标图像后,还可以进一步获得用于训练图像质量增强模型的样本待处理图像,并将样本待处理图像和目标图像作为图像质量增强模型的输入,训练图像质量增强模型。所谓图像质量增强模型为用于进行图像质量增强处理的模型。
由于本申请第一实施例中的目标图像的只是度较高,并且图像结构信息较为多样,将将样本待处理图像和目标图像作为图像质量增强模型的输入,训练图像质量增强模型,能够提高训练出来的图像增强模型的泛化性和效果。
第二实施例
与本申请提供的图像处理方法的应用场景以及第一实施例提供的图像处理方法相对应的,本申请第二实施例还提供了一种图像处理装置。由于装置实施例基本相似于应用场景以及第一实施例,所以描述得比较简单,相关之处参见应用场景以及第一实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
请参照图5,其为本申请第二实施例中提供的一种图像处理装置的示意图。
本申请第二实施例中提供的图像处理装置,包括:
第一图像处理单元501,用于获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
第二图像处理单元502,用于获得所述待处理图像对应的图像结构信息;
第三图像处理单元503,用于根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
可选的,所述第二图像处理单元502,具体用于将所述待处理图像划分为多个目标图像区域;获得所述多个目标图像区域对应的图像结构信息。
可选的,所述第三图像处理单元503,具体用于获得用于表征所述多个目标图像区域对应的图像结构信息的目标权值;根据所述目标权值,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
可选的,所述获得用于表征所述多个目标图像区域对应的图像结构信息的目标权值,包括:
根据所述多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和所述每一目标图像区域对应的图像清晰度特征信息,获得用于表征所述每一目标图像区域对应的图像结构信息的区域权值;
根据所述区域权值,获得所述目标权值。
可选的,所述根据所述多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和所述每一目标图像区域对应的图像清晰度特征信息,获得用于表征所述每一目标图像区域对应的图像结构信息的区域权值,包括:
获得用于表征所述每一目标图像区域对应的图像边缘特征信息的区域边缘特征值,并获得用于表征所述每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值;
根据所述区域边缘特征值和所述区域清晰度特征值,确定所述区域权值。
可选的,所述根据所述区域权值,获得所述目标权值,包括:
根据所述区域边缘特征值和所述区域清晰度特征值,确定所述多个目标图像区域对应的图像边缘特征值图像,并获得所述多个目标图像区域对应的图像清晰度特征值图像;
根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定所述目标权值。
可选的,所述根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定所述目标权值,包括:
根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定用于表征所述多个目标图像区域对应的图像结构信息的初始图像结构权值图像;
对所述初始图像结构权值图像进行高斯模糊运算和图像形态学运算,获得用于表征所述多个目标图像区域对应的图像结构信息的第二图像结构权值图像;
针对所述第二图像结构权值图像中的权值第二图像结构权值图像中的权值第二图像结构权值图像中的权值进行归一化处理,获得用于表征所述多个目标图像区域对应的图像结构信息的目标结构权值图像,并将所述目标结构权值图像中的权值作为所述目标权值。
可选的,所述获得所述多个目标图像区域对应的图像结构信息,包括:
对所述待处理图像进行边缘检测和模糊检测,获得所述多个目标图像区域对应的图像边缘特征信息,并获得所述多个目标图像区域对应的图像清晰度特征信息;
根据所述多个目标图像区域对应的图像边缘特征信息和所述多个目标图像区域对应的图像清晰度特征信息,获得所述多个目标图像区域对应的图像结构信息。
可选的,所述根据所述目标权值,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像,包括:
根据所述多个目标图像区域,将所述第一图像划分为与所述多个目标图像区域对应的多个第一图像区域,并将所述第二图像划分为与所述多个目标图像区域对应的多个第二图像区域;
根据所述目标权值,对所述多个第一图像区域对应的图像结构信息和所述多个第二图像区域对应的图像结构信息进行加权平均处理,获得所述目标图像。
可选的,所述第一图像处理单元501,具体用于获得所述待处理图像;确定所述第一图像的图像质量,并确定所述第二图像的图像质量;根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,并根据所述第二图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第二图像。
可选的,所述根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,包括:根据所述第一图像的图像质量,在所述待处理图像中添加干扰信息,获得所述第一图像。
可选的,所述根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,包括:根据所述所述第一图像质量降低程度,去除所述待处理图像的有效信息,获得所述第一图像。
可选的,本申请第二实施例中提供的图像处理装置,还包括:
第四图像获得单元,用于获得用于训练图像质量增强模型的样本待处理图像,所述图像质量增强模型为用于进行图像质量增强处理的模型;
模型训练获得单元,用于将所述样本待处理图像和所述目标图像作为所述图像质量增强模型的输入,训练所述图像质量增强模型。
第三实施例
