CN114463210A - 用于图像处理的方法、装置、存储介质以及电子设备 - Google Patents

Abstract

公开了一种用于图像处理的方法、装置、存储介质和设备，其中的用于图像处理的方法包括：获取未脱敏的暗图像，其中，暗图像为RAW图像，暗图像包括暗光图像和/或欠曝图像；对暗图像进行亮度增强处理，生成增强图像；从增强图像中识别出第一敏感信息区域；基于第一敏感信息区域的位置信息，得到暗图像中对应的第二敏感信息区域；基于第二敏感信息区域，对暗图像进行脱敏处理，得到脱敏图像。可以避免因图像质量较差导致脱敏处理过程中遗漏敏感信息，提高脱敏处理的可靠性。

Description

用于图像处理的方法、装置、存储介质以及电子设备

技术领域

本公开涉及用于图像处理技术领域，尤其涉及一种用于图像处理的方法、装置、存储介质以及电子设备。

背景技术

实践中，对于包含敏感信息的图像，需要进行脱敏处理，以防止敏感信息的泄漏。

相关技术中，对图像传感器采集得到的图像进行数据脱敏时，通常是直接对图像进行目标检测，确定出图像中敏感信息所在的位置，然后再根据确定出的位置对图像进行打码等脱敏处理。

发明内容

本公开的实施例提供了一种用于图像处理的方法、装置、存储介质以及电子设备。

根据本公开实施例的一个方面，提供一种用于图像处理的方法，包括：获取未脱敏的暗图像，其中，暗图像为RAW图像，暗图像包括暗光图像和/或欠曝图像；对暗图像进行亮度增强处理，生成增强图像；从增强图像中识别出第一敏感信息区域；基于第一敏感信息区域的位置信息，得到暗图像中对应的第二敏感信息区域；基于第二敏感信息区域，对暗图像进行脱敏处理，得到脱敏图像。

根据本公开实施的又一个方面，提供一种用于图像处理的装置，包括：图像获取单元，被配置成获取未脱敏的暗图像，其中，暗图像为RAW图像，暗图像包括暗光图像和/或欠曝图像；亮度增强单元，被配置成基于暗图像，生成增强图像；图像识别单元，被配置成从增强图像中识别出第一敏感信息区域；目标确定单元，被配置成基于第一敏感信息区域的位置信息，得到暗图像中对应的第二敏感信息区域；脱敏处理单元，被配置成基于第二敏感信息区域，对暗图像进行数据脱敏处理，得到脱敏图像。

根据本公开实施例的又一个方面，提供一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序用于执行上述实施例中用于图像处理的方法。

根据本公开实施例的又一个方面，提供一种电子设备，该电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于执行上述实施例中用于图像处理的方法。

基于本公开上述实施例提供的一种用于图像处理的方法、装置、存储介质以及电子设备，首先获取未脱敏的暗图像，暗图像为RAW格式的暗光图像和/或欠曝图像，然后对暗图像进行亮度增强处理，得到增强图像，并从增强图像中识别出第一敏感信息区域；之后，基于第一敏感信息区域的位置信息，确定暗图像中对应的第二敏感区域，并基于第二敏感信息区域，对暗图像进行脱敏处理。通过对暗图像进行亮度增强处理，可得到质量更高的增强图像，利于提高暗图像中部分光照强度较低或曝光量不足的区域的清晰度，并以此识别出增强图像中敏感信息所在的第一敏感信息区域，可以提高识别敏感信息的准确度，避免敏感信息的遗漏；然后基于第一敏感信息区域确定暗图像中敏感信息所在的第二敏感信息区域，并以此对暗图像进行脱敏处理，可以提高暗图像的脱敏质量，避免图像中清晰度较低的区域中敏感信息的遗漏，提高图像脱敏的可靠性。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征以及优势将变得更加明显。附图用来提供对本公开实施例的进一步的理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开的用于图像处理的方法所适用的场景示意图；

