CN117315159A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117315159A CN117315159A CN202311415473.3A CN202311415473A CN117315159A CN 117315159 A CN117315159 A CN 117315159A CN 202311415473 A CN202311415473 A CN 202311415473A CN 117315159 A CN117315159 A CN 117315159A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- pixel
- illumination
- low
- 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 34
- 238000005286 illumination Methods 0.000 claims abstract description 214
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000008439 repair process Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Abstract
本公开提供了一种图像处理方法、装置、电子设备及存储介质,涉及图像编辑技术领域,具体实施方案为:向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由大模型根据光照模板和第二图像进行图生图,得到第三图像;获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息;基于像素的第一亮度信息和像素的第二亮度信息,对第二图像进行修补,得到最终的第四图像。由此,可以基于亮度信息对第二图像进行图像修补,最终输出修补好的且控制光照的第四图像,在不改变图像的细节纹理的情况下,实现对于输出图像的光照进行控制和调整,使得输出图像的光照表现更加和谐。
Description
技术领域
本公开涉及图像编辑技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
在现有技术中可以进行图像修补,但是针对图像修补任务,往往只能改变被修补区域的光照,无法调整修补区域的光照分布,从而使得两者出现光照不兼容、不协调的问题。
发明内容
本公开提供了一种图像处理方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由所述大模型根据光照模板和所述第二图像进行图生图,得到第三图像;获取所述第二图像中像素的第一亮度信息和所述第三图像中像素的第二亮度信息;基于所述像素的第一亮度信息和所述像素的第二亮度信息,对所述第二图像进行修补,得到最终的第四图像。
根据本公开的另一方面,提供了一种图像处理装置,包括:第一生成模块,用于向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由所述大模型根据光照模板和所述第二图像进行图生图,得到第三图像;获取模块,用于获取所述第二图像中像素的第一亮度信息和所述第三图像中像素的第二亮度信息;第二生成模块,用于基于所述像素的第一亮度信息和所述像素的第二亮度信息,对所述第二图像进行修补,得到最终的第四图像。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的图像处理方法。
根据本公开另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序/指令,所述计算机指令用于使所述计算机执行上述一方面实施例所述的图像处理方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的图像处理方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的一种图像处理方法的流程示意图;
图2为本公开实施例提供的另一种图像处理方法的流程示意图;
图3为本公开实施例提供的另一种图像处理方法的流程示意图;
图4为本公开实施例提供的另一种图像处理方法的流程示意图;
图5为本公开实施例提供的对图像进行光照控制的流程示意图;
图6为本公开实施例提供的对图像进行光照控制的效果图示意图;
图7为本公开实施例提供的一种图像处理装置的结构示意图;
图8为用来实现本公开实施例的图像处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
深度学习(Deep Learning,DL),是机器学习(Machine Learning,ML)领域中一个新的研究方向,是学习样本数据的内在规律和表示层次,使得机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据的一门科学,广泛应用于语音和图像识别。