与本申请提供的图像处理方法的应用场景以及第一实施例提供的图像处理方法相对应的,本申请第三实施例还提供了一种电子设备。由于第三实施例基本相似于应用场景以及第一实施例,所以描述得比较简单,相关之处参见应用场景以及第一实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
请参照图6,其为本申请实施例中提供的一种电子设备的示意图。
该电子设备,包括:处理器601;
以及存储器602,用于存储图像处理方法的程序,该设备通电并通过所述处理器运行该图像处理方法的程序后,执行如下步骤:
获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
需要说明的是,本申请第三实施例提供的电子设备的详细描述,可以参考对本申请提供的图像处理方法的应用场景以及第一实施例提供的图像处理方法的相关描述,这里不再赘述。
第四实施例
与本申请提供的图像处理方法的应用场景以及第一实施例提供的图像处理方法相对应的,本申请第四实施例还提供了一种存储介质。由于第四实施例基本相似于应用场景以及第一实施例,所以描述得比较简单,相关之处参见应用场景以及第一实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
该存储介质存储有计算机程序,该计算机程序被处理器运行,执行如下步骤:
获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
需要说明的是,本申请第四实施例提供的存储介质的详细描述,可以参考对本申请提供的图像处理方法的应用场景以及第一实施例提供的图像处理方法的相关描述,这里不再赘述。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(Transitory Media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (16)
1.一种图像处理方法,其特征在于,包括:
获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述获得所述待处理图像对应的图像结构信息,包括:
将所述待处理图像划分为多个目标图像区域;
获得所述多个目标图像区域对应的图像结构信息。
3.根据权利要求2所述的图像处理方法,其特征在于,所述根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像,包括:
获得用于表征所述多个目标图像区域对应的图像结构信息的目标权值;
根据所述目标权值,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
4.根据权利要求3所述的图像处理方法,其特征在于,所述获得用于表征所述多个目标图像区域对应的图像结构信息的目标权值,包括:
根据所述多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和所述每一目标图像区域对应的图像清晰度特征信息,获得用于表征所述每一目标图像区域对应的图像结构信息的区域权值;
根据所述区域权值,获得所述目标权值。
5.根据权利要求4所述的图像处理方法,其特征在于,所述根据所述多个目标图像区域中的每一目标图像区域对应的图像边缘特征信息和所述每一目标图像区域对应的图像清晰度特征信息,获得用于表征所述每一目标图像区域对应的图像结构信息的区域权值,包括:
获得用于表征所述每一目标图像区域对应的图像边缘特征信息的区域边缘特征值,并获得用于表征所述每一目标图像区域对应的图像清晰度特征信息的区域清晰度特征值;
根据所述区域边缘特征值和所述区域清晰度特征值,确定所述区域权值。
6.根据权利要求5所述的图像处理方法,其特征在于,所述根据所述区域权值,获得所述目标权值,包括:
根据所述区域边缘特征值和所述区域清晰度特征值,确定所述多个目标图像区域对应的图像边缘特征值图像,并获得所述多个目标图像区域对应的图像清晰度特征值图像;
根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定所述目标权值。
7.根据权利要求6所述的图像处理方法,其特征在于,所述根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定所述目标权值,包括:
根据所述图像边缘特征值图像和所述图像清晰度特征值图像,确定用于表征所述多个目标图像区域对应的图像结构信息的初始图像结构权值图像;
对所述初始图像结构权值图像进行高斯模糊运算和图像形态学运算,获得用于表征所述多个目标图像区域对应的图像结构信息的第二图像结构权值图像;
针对所述第二图像结构权值图像中的权值第二图像结构权值图像中的权值第二图像结构权值图像中的权值进行归一化处理,获得用于表征所述多个目标图像区域对应的图像结构信息的目标结构权值图像,并将所述目标结构权值图像中的权值作为所述目标权值。
8.根据权利要求2所述的图像处理方法,其特征在于,所述获得所述多个目标图像区域对应的图像结构信息,包括:
对所述待处理图像进行边缘检测和模糊检测,获得所述多个目标图像区域对应的图像边缘特征信息,并获得所述多个目标图像区域对应的图像清晰度特征信息;
根据所述多个目标图像区域对应的图像边缘特征信息和所述多个目标图像区域对应的图像清晰度特征信息,获得所述多个目标图像区域对应的图像结构信息。
9.根据权利要求3所述的图像处理方法,其特征在于,所述根据所述目标权值,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像,包括:
根据所述多个目标图像区域,将所述第一图像划分为与所述多个目标图像区域对应的多个第一图像区域,并将所述第二图像划分为与所述多个目标图像区域对应的多个第二图像区域;
根据所述目标权值,对所述多个第一图像区域对应的图像结构信息和所述多个第二图像区域对应的图像结构信息进行加权平均处理,获得所述目标图像。
10.根据权利要求1所述的图像处理方法,其特征在于,所述获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,包括:
获得所述待处理图像;
确定所述第一图像的图像质量,并确定所述第二图像的图像质量;