图2为本公开的用于图像处理的方法的一个实施例的流程图；

图3为本公开的用于图像处理的方法一个实施例中亮度增强处理的流程图；

图4为本公开的用于图像处理的方法的又一个实施例的流程图；

图5为本公开的用于图像处理的方法的又一个实施例的流程图；

图6为本公开的用于图像处理的方法的又一个实施例的流程图；

图7为本公开的用于图像处理的装置一个实施例的结构示意图；

图8是本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

下面将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或者两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅是一种描述关联对象的关联关系，表示可以存在三种关系，如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开的实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或者专用计算系统环境或配置一起操作。适于与终端设备、计算机系统或者服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施。在分布式云计算环境中，任务可以是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

本公开概述

在实现本公开的过程中，发明人发现，图像传感器在光照强度较低或曝光量不足的条件下采集得到的RAW图像(RAW Image Format)中存在清晰度较低的区域，这些区域会影响到敏感信息识别算法的准确度，这些区域中的敏感信息被遗漏的风险也较大。而这些遗漏的敏感信息可以通过图像增强技术进行获取。

因此，相关技术中直接对RAW格式的暗图像进行脱敏处理，存在敏感信息泄露的风险。

示例性概述

RAW图像是指图像传感器(例如CMOS或者CCD图像感应器)采集到的原始的、尚未被处理过的图像数据信息，其中记录了由相机拍摄所产生的一些元数据(Metadata，如ISO的设置、快门速度、光圈值、白平衡等)的文件，也被称为数字底片。RAW图像具有宽色域的内部色彩，不作为图像直接使用，而是创建一个包含所有信息的图像(例如Bayer图像)。RAW图像可以包括以下多种格式：raw8、raw10、raw12、raw16和raw24等。

本公开中的暗图像包括暗光图像和/或欠曝图像，其中，暗光图像是指图形传感器在光照不足的场景下采集得到的RAW图像，欠曝图像是指图像传感器在曝光量不足的情况下采集得到的RAW图像。通常，暗图像中的部分区域的亮度较低，导致该部分区域的清晰度较低，增加了敏感信息的检测难度。

下面结合图1对本公开进行示例性说明，图1示出了本公开用于图像处理的方法适用的一个场景，终端设备100可以通过网络获取RAW格式的未脱敏的暗图像110，也可以直接从图像采集装置(例如可以是数码相机、扫描器或电影胶片扫描仪)获取。终端设备100可以利用预先训练的卷积神经网络对暗图像110进行亮度增强处理，提高暗图像110中亮度较低的区域的清晰度，得到增强图像120，这里，增强图像120可以是RGB三通道图像。之后，终端设备100可以利用目标检测模型130识别增强图像120中的敏感信息，得到增强图像中的第一敏感信息区域140，例如可以在增强图像中采用检测框标记出生成第一敏感信息区域。然后，可以将第一敏感信息区域140的位置信息(例如检测框的位置)和暗图像110一起输入图像信号处理器160(Image Signal Processing，ISP)，将增强图像120中的检测框的位置映射至暗图像110，确定出暗图像110对应的第二敏感信息区域150，然后，可以利用图像信号处理器160中预设的脱敏模块根据第二敏感信息区域150对暗图像110进行脱敏处理(例如可以是打码)，再通过预设的色彩复原模块将处理后的RAW图像转换为RGB格式的脱敏图像170。

通过对暗图像进行亮度增强处理得到更清晰的增强图像，并对增强图像进行识别以确定敏感信息所在的第一敏感信息区域，可以降低清晰度较低区域中敏感信息被遗漏的风险，提高敏感信息识别的准确度。之后，基于第一敏感信息区域确定暗图像中敏感信息所在的第二敏感信息区域，并给予第二敏感信息区域对暗图像进行脱敏处理，得到脱敏图像，可以降低敏感信息的泄露风险，提高图像脱敏的可靠性。

示例性方法

图2为本公开的用于图像处理方法的一个实施例的流程图。如图2所示该流程包括以下步骤：

步骤210、获取未脱敏的暗图像。

其中，暗图像为RAW图像，暗图像包括暗光图像和/或欠曝图像。

通常，采集场景的光线较暗或相机的曝光量不足会导致采集得到的图像中存在亮度较低的区域，即本实施例中的暗图像，例如可以是地下车库等场景的监控摄像头采集的、未经转换的RAW格式图像。再例如，当相机的参数(例如包括光圈、快门)与采集环境不适配时，会导致采集图像时的曝光量不足，得到的RAW图像即为欠曝图像，同样属于本实施例中的暗图像。