图像处理(Image Processing)是指用计算机对图像进行分析,以达到所需结果的技术。图像处理一般指数字图像处理,数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
计算机视觉(Computer Vision)是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉是一门综合性的学科,包括计算机科学和工程、信号处理、物理学、应用数学和统计学,神经生理学和认知科学等。
图像编辑是指使用专门的软件或工具对图像进行修改、调整和增强,以改进图像的质量、内容或视觉效果。比方,调整图像的明亮度和对比度,使其更清晰或更柔和;更正颜色偏差,使图像的颜色更准确;增强图像的细节,使其看起来更清晰;消除图像中的污点、划痕或不需要的元素;通过复制周围的区域来修复图像上的缺陷等。
图1为本公开实施例提供的一种图像处理方法的流程示意图。如图1所示,该图像处理方法,可包括:
S101,向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由大模型根据光照模板和第二图像进行图生图,得到第三图像。
需要说明的是,本公开实施例中图像编辑模型的训练方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地,执行主体可包括服务器、计算机、用户终端及其他智能设备。其中,用户终端包括但不限于手机、电脑、智能语音交互设备等。
在一些实现中,可以从图像库中选取任意图像作为原始的第一图像,和/或,可以从网络上下载图像作为第一图像,和/或,基于图像采集装置采集图像作为第一图像,和/或,用户通过软件或工作创造的AI图像作为第一图像。
在一些实现中,将原始图像输入至大模型中,由大模型对第一图像进行图像修补,得到第二图像。可选地,还可以将对第一图像进行图像修补的修补提示文本,输入至大模型中,大模型根据修补提示文本对第一图像进行图像修补,得到第二图像。
进一步地,将预设的光照模板和修补提示文本输入大模型中,并以第二图像作为参考信息进行图生图,得到第三图像。其中,第三图像上的亮度分布符合光照模板。
可以理解的是,可以根据光照强度、方向和位置预设光照模板。例如,根据光照强度、方向和位置确定光照配置信息,进而生成光照模板,可以实现调整修补区域的光照分布,使得输出图像的光照表现更加和谐。
S102,获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息。
可以理解的是,图像由多个像素组成,像素是图像的单元,可以通过对图像进行分析获取图像中像素的RGB值。RGB是图像中每个像素的颜色信息,通常以红色(Red,R)、绿色(Green,G)和蓝色(Blue,B)三个颜色通道的值表示,每个颜色通道的值介于0和255之间。
也就是说,可以基于第二图像中的像素的RGB值,确定第二图像中像素的第一亮度信息。基于第三图像中像素RGB值,第三图像中像素的确定第二亮度信息。
S103,基于像素的第一亮度信息和像素的第二亮度信息,对第二图像进行修补,得到最终的第四图像。
在一些实现中,为了实现图像纹理保留的光照控制,可以基于像素的高频纹理信息和低频光照信息,对第二图像进行修补,得到第四图像。可选地,可以通过对亮度信息进行滤波分解,得到高频纹理信息和低频光照信息。
进一步地,通过对高频纹理信息和低频光照信息进行导向滤波,得到第四图像对应的第三亮度信息,将第三亮度信息和第二图像的色度信息进行融合,得到最终的第四图像。
可以理解的是,亮度信息和色度信息通常使用YUV色彩模式来表示,Y表示亮度(Luminance),U、V表示色度(Chrominance),将亮度信息和色度信息融合,也就是将亮度信息和色度信息对应的矩阵合成为一个矩阵,得到最终的图像。
根据本公开实施例提供的图像处理方法,通过对原始第一图像进行图像修补,得到第二图像,并基于光照模板对第二图像进行光照控制得到第三图像。通过获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息,并基于亮度信息对第二图像进行图像修补,最终输出修补好的且控制光照的第四图像,以在不改变图像的细节纹理的情况下,实现对于输出图像的光照进行控制和调整,使得输出图像的光照表现更加和谐。
图2为本公开实施例提供的一种图像处理方法的流程示意图。如图2所示,该图像处理方法,可包括:
S201,向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由大模型根据光照模板和第二图像进行图生图,得到第三图像。
步骤S201的相关内容可参见上述实施例,这里不再赘述。
S202,获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息。