根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,并根据所述第二图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第二图像。
11.根据权利要求10所述的图像处理方法,其特征在于,所述根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,包括:根据所述第一图像的图像质量,在所述待处理图像中添加干扰信息,获得所述第一图像。
12.根据权利要求10所述的图像处理方法,其特征在于,所述根据所述第一图像的图像质量,对所述待处理图像进行图像质量降低处理,获得所述第一图像,包括:根据所述所述第一图像质量降低程度,去除所述待处理图像的有效信息,获得所述第一图像。
13.根据权利要求1所述的图像处理方法,其特征在于,还包括:
获得用于训练图像质量增强模型的样本待处理图像,所述图像质量增强模型为用于进行图像质量增强处理的模型;
将所述样本待处理图像和所述目标图像作为所述图像质量增强模型的输入,训练所述图像质量增强模型。
14.一种图像处理装置,其特征在于,包括:
第一图像处理单元,用于获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
第二图像处理单元,用于获得所述待处理图像对应的图像结构信息;
第三图像处理单元,用于根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
15.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储针对图像处理方法的程序,该设备通电并通过所述处理器运行该图像处理方法的程序后,执行下述步骤:
获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
16.一种存储介质,其特征在于,存储有针对图像处理方法的程序,该程序被处理器运行,执行下述步骤:获得待处理图像对应的第一图像,并获得所述待处理图像对应的第二图像,所述第一图像和所述第二图像为对所述待处理图像进行图像质量降低处理后获得的图像,所述第一图像的图像质量与所述第二图像的图像质量不相同;
获得所述待处理图像对应的图像结构信息;
根据所述待处理图像对应的图像结构信息,对所述第一图像和所述第二图像进行图像融合处理,获得所述待处理图像对应的目标图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010639623.9A CN113902654A (zh) | 2020-07-06 | 2020-07-06 | 一种图像处理方法、装置、电子设备以及存储介质 |
US17/366,484 US20220020130A1 (en) | 2020-07-06 | 2021-07-02 | Image processing method, means, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010639623.9A CN113902654A (zh) | 2020-07-06 | 2020-07-06 | 一种图像处理方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902654A true CN113902654A (zh) | 2022-01-07 |
Family
ID=79186488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010639623.9A Pending CN113902654A (zh) | 2020-07-06 | 2020-07-06 | 一种图像处理方法、装置、电子设备以及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220020130A1 (zh) |
CN (1) | CN113902654A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210148996A1 (en) * | 2019-11-14 | 2021-05-20 | Vigyanlabs Innovations Private Limited | System and method of monitoring electrical devices to detect anomaly in the electrical devices |
CN116342449B (zh) * | 2023-03-29 | 2024-01-16 | 银河航天(北京)网络技术有限公司 | 图像增强方法、装置以及存储介质 |
CN116523775B (zh) * | 2023-04-14 | 2023-11-07 | 海的电子科技(苏州)有限公司 | 高速图像信号的增强优化方法和设备、存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816627B2 (en) * | 2001-04-12 | 2004-11-09 | Lockheed Martin Corporation | System for morphological image fusion and change detection |
US8824833B2 (en) * | 2008-02-01 | 2014-09-02 | Omnivision Technologies, Inc. | Image data fusion systems and methods |
US8805111B2 (en) * | 2010-02-09 | 2014-08-12 | Indian Institute Of Technology Bombay | System and method for fusing images |
US20180068473A1 (en) * | 2016-09-06 | 2018-03-08 | Apple Inc. | Image fusion techniques |
US10002407B1 (en) * | 2017-08-11 | 2018-06-19 | Intermap Technologies Inc. | Method and apparatus for enhancing 3D model resolution |