步骤220、对暗图像进行亮度增强处理，生成增强图像。

在本实施例中，通过对暗图像进行亮度增强处理，提高暗图像中亮度较低的区域的清晰度，得到清晰度更高的增强图像。亮度增强处理可以包括但不限于白平衡、降噪、滤波等处理方式。

在一个具体的示例中，执行主体(例如可以是终端设备或服务器)可以首先对暗图像进行白平衡、降噪、滤波等亮度增强处理，得到增强处理后的RAW图像，然后再通过色彩复原或反马赛克插值，将增强处理后的RAW图像转换为三通道的RGB图像，即可得到增强图像。

步骤230、从增强图像中识别出第一敏感信息区域。

在本实施例中，第一敏感信息区域表示增强图像中存在敏感信息的区域，敏感信息例如可以是图像中的文字或人体所在区域。

作为示例，执行主体可以通过预先训练的一个或多个敏感信息识别模型(例如可以是卷积神经网络、支持向量机等)对增强图像进行识别，确定出增强图像中敏感信息所在的一个或多个第一敏感信息区域，并利用矩形检测框对第一敏感信息区域进行标记，例如可以通过矩形检测框左上顶点的像素坐标以及矩形检测框的长度和宽度表示矩形检测框在增强图像中的位置。

步骤240、基于第一敏感信息区域的位置信息，得到暗图像中对应的第二敏感信息区域。

在本实施例中，第一敏感信息区域的位置信息表示增强图像中敏感信息所在的位置，第二敏感信息区域表示暗图像中存在敏感信息的区域。

在一个可选示例中，当亮度增强处理过程中没有改变暗图像的尺寸时，执行主体可以直接将第一敏感信息区域的位置(例如矩形检测框的位置)作为第二敏感信息区域的位置。例如，第一敏感信息区域的位置信息可以是位置向量(a，b，c，d)的形式，其中，(a，b)表征第一敏感信息区域的矩形检测框的左上顶点的像素坐标，c表示矩形检测框的长度，d表示矩形检测框的宽度，则可以确定第二敏感信息区域的位置向量为(a，b，c，d)。

在另一个可选示例中，当亮度增强处理过程对暗图像进行了缩放处理时，执行主体可以根据缩放比例和第一敏感信息区域的位置确定第二敏感信息区域的位置。例如，假设暗图像与增强图像的比例为1:4，第一敏感信息区域的位置向量为(a，b，c，d)，则第二敏感信息区域的位置向量为(0.25a，0.25b，0.25c，0.25d)。

再例如，执行主体还可以将标记了第一敏感信息区域的增强图像和暗光图像输入图像信号处理器，在图像信号处理器中将第一敏感信息区域的位置映射至暗图像，得到第二敏感信息区域。

步骤250、基于第二敏感信息区域，对暗图像进行脱敏处理，得到脱敏图像。

在本实施例中，执行主体可以对第二敏感信息区域的像素值进行调整，以屏蔽暗图像中的敏感信息。

作为示例，执行主体可以通过图像信号处理器对暗图像进行脱敏处理，得到脱敏图像。具体过程可以包括：根据第二敏感信息区域的位置，利用图像信号处理器中的脱敏模块对暗图像中第二敏感信息区域的像素值进行调整，例如可以调整至0，即可实现对敏感信息的屏蔽；之后，可以利用图像信号处理器中的色彩复原模块，将调整后的暗图像转换为三通道的RGB图像，即可得到可视化的脱敏图像，其中，脱敏图像中的敏感信息处于不可见状态。

本实施例中的图像处理方法，首先获取未脱敏的暗图像，暗图像为RAW格式的暗光图像和/或欠曝图像，然后对暗图像进行亮度增强处理，得到增强图像，并从增强图像中识别出第一敏感信息区域；之后，基于第一敏感信息区域的位置信息，确定暗图像中对应的第二敏感区域，并基于第二敏感信息区域，对暗图像进行脱敏处理。通过对暗图像进行亮度增强处理，得到的质量更高的增强图像，提高了暗图像中部分光照强度较低或曝光量不足的区域的清晰度，并以此识别出增强图像中敏感信息所在的第一敏感信息区域，可以提高识别敏感信息的准确度，避免敏感信息的遗漏；然后基于第一敏感信息区域确定暗图像中敏感信息所在的第二敏感信息区域，并以此对暗图像进行脱敏处理，可以提高暗图像的脱敏质量，避免图像中清晰度较低的区域中敏感信息的遗漏，提高图像脱敏的可靠性。