在一些实现中,可以基于图像中像素的RGB值,计算图像中像素的亮度信息,以便可以确定图像中光照强度的差异,便于对图像的光照进行调整。
可选地,针对第二图像和第三图像中的任一图像,获取任一图像中像素的红色R值、绿色G值和蓝色B值,并对像素的R值、G值和B值进行加权,得到任一图像中像素的亮度信息。计算亮度信息的公式如下所示:
Y=a1*R+b1*G+c1*B (1)
其中,Y表示的是YUV色彩模式下的亮度,也可以用Lum表示,RGB表示颜色通道值。a1、b1、c1表示参数,可以分别取值为0.299、0.587、0.114。
S203,根据像素的第一亮度信息和像素的第二亮度信息,得到像素的第三亮度信息。
在一些实现中,可以基于第一亮度信息和第二亮度信息的高频纹理信息和低频光照信息,确定像素的第三亮度信息,以实现在保留图像的纹理细节的同时,控制图像的光照。
可选地,可以根据像素的第一亮度信息,得到像素的第一低频光照信息和第一高频纹理信息。并根据像素的第二亮度信息,得到像素的第二低频光照信息,实现将纹理信息和光照信息进行分解。
可选地,针对第一低频光照信息和第二低频光照信息中的任一低频光照信息,对任一低频光照信息所对应的亮度信息进行大尺度滤波分解,得到任一低频光照信息。可以基于滤波函数,对亮度信息进行大尺度滤波分解,得到低频光照信息,计算低频光照信息的公式如下所示:
I=f(Lum) (2)
其中,I表示低频光照信息,f表示滤波函数,Lum表示亮度信息。
进一步地,对像素的第一亮度信息和像素的第一低频光照信息做差,得到像素的第一高频纹理信息。计算高频纹理信息的公式如下所示:
S=Lum-I (3)
其中,S表示高频纹理信息,I表示低频光照信息,Lum表示亮度信息。
示例性说明,设第二图像为X,第三图像为Y,基于公式(1)计算得到第一亮度信息为LumX,第二亮度信息为LumY。根据公式(2)计算得到第一低频光照信息为IX,第二低频光照信息为IY,进而根据公式(3)计算得到第一高频纹理信息为SX。
在一些实现中,可以根据像素的第一低频光照信息、像素的第二低频光照信息和像素的第一高频纹理信息,得到像素的第三亮度信息。可选地,可以将低频光照信息和高频纹理信息相加,得到亮度信息。
可选地,可以根据像素的第一低频光照信息和像素的第二低频光照信息,得到像素的第三低频光照信息。以像素的第一低频光照信息作为参考,对像素的第二低频光照信息进行导向滤波,得到像素的第三低频光照信息。其中,第三低频光照信息的光照分布符合光照模板。计算第三低频光照信息的公式如下所示:
IZ=Guide(IX,IY) (4)
其中,IZ表示第三低频光照信息、IX表示第一低频光照信息为,IY表示第二低频光照信息,Guide表示导向滤波函数。
进一步地,根据像素的第三低频光照信息和像素的第一高频纹理信息,得到像素的第三亮度信息。也就是说,可以将第三低频光照信息和第一高频纹理信息相加,得到第二图像中像素的第三亮度信息。比方,第三亮度信息为LumZ,则LumZ=IZ+SX。
S204,确定第二图像中像素的色度信息。
在一些实现中,可以基于图像中像素的RGB值,计算图像中像素的色度信息,以便可以确定图像的颜色温度,便于实现对图像色彩的控制。
可选地,可以对第二图像中像素的红色R值、绿色G值和蓝色B值进行加权,得到像素的色度信息。其中,YUV色彩模式下的色度由U、V表示。计算色度信息的公式如下所示:
U=a2*R+b2*G+c2*B (5)
V=a3*R+b3*G+c3*B (6)
其中,U、V表示色度,RGB表示颜色通道值。a2、b2、c2表示参数,可以分别取值为-0.169、-0.331、0.5;a3、b3、c3表示参数,可以分别取值为0.5、-0.419、-0.081。
S205,对像素的第三亮度信息和像素的色度信息进行融合,得到第四图像。
在一些实现中,第三亮度信息和色度信息都是在YUV色彩模式下,可以对像素的第三亮度信息和像素的色度信息进行融合,得到YUV色彩模式下的第五图像。
可选地,可以将第三亮度信息对应的矩阵,以及色度信息对应的矩阵合称为一个新的矩阵,实现对第三亮度信息和色度信息的融合,以实现对于第四图像的色彩控制,同时可以精确控制光照强度、方向和位置。
进一步地,对第五图像进行色彩模式转换,得到RGB色彩模式下的第四图像。可选地,可根据色彩模式转换公式,将第五图像的色彩模式转换至RGB色彩模式下,得到最终的第四图像。
可以理解的是,在屏幕上显示图像时,通常使用RGB色彩模式,将图像的像素从YUV色彩模式转换至RGB色彩模式,可以使得图像正确呈现在屏幕上,得到光照、色彩表现和谐的图像。
示例性说明,可以使用如下公式,将图像中的像素从YUV色彩模式转换至RGB色彩模式下:
R=1.164(Y-16)+1.596(V-128) (7)
B=1.164(Y-16)+2.018(U-128) (8)
G=1.164(Y-16)-0.813(V-128)-0.391(U-128) (9)