CN110249365B (zh) * | 2017-11-10 | 2023-05-30 | 上海联影医疗科技股份有限公司 | 用于图像重建的系统和方法 |
CN109993716B (zh) * | 2017-12-29 | 2023-04-14 | 微软技术许可有限责任公司 | 图像融合变换 |
US10748324B2 (en) * | 2018-11-08 | 2020-08-18 | Adobe Inc. | Generating stylized-stroke images from source images utilizing style-transfer-neural networks with non-photorealistic-rendering |
KR20220018748A (ko) * | 2020-08-07 | 2022-02-15 | 삼성전자주식회사 | 안개 제거를 위한 영상 처리 방법 및 장치 |
US20220198723A1 (en) * | 2020-12-17 | 2022-06-23 | Mediatek Inc. | Image enhancement method and image enhancement apparatus |
-
2020
- 2020-07-06 CN CN202010639623.9A patent/CN113902654A/zh active Pending
-
2021
- 2021-07-02 US US17/366,484 patent/US20220020130A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220020130A1 (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113902654A (zh) | 一种图像处理方法、装置、电子设备以及存储介质 | |
US9558537B2 (en) | Image denoising method and image denoising apparatus | |
Eilertsen et al. | A comparative review of tone‐mapping algorithms for high dynamic range video | |
US8031956B2 (en) | Enhancing video sharpness and contrast by luminance and chrominance transient improvement | |
US8571309B2 (en) | System and method of image upsampling | |
CN108876733B (zh) | 一种图像增强方法、装置、设备和存储介质 | |
US20110142330A1 (en) | Image processing apparatus and method | |
JP6502947B2 (ja) | 高ダイナミックレンジ画像をトーンマッピングする方法及びデバイス | |
US20160093022A1 (en) | Method and apparatus for processing super resolution image using adaptive preprocessing filtering and/or postprocessing filtering | |
US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
JP6287100B2 (ja) | 画像処理装置、画像処理方法、プログラム及び記憶媒体 | |
US20110150353A1 (en) | Information processing apparatus, information processing method, and program | |
US20170316546A1 (en) | Guided image upsampling using bitmap tracing | |
JP2017515188A (ja) | ピクチャを処理する方法及びデバイス | |
JP2012506577A (ja) | モーションベクトルを決定するための方法、装置及びソフトウエア | |
CN113763270B (zh) | 蚊式噪声去除方法及电子设备 | |
CN112950491B (zh) | 一种视频处理的方法及设备 | |
Luzardo et al. | Real-time false-contours removal for inverse tone mapped HDR content | |
CN115239653A (zh) | 支持多分屏的黑屏检测方法、装置、电子设备及可读存储介质 | |
CN113362351A (zh) | 一种图像处理方法、装置、电子设备以及存储介质 | |
CN111883151A (zh) | 音频信号的处理方法、装置、设备和存储介质 | |
US11037311B2 (en) | Method and apparatus for augmenting data in monitoring video | |
JP2019165434A (ja) | 減少したクリップ領域を有するhdrイメージを生成する方法及び装置 | |
EP4181054A1 (en) | Data processing method for rapidly suppressing high-frequency background noise in a digitized image | |
Yadav et al. | GPGPU based implementation of a high performing No Reference (NR)-IQA algorithm, BLIINDS-II |
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 |