接着参考图3，图3示出了本公开的用于图像处理方法的一个实施例中亮度增强处理的流程，上述步骤220可以进一步包括以下步骤：

步骤310、将暗图像转换为四通道图像。

在本实施例中，执行主体可以对RAW图像进行压缩(Pack)处理，将RAW图像中像素点的灰度值转换为分别对应于R(Red，红色)、G(Green，绿色)、G、B(Blue，蓝色)四个色彩的像素值，从而将暗图像转换为四通道图像。

作为示例，RAW图像的尺寸为H×W，执行主体可以对RAW图像进行2×2的带孔卷积，得到分别对应于R、G、G、B四个色彩的单通道图像，每个单通道图像的尺寸为

步骤320、基于预先训练的全卷积模型，从四通道图像中提取多个不同尺度的图像特征，以生成融合特征图像。

在本实施例中，全卷积模型是基于U-Net的全卷积神经网络(FullyConvolutional Network)，执行主体可以利用全卷积模型对步骤310中得到的四通道图像进行不同尺度的特征提取，并将提取出的各个尺度的图像特征融合，得到12通道的特征图像。

需要说明的是，步骤310中对RAW图像的压缩处理也可以由全卷积神经网络实现。例如，执行主体可以直接将RAW格式的暗图像输入全卷积神经网络，由全卷积神经网络的输入层对RAW图像进行带孔卷积，将RAW图像转换为四通道图像，然后对四通道图像进行特征图提取和特征融合，得到12通道的特征图像。

步骤330、基于融合特征图像进行通道转换，生成三通道的增强图像。

在本实施例中，执行主体可以利用全卷积模型，采用子像素还原的方法将融合特征图像还原为三通道的增强图像。

需要说明的是，全卷积模型没有全连接层，得到的增强图像与暗图像的尺寸是相同的。

图3所示的流程体现了通过全卷积模型对暗图像进行亮度增强处理的步骤，与相关技术中的亮度增强处理方式(例如白平衡、降噪、锐化、滤波等)相比，全卷积模型可以从RAW图像提取多个尺度的图像特征，并根据图像特征从多个维度对RAW图像进行亮度增强，以实现图像长曝光的效果，从而得到清晰度更高、图像质量更好的增强图像。

在上述实施例的一些可选的实现方式中，上述步骤220可以采用如下方式：对增强图像进行预处理，得到预处理图像；利用预先训练的目标检测模型对预处理图像进行识别，得到第一敏感信息区域。

在本实现方式中，预处理可以包括以下一项或多项：降噪、Gamma变换、黑电平矫正。

降噪可以采用滤波的方式去除增强图像中的加性噪声、乘性噪声和量化噪声，以提高增强图像的时序稳定性。

Gamma变换可以通过非线性变换，让图像从曝光强度的线性响应变换至更接近人眼感受的响应，可以对欠曝图像进行进一步的矫正，以提升图像的暗部细节。

由于图像传感器本身会存在暗电流，导致在没有光线照射的时候，也存在一定的输出电压，这部分电压会对图像后续的白平衡造成不利影响。执行主体可以采用中值矫正、全局均值矫正或局部均值矫正等算法对增强图像进行黑电平矫正，以降低黑电平对图像质量的不利影响。

在本实现方式中，通过对增强图像进行预处理，可以进一步提高增强图像的图像质量，有助于提高敏感信息识别的准确度。

接着参考图4，示出了本公开的用于图像处理方法的又一个实施例的流程图，在上述实施例的另一些可选的实现方式中，上述步骤240和步骤250可以采用图4所示的流程，该流程包括以下步骤：