根据本公开实施例提供的图像处理方法,通过对原始第一图像进行图像修补,得到第二图像,并基于光照模板对第二图像进行光照控制得到第三图像。基于第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息,确定像素的高频纹理信息和低频光照信息,进而确定第二图像的第三亮度信息。并基于第三亮度信息和色度信息,对第二图像进行修补,最终输出修补好的且控制光照的第四图像,以在不改变图像的细节纹理的情况下,实现对于输出图像的光照进行控制和调整,使得输出图像的光照表现更加和谐。
图3为本公开实施例提供的一种图像处理方法的流程示意图。如图3所示,该图像处理方法,可包括:
S301,将第一图像和第一图像的修补提示文本输入大模型中,由大模型基于提示文本对第一图像进行图像修补,得到第二图像。
在一些实现中,大模型可以根据输入的修补提示文本,对第一图像进行修补,使得输出的第二图像与修补提示文本相匹配。
示例性说明,第一图像为黄色头发的女生,修补提示文本为“将黄色头发改为黑色头发”,将第一图像和修补提示文本输入大模型中,大模型对第一图像进行修补,得到的第二图像为黑色头发的女生。
S302,由大模型根据光照模板和第二图像进行图生图,得到第三图像。
在一些实现中,为了调整修补区域的光照分布,避免出现光照不兼容、不协调的问题,大模型可以基于光照模板进行图生图,得到第三图像。
可选地,通过向大模型中输入光照模板和修补提示文本,并将第二图像作为参考信息,在以第二图像为参考信息的控制条件下,由大模型基于光照模板和修补提示文本进行图生图,得到第三图像。
在一些实现中,可以获取第一图像的光照情况,并基于第一图像的光照情况从预设的候选光照模板中选取光照模板。还可以获取第一图像的光照修补的配置信息,并基于光照修补的配置信息,生成光照模板,以使第三图像上的光照分布符合第一图像上的光照分布。
例如,第一图像上的光照分布在右上角,则从候选光照模板中选取光照分布在右上角的光照模板,进而大模型可以根据光照模板和第二图像进行图生图,得到光照分布在右上角的第三图像。
S303,获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息。
S304,基于像素的第一亮度信息和像素的第二亮度信息,对第二图像进行修补,得到最终的第四图像。
步骤S303-S304的相关内容可参见上述实施例,这里不再赘述。
根据本公开实施例提供的图像处理方法,基于修补提示文本对第一图像进行图像修补,得到第二图像,并基于光照模板和修补提示文本,在以第二图像为参考的控制下,进行图生图得到第三图像。通过获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息,并基于亮度信息对第二图像进行图像修补,最终输出修补好的且控制光照的第四图像,以在不改变图像的细节纹理的情况下,实现对于输出图像的光照进行控制和调整,使得输出图像的光照表现更加和谐。
图4为本公开实施例提供的一种图像处理方法的流程示意图。如图4所示,该图像处理方法,可包括:
S401,将第一图像和第一图像的修补提示文本输入大模型中,由大模型基于提示文本对第一图像进行图像修补,得到第二图像。
S402,由大模型根据光照模板和第二图像进行图生图,得到第三图像。
S403,获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息。
S404,根据像素的第一亮度信息,得到像素的第一低频光照信息和第一高频纹理信息。
S405,根据像素的第二亮度信息,得到像素的第二低频光照信息。
S406,根据像素的第一低频光照信息、像素的第二低频光照信息和像素的第一高频纹理信息,得到像素的第三亮度信息。
S407,确定第二图像中像素的色度信息。
S408,对像素的第三亮度信息和像素的色度信息进行融合,得到第四图像。
根据本公开实施例提供的图像处理方法,通过对原始第一图像进行图像修补,得到第二图像,并基于光照模板对第二图像进行光照控制得到第三图像。通过获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息,并基于亮度信息对第二图像进行图像修补,最终输出修补好的且控制光照的第四图像,以在不改变图像的细节纹理的情况下,实现对于输出图像的光照进行控制和调整,使得输出图像的光照表现更加和谐。
图5示出的是对图像进行光照控制的流程图。大模型基于修补提示文本对第一图像进行图像修补,得到修补后的第二图像X,进而根据光照模板和修补提示文本,进行图生图得到第三图像Y。通过获取第二图像的第一亮度信息LumX,并进行滤波分解,得到第一低频光照信息IX和第一高频纹理信息SX。通过获取第三图像的第二亮度信息LumY,并进行滤波分解,得到第二低频光照信息IY和第二高频纹理信息SY。
进一步地,对第一低频光照信息IX和第二低频光照信息IY进行导向滤波,可以得到像素的第三低频光照信息IZ。通过将第三低频光照信息IZ与第一高频纹理信息SX相加,得到像素的第三亮度信息LumZ。