步骤410、将暗图像转换为三通道的第二图像。

作为示例，执行主体可以采用色彩复原、反马赛克算法或插值算法将RAW图像中像素点的灰度值转换为R、G、B三种色彩的像素值，得到三通道的第二图像。

步骤420、将第一敏感信息区域映射至第二图像，得到第二图像中对应的第二敏感信息区域。

在本实现方式中，第二图像是暗图像通过通道转换得到的，图像中包含的信息(例如敏感信息内容和位置)保持不变，第二图像中对应的第二敏感信息区域可以表征暗图像中敏感信息所在的位置。

步骤430、利用图像信号处理器将第二敏感信息区域中的像素值调整为第二预设像素值，得到脱敏图像。

其中，第二预设像素值低于第二敏感区域的原像素值。

在图4所示的实现方式中，可以先将暗图像转换为三通道的第二图像，再利用图像信号处理器将第一敏感信息区域映射至第二图像，得到第二图像对应的第二敏感信息区域，通过第二图像中的第二敏感信息区域表征暗图像中敏感信息所在的位置，之后利用图像信号处理器对第二敏感信息区域的像素值进行调整，实现对暗图像的脱敏处理。

接着参考图5，示出了本公开的用于图像处理方法的又一个实施例的流程图，该流程包括以下步骤：

步骤510、获取未脱敏的暗图像。

步骤520、对暗图像进行亮度增强处理，生成增强图像。

步骤530、从增强图像中识别出第一敏感信息区域。

在本实施例中，步骤510至步骤530与上述步骤210至步骤230相对应，此处不再赘述。

步骤540、将第一敏感信息区域的位置信息和增强图像输入图像信号处理器。

步骤550、利用图像信号处理器将第一敏感信息区域映射至暗图像，得到所以暗图像中对应的第二敏感信息区域。

在本实施例中，通过步骤540和步骤550，可以利用图像信号处理器将第一敏感信息区域映射至暗图像，以确定暗图像中的第二敏感信息区域，可以快速有效地定位暗图像中的敏感信息所在的位置。

步骤560、利用图像信号处理器对暗图像进行用于图像处理，生成三通道的第一图像。

作为示例，执行主体可以利用图像信号处理器中的色彩复原模块或反马赛克算法模块，对暗图像进行处理，将RAW图像转换为三通道的第一图像。

步骤570、将第二敏感信息区域映射至第一图像，得到第一图像中的第三敏感信息区域。

步骤580、将第一图像中第三敏感信息区域的像素值调整为第一预设像素值，得到脱敏图像。

其中，第二预设像素值低于第一敏感信息区域的原像素值。

在图5所示的实施例中，可以利用图像信号处理器确定暗图像中敏感信息所在的第二敏感信息区域；然后将暗图像转换为三通道的第二图像，并将第二敏感信息区域映射至第二图像，确定第二图像中敏感信息所在的第三敏感信息区域，之后，对第三敏感信息区域中的像素值的大小调整为低于原像素值，以达到对敏感信息的屏蔽效果，得到三通道的脱敏图像。暗图像的脱敏流程都是在图像信号处理器中完成的，可以有效降低敏感信息的泄露风险。

接着参考图6，示出了本公开的用于图像处理方法的又一个实施例的流程图，该流程包括以下步骤：

步骤610、获取未脱敏的暗图像。

步骤620、对暗图像进行亮度增强处理，生成增强图像。

步骤630、从增强图像中识别出第一敏感信息区域。

步骤640、基于第一敏感信息区域的位置信息，得到暗图像中对应的第二敏感信息区域。

在本实施例中，步骤610至步骤640与上述步骤210至步骤240相对应，此处不再赘述。

步骤650、将第二敏感信息区域的灰度值调整为预设灰度值，得到调整后的暗图像。

需要说明的是，暗图像为RAW图像，因而第二敏感信息区域中的各像素点的数值为灰度值。执行主体可以基于预设的调整策略，将第二敏感信息区域中的灰度值调整为预设灰度值，例如可以是0或接近于0，得到调整后的暗图像。

步骤660、将调整后的暗图像输入图像信号处理器。

步骤670、利用图像信号处理器，将调整后的暗图像转换为三通道的脱敏图像。

在本实施例中，在对暗图像进行通道转换时，每个像素点的像素值是根据灰度值得到的，由于步骤650中将第二敏感信息区域中的灰度值调整为预设灰度值，经通道转换后得到的第二敏感信息区域中的像素值也会处于对应的区间，可以达到屏蔽敏感信息的效果。