示例性说明,如图6所示的对图像进行光照控制的效果图。第一图像为黄色头发的女生,修补提示文本为“将黄色头发改为黑色头发”,则大模型对第一图像进行修补,得到的第二图像为黑色头发的女生。选取光照分布在右上角的光照模板,大模型通过图生图输出第三图像为黑色头发的女生,且光照分布在右上角。进一步地,通过获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息,第二图像进行修补,得到最终的第四图像。实现了控制第四图像上的光照分布,同时不改变原有的纹理细节。
与上述几种实施例提供的图像处理方法相对应,本公开的一个实施例还提供了一种图像处理装置,由于本公开实施例提供的图像处理装置与上述几种实施例提供的图像处理方法相对应,因此上述图像处理方法的实施方式也适用于本公开实施例提供的图像处理装置,在下述实施例中不再详细描述。
图7为本公开实施例提供的一种图像处理装置的结构示意图。
如图7所示,本公开实施例的图像处理装置700,包括:第一生成模块701、获取模块702、第二生成模块703。
第一生成模块701,用于向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由所述大模型根据光照模板和所述第二图像进行图生图,得到第三图像。
获取模块702,用于获取所述第二图像中像素的第一亮度信息和所述第三图像中像素的第二亮度信息。
第二生成模块703,用于基于所述像素的第一亮度信息和所述像素的第二亮度信息,对所述第二图像进行修补,得到最终的第四图像。
在本公开的一个实施例中,所述第二生成模块703,还用于:根据所述像素的第一亮度信息和所述像素的第二亮度信息,得到所述像素的第三亮度信息;确定所述第二图像中像素的色度信息;对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到所述第四图像。
在本公开的一个实施例中,所述第二生成模块703,还用于:对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到YUV色彩模式下的第五图像;对所述第五图像进行色彩模式转换,得到RGB色彩模式下的所述第四图像。
在本公开的一个实施例中,所述第二生成模块703,还用于:根据所述像素的第一亮度信息,得到所述像素的第一低频光照信息和第一高频纹理信息;根据所述像素的第二亮度信息,得到所述像素的第二低频光照信息;根据所述像素的第一低频光照信息、所述像素的第二低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息。
在本公开的一个实施例中,所述第二生成模块703,还用于:针对所述第一低频光照信息和所述第二低频光照信息中的任一低频光照信息,对所述任一低频光照信息所对应的亮度信息进行大尺度滤波分解,得到所述任一低频光照信息。
在本公开的一个实施例中,所述第二生成模块703,还用于:对所述像素的第一亮度信息和所述像素的第一低频光照信息做差,得到所述像素的第一高频纹理信息。
在本公开的一个实施例中,所述第二生成模块703,还用于:根据所述像素的第一低频光照信息和所述像素的第二低频光照信息,得到所述像素的第三低频光照信息;根据所述像素的第三低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息。
在本公开的一个实施例中,所述第二生成模块703,还用于:以所述像素的第一低频光照信息作为参考,对所述像素的第二低频光照信息进行导向滤波,得到所述像素的第三低频光照信息。
在本公开的一个实施例中,所述获取模块702,还用于:针对所述第二图像和所述第三图像中的任一图像,获取所述任一图像中像素的红色R值、绿色G值和蓝色B值,并对所述像素的R值、G值和B值进行加权,得到所述任一图像中像素的亮度信息。
在本公开的一个实施例中,所述第二生成模块703,还用于:对所述第二图像中像素的红色R值、绿色G值和蓝色B值进行加权,得到所述像素的色度信息。
在本公开的一个实施例中,所述第一生成模块701,还用于:将所述第一图像和所述第一图像的修补提示文本输入所述大模型中,由所述大模型基于所述提示文本对所述第一图像进行图像修补,得到所述第二图像。
在本公开的一个实施例中,所述第一生成模块701,还用于:向所述大模型中输入所述光照模板和所述修补提示文本;在以所述第二图像为参考信息的控制条件下,由所述大模型基于所述光照模板和所述修补提示文本进行图生图,得到所述第三图像。
在本公开的一个实施例中,所述第一生成模块701,还用于:获取所述第一图像的光照情况,并基于所述第一图像的光照情况从预设的候选光照模板中选取光照模板;或者,获取所述第一图像的光照修补的配置信息,并基于所述光照修补的配置信息,生成所述光照模板。
根据本公开实施例提供的图像处理装置,通过对原始第一图像进行图像修补,得到第二图像,并基于光照模板对第二图像进行光照控制得到第三图像。通过获取第二图像中像素的第一亮度信息和第三图像中像素的第二亮度信息,并基于亮度信息对第二图像进行图像修补,最终输出修补好的且控制光照的第四图像,以在不改变图像的细节纹理的情况下,实现对于输出图像的光照进行控制和调整,使得输出图像的光照表现更加和谐。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序/指令或者从存储单元806载到随机访问存储器(RAM)803中的计算机程序/指令,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如图像处理方法。例如,在一些实施例中,图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元806些实施例中,计算机程序/指令的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序/指令加载到RAM 803并由计算单元801执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序/指令中,该一个或者多个计算机程序/指令可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序/指令来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (29)
1.一种图像处理方法,其中,所述方法包括:
向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由所述大模型根据光照模板和所述第二图像进行图生图,得到第三图像;
获取所述第二图像中像素的第一亮度信息和所述第三图像中像素的第二亮度信息;
基于所述像素的第一亮度信息和所述像素的第二亮度信息,对所述第二图像进行修补,得到最终的第四图像。
2.根据权利要求1所述的方法,其中,所述基于所述像素的第一亮度信息和所述像素的第二亮度信息,对所述第二图像进行修补,得到最终的第四图像,包括:
根据所述像素的第一亮度信息和所述像素的第二亮度信息,得到所述像素的第三亮度信息;
确定所述第二图像中像素的色度信息;
对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到所述第四图像。
3.根据权利要求2所述的方法,其中,所述对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到所述第四图像,包括:
对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到YUV色彩模式下的第五图像;
对所述第五图像进行色彩模式转换,得到RGB色彩模式下的所述第四图像。
4.根据权利要求3所述的方法,其中,所述根据所述像素的第一亮度信息和所述像素的第二亮度信息,得到所述像素的第三亮度信息,包括:
根据所述像素的第一亮度信息,得到所述像素的第一低频光照信息和第一高频纹理信息;
根据所述像素的第二亮度信息,得到所述像素的第二低频光照信息;
根据所述像素的第一低频光照信息、所述像素的第二低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息。
5.根据权利要求4所述的方法,其中,所述方法还包括:
针对所述第一低频光照信息和所述第二低频光照信息中的任一低频光照信息,对所述任一低频光照信息所对应的亮度信息进行大尺度滤波分解,得到所述任一低频光照信息。
6.根据权利要求4所述的方法,其中,所述第一高频纹理信息的确定过程,包括:
对所述像素的第一亮度信息和所述像素的第一低频光照信息做差,得到所述像素的第一高频纹理信息。
7.根据权利要求4所述的方法,其中,所述根据所述像素的第一低频光照信息、所述像素的第二低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息,包括:
根据所述像素的第一低频光照信息和所述像素的第二低频光照信息,得到所述像素的第三低频光照信息;
根据所述像素的第三低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息。
8.根据权利要求7所述的方法,其中,所述根据所述像素的第一低频光照信息和所述像素的第二低频光照信息,得到所述像素的第三低频光照信息,包括:
以所述像素的第一低频光照信息作为参考,对所述像素的第二低频光照信息进行导向滤波,得到所述像素的第三低频光照信息。
9.根据权利要求1-8中任一项所述的方法,其中,所述方法还包括:
针对所述第二图像和所述第三图像中的任一图像,获取所述任一图像中像素的红色R值、绿色G值和蓝色B值,并对所述像素的R值、G值和B值进行加权,得到所述任一图像中像素的亮度信息。
10.根据权利要求3-8中任一项所述的方法,其中,所述确定所述第二图像中像素的色度信息,包括:
对所述第二图像中像素的红色R值、绿色G值和蓝色B值进行加权,得到所述像素的色度信息。