从图6可以看出，图6所示的实施例体现了确定出暗图像中对应的第二敏感信息区域之后，先对暗图像中第二敏感信息区域中的灰度值进行调整，再将调整后的暗图像进行通道转换，以得到脱敏图像。因为在将暗图像输入图像信号处理器之前已经完成了对暗图像中敏感信息的屏蔽，所以可以进一步降低敏感信息的泄露风险，例如可以避免敏感信息在提供图像信号处理器的服务端被泄露，有助于进一步提高图像脱敏的可靠性。

示例性装置

图7为本公开的用于图像处理装置的一个实施例的结构示意图。该实施例的装置可用于实现本公开相应的方法实施例。如图7所示的装置包括：图像获取单元710，被配置成获取未脱敏的暗图像，其中，暗图像为RAW图像，暗图像包括暗光图像和/或欠曝图像；亮度增强单元720，被配置成基于暗图像，生成增强图像；图像识别单元730，被配置成从增强图像中识别出第一敏感信息区域；目标确定单元740，被配置成基于第一敏感信息区域的位置信息，得到暗图像中对应的第二敏感信息区域；脱敏处理单元750，被配置成基于第二敏感信息区域，对暗图像进行数据脱敏处理，得到脱敏图像。

在一个可选示例中，亮度增强单元720进一步包括：第一转换模块，被配置成将暗图像转换为四通道图像；全卷积模块，被配置成基于预先训练的全卷积模型，从四通道图像中提取多个不同尺度的图像特征，以生成融合特征图像；第二转换模块，被配置成基于融合特征图像进行通道转换，生成三通道的增强图像。

在一个可选示例中，图像识别单元730进一步包括：预处理模块，被配置成对增强图像进行预处理，得到预处理图像；信息识别模块，被配置成利用预先训练的目标检测模型对预处理图像进行识别，得到第一敏感信息区域。

在一个可选示例中，目标确定单元740进一步包括：第一输入模块，被配置成将第一敏感信息区域的位置信息和增强图像输入图像信号处理器；第一映射模块，被配置成利用图像信号处理器将第一敏感信息区域映射至暗图像，得到所以暗图像中对应的第二敏感信息区域。

在一个可选示例中，脱敏处理单元750包括：第三转换模块，被配置成利用图像信号处理器对暗图像进行用于图像处理，生成三通道的第一图像；第二映射模块，被配置成将第二敏感信息区域映射至所第一图像，得到第一图像中的第三敏感信息区域；第一调整模块，被配置成将第一图像中第三敏感信息区域的像素值调整为第一预设像素值，得到脱敏图像，其中，第二预设像素值低于第一敏感信息区域的原像素值。

在一个可选示例中，目标确定单元740还可以包括：第四转换模块，被配置成将暗图像转换为三通道的第二图像；第二映射模块，被配置成将第一敏感区域映射至第二图像，得到第二图像中对应的第二敏感信息区域；以及，脱敏处理单元750包括：第二调整模块，被配置成利用图像信号处理器将第二敏感信息区域中的像素值调整为第二预设像素值，得到脱敏图像，其中，第二预设像素值低于第二敏感区域的原像素值。

在一个可选示例中，脱敏处理单元750还可以包括：第三调整模块，被配置成将第二敏感信息区域中的灰度值调整为预设灰度值，得到调整后的暗图像；第二输入模块，被配置成将调整后的暗图像输入图像信号处理器；第三调整模块，被配置成利用图像信号处理器，将调整后的暗图像转换为三通道的脱敏图像。

示例性电子设备

下面参考图8来描述根据本公开实施例的电子设备。图8示出了根据本公开实施例的电子设备的框图。如图8所示，电子设备800包括一个或多个处理器810和存储器820。

处理器800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他形式的处理单元，并且可以控制电子设备800中的其他组件以执行期望的功能。