11.根据权利要求1-8中任一项所述的方法,其中,所述向大模型中输入原始的第一图像进行图像修补,得到第二图像,包括:
将所述第一图像和所述第一图像的修补提示文本输入所述大模型中,由所述大模型基于所述提示文本对所述第一图像进行图像修补,得到所述第二图像。
12.根据权利要求11中所述的方法,其中,所述由所述大模型根据光照模板和所述第二图像进行图生图,得到第三图像,包括:
向所述大模型中输入所述光照模板和所述修补提示文本;
在以所述第二图像为参考信息的控制条件下,由所述大模型基于所述光照模板和所述修补提示文本进行图生图,得到所述第三图像。
13.根据权利要求12所述的方法,其中,所述向所述大模型中输入所述光照模板和所述修补提示文本之前,还包括:
获取所述第一图像的光照情况,并基于所述第一图像的光照情况从预设的候选光照模板中选取光照模板;或者,
获取所述第一图像的光照修补的配置信息,并基于所述光照修补的配置信息,生成所述光照模板。
14.一种图像处理装置,其中,所述装置包括:
第一生成模块,用于向大模型中输入原始的第一图像进行图像修补,得到第二图像,并由所述大模型根据光照模板和所述第二图像进行图生图,得到第三图像;
获取模块,用于获取所述第二图像中像素的第一亮度信息和所述第三图像中像素的第二亮度信息;
第二生成模块,用于基于所述像素的第一亮度信息和所述像素的第二亮度信息,对所述第二图像进行修补,得到最终的第四图像。
15.根据权利要求14所述的装置,其中,所述第二生成模块,还用于:
根据所述像素的第一亮度信息和所述像素的第二亮度信息,得到所述像素的第三亮度信息;
确定所述第二图像中像素的色度信息;
对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到所述第四图像。
16.根据权利要求15所述的装置,其中,所述第二生成模块,还用于:
对所述像素的第三亮度信息和所述像素的色度信息进行融合,得到YUV色彩模式下的第五图像;
对所述第五图像进行色彩模式转换,得到RGB色彩模式下的所述第四图像。
17.根据权利要求16所述的装置,其中,所述第二生成模块,还用于:
根据所述像素的第一亮度信息,得到所述像素的第一低频光照信息和第一高频纹理信息;
根据所述像素的第二亮度信息,得到所述像素的第二低频光照信息;
根据所述像素的第一低频光照信息、所述像素的第二低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息。
18.根据权利要求17所述的装置,其中,所述第二生成模块,还用于:
针对所述第一低频光照信息和所述第二低频光照信息中的任一低频光照信息,对所述任一低频光照信息所对应的亮度信息进行大尺度滤波分解,得到所述任一低频光照信息。
19.根据权利要求17所述的装置,其中,所述第二生成模块,还用于:
对所述像素的第一亮度信息和所述像素的第一低频光照信息做差,得到所述像素的第一高频纹理信息。
20.根据权利要求17所述的装置,其中,所述第二生成模块,还用于:
根据所述像素的第一低频光照信息和所述像素的第二低频光照信息,得到所述像素的第三低频光照信息;
根据所述像素的第三低频光照信息和所述像素的第一高频纹理信息,得到所述像素的第三亮度信息。
21.根据权利要求20所述的装置,其中,所述第二生成模块,还用于:
以所述像素的第一低频光照信息作为参考,对所述像素的第二低频光照信息进行导向滤波,得到所述像素的第三低频光照信息。
22.根据权利要求14-21中任一项所述的装置,其中,所述获取模块,还用于:
针对所述第二图像和所述第三图像中的任一图像,获取所述任一图像中像素的红色R值、绿色G值和蓝色B值,并对所述像素的R值、G值和B值进行加权,得到所述任一图像中像素的亮度信息。
23.根据权利要求16-21中任一项所述的装置,其中,所述第二生成模块,还用于:
对所述第二图像中像素的红色R值、绿色G值和蓝色B值进行加权,得到所述像素的色度信息。
24.根据权利要求14-21中任一项所述的装置,其中,所述第一生成模块,还用于:
将所述第一图像和所述第一图像的修补提示文本输入所述大模型中,由所述大模型基于所述提示文本对所述第一图像进行图像修补,得到所述第二图像。
25.根据权利要求24中所述的装置,其中,所述第一生成模块,还用于:
向所述大模型中输入所述光照模板和所述修补提示文本;
在以所述第二图像为参考信息的控制条件下,由所述大模型基于所述光照模板和所述修补提示文本进行图生图,得到所述第三图像。
26.根据权利要求25所述的装置,其中,所述第一生成模块,还用于:
获取所述第一图像的光照情况,并基于所述第一图像的光照情况从预设的候选光照模板中选取光照模板;或者,
获取所述第一图像的光照修补的配置信息,并基于所述光照修补的配置信息,生成所述光照模板。
27.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-13中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
29.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-13中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311415473.3A CN117315159A (zh) | 2023-10-27 | 2023-10-27 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311415473.3A CN117315159A (zh) | 2023-10-27 | 2023-10-27 | 图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117315159A true CN117315159A (zh) | 2023-12-29 |
Family
ID=89242704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311415473.3A Pending CN117315159A (zh) | 2023-10-27 | 2023-10-27 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315159A (zh) |
-
2023
- 2023-10-27 CN CN202311415473.3A patent/CN117315159A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107948529B (zh) | 图像处理方法及装置 | |
KR101194133B1 (ko) | 화상 처리 방법, 표시 화상 처리 방법, 화상 처리 장치,화상 처리 프로그램 및 그 화상 처리 장치를 포함하는집적회로 | |
US20230401682A1 (en) | Styled image generation method, model training method, apparatus, device, and medium | |
CN111489322B (zh) | 给静态图片加天空滤镜的方法及装置 | |
CN108876742B (zh) | 图像色彩增强方法和装置 | |
CN109817170B (zh) | 像素补偿方法、装置和终端设备 | |
KR101961626B1 (ko) | 이미지 데이터 처리 방법 및 장치 | |
TWI545963B (zh) | 色域映射方法及其裝置 | |
JP2010165058A (ja) | グラデーション作成方法、プログラムおよび装置 | |
US11750935B2 (en) | Systems and methods of image enhancement | |
US11727543B2 (en) | Systems and methods for content-aware enhancement of images | |
CN113177451B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN112308944A (zh) | 仿真唇妆的扩增实境显示方法 | |
KR20240001264A (ko) | 이미지의 컬러들을 확장하기 위한 저비용 컬러 확장 모듈 | |
CN105335939A (zh) | 图像处理方法及装置 | |
CN111798810A (zh) | 一种补偿效果佳且效率高的异形屏轮廓补偿方法及终端 | |
JP2008011286A (ja) | 画像処理プログラムおよび画像処理装置 | |
CN110992251B (zh) | 视频中logo替换方法、装置及电子设备 | |
JP6015359B2 (ja) | カラー映像信号処理装置、処理方法及び処理プログラム | |
KR102635355B1 (ko) | 지향성 스케일링 시스템들 및 방법들 | |
US10055873B2 (en) | Image processing device and image processing method | |
KR101958263B1 (ko) | Vr 콘텐츠와 ui 템플릿의 제어방법 | |
CN117315159A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115775215A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN112927321B (zh) | 基于神经网络的图像智能设计方法、装置、设备及存储介质 |
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 |