存储器820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)、硬盘以及闪存等。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810可以运行所述程序指令，以实现上文所述的本公开的各个实施例的用于图像处理的方法。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备800还可以包括：输入装置830以及输出装置840等，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。此外，该输入设备830还可以包括例如键盘、鼠标等等。该输出装置840可以向外部输出各种信息。该输出设备840可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图8中仅示出了该电子设备800中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备800还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于图像处理的方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的用于图像处理的方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列举)可以包括：具有一个或者多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势以及效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备以及系统。诸如“包括”、“包含、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述，以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改等对于本领域技术人员而言，是非常显而易见的，并且在此定义的一般原理可以应用于其他方面，而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式中。尽管以上已经讨论了多个示例方面以及实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种用于图像处理的方法，包括：

获取未脱敏的暗图像，其中，所述暗图像为RAW图像，所述暗图像包括暗光图像和/或欠曝图像；

对所述暗图像进行亮度增强处理，生成增强图像；

从所述增强图像中识别第一敏感信息区域；

基于所述第一敏感信息区域的位置信息，得到所述暗图像中对应的第二敏感信息区域；

基于所述第二敏感信息区域，对所述暗图像进行脱敏处理，得到脱敏图像。

2.根据权利要求1所述的方法，其中，所述对所述暗图像进行亮度增强处理，生成增强图像，包括：

将所述暗图像转换为四通道图像；

基于预先训练的全卷积模型，从所述四通道图像中提取多个不同尺度的图像特征，以生成融合特征图像；

基于所述融合特征图像进行通道转换，生成三通道的所述增强图像。

3.根据权利要求2所述的方法，其中，从所述增强图像中识别出第一敏感信息区域，包括：

对所述增强图像进行预处理，得到预处理图像；

利用预先训练的目标检测模型对所述预处理图像进行识别，得到所述第一敏感信息区域。

4.根据权利要求1至3之一所述的方法，其中，基于所述第一敏感信息区域的位置信息，得到所述暗图像中对应的第二敏感信息区域，包括：

将所述暗图像和所述第一敏感信息区域的位置信息输入图像信号处理器；

利用所述图像信号处理器将所述第一敏感信息区域映射至所述暗图像，得到所以暗图像中对应的第二敏感信息区域。

5.根据权利要求4所述的方法，其中，基于所述第二敏感信息区域，对所述暗图像进行脱敏处理，得到脱敏图像，包括：

利用所述图像信号处理器对所述暗图像进行图像处理，生成三通道的第一图像；

将所述第二敏感信息区域映射至所第一图像，得到所述第一图像中的第三敏感信息区域；

将所述第一图像中所述第三敏感信息区域的像素值调整为第一预设像素值，得到所述脱敏图像，其中，所述第二预设像素值低于所述第一敏感信息区域的原像素值。

6.根据权利要求1至3之一所述的方法，其中，基于所述第一敏感信息区域，得到所述暗图像中对应的第二敏感信息区域，包括：

将所述暗图像转化为三通道的第二图像；

将所述第一敏感区域映射至所述第二图像，得到所述第二图像中对应的第二敏感信息区域；以及，

所述基于所述第二敏感信息区域，对所述暗图像进行脱敏处理，得到脱敏图像，包括：

利用图像信号处理器将所述第二敏感信息区域中的像素值调整为第二预设像素值，得到所述脱敏图像，其中，所述第二预设像素值低于所述第二敏感区域的原像素值。

7.根据权利要求1至3之一所述的方法，其中，基于所述第二敏感信息区域，对所述暗图像进行脱敏处理，得到脱敏图像，包括：

将所述第二敏感信息区域中的灰度值调整为预设灰度值，得到调整后的暗图像；

将所述调整后的暗图像输入图像信号处理器；

利用所述图像信号处理器，将所述调整后的暗图像转化为三通道的所述脱敏图像。

8.一种用于图像处理的装置，包括：

图像获取单元，被配置成获取未脱敏的暗图像，其中，所述暗图像为RAW图像，所述暗图像包括暗光图像和/或欠曝图像；

亮度增强单元，被配置成基于所述暗图像，生成增强图像；

图像识别单元，被配置成从所述增强图像中识别出第一敏感信息区域；

目标确定单元，被配置成基于所述第一敏感信息区域的位置信息，得到所述暗图像中对应的第二敏感信息区域；

脱敏处理单元，被配置成基于所述第二敏感信息区域，对所述暗图像进行数据脱敏处理，得到脱敏图像。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一项所述的方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1-7任一项所述的方法。

Images