[发明专利]图像处理的方法和设备有效

专利信息
申请号: 201780096739.9 申请日: 2017-12-01
公开(公告)号: CN111328448B 公开(公告)日: 2021-08-03
发明(设计)人: 张运超;陈帅;贾志平;苗磊 申请(专利权)人: 华为技术有限公司
主分类号: H04N5/232 分类号: H04N5/232;G06T3/40
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 张娜;臧建明
地址: 518129 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 设备
【说明书】:

本申请实施例提供一种图像处理的方法和设备。本申请的图像处理的方法,由具有数码变焦功能的终端执行,所述方法包括:根据用户的选择输入确定目标变焦倍率,采集待处理图像;使用目标超分辨率卷积神经网络模型对所述待处理图像进行处理,以得到与所述目标变焦倍率对应的处理后的图像;其中,所述目标超分辨率卷积神经网络模型为使用高清训练图像、低清训练图像以及蒙版图像对超分辨率卷积神经网络模型进行训练获取的。本申请实施例可以克服传统数码变焦引入的清晰度下降以及噪点放大等图像质量下降问题。

技术领域

本申请实施例涉及图像处理技术,尤其涉及一种图像处理的方法和设备。

背景技术

图像超分辨率(Super-Resolution)是指通过硬件或软件的方法提升原有图像的分辨率,其中,常用的软件超分辨率方法包括传统的基于非学习的线性插值算法以及基于深度神经网络学习的超分辨率插值算法。

随着深度神经网络的不断发展,基于深度神经网络学习的超分辨率插值算法得到了广泛应用。基于深度神经网络学习的超分辨率插值算法通常包括训练数据的采集、神经网络模型的训练、以及测试数据前向计算等过程。其中,训练数据包括高清训练数据和低清训练数据,低清训练数据的采集是采用对高清训练数据下采样的方式获取低清训练数据,将利用该高清训练数据和低清训练数据训练得到的神经网络模型直接应用到移动终端的数码变焦上。

然而,移动终端的相机在实际拍摄过程中不可避免会有很多噪点,特别是一些平坦的表面,使用上述低清训练数据采集的具体实现方式,会使得图像噪点被放大,将利用该低清训练数据训练得到的神经网络模型应用于移动终端时,会造成移动终端输出的变焦后的图像的清晰度较低,图像的质量差。

发明内容

本申请实施例提供一种图像处理的方法和设备,以克服传统数码变焦引入的清晰度下降以及噪点放大等图像质量下降问题。

第一方面,本申请实施例提供一种图像处理的方法,由具有数码变焦功能的终端执行,所述方法包括:启动所述终端的拍照功能;启动所述终端的变焦功能;接收用户的选择输入;根据用户的选择输入确定目标变焦倍率,采集待处理图像;使用目标超分辨率卷积神经网络模型对所述待处理图像进行处理,以得到与所述目标变焦倍率对应的处理后的图像;其中,所述目标超分辨率卷积神经网络模型为使用高清训练图像、低清训练图像以及蒙版图像对超分辨率卷积神经网络模型进行训练获取的;显示所述处理后的图像。

本实现方式,通过目标超分辨率卷积神经网络模型对待处理图像进行处理,输出处理后的图像,由于该目标超分辨率卷积神经网络模型是根据高清训练图像、低清训练图像以及蒙版图像不断学习,进行模型调整得到的,所以可以提升模型应用设备输出的变焦后的图像的清晰度,以克服传统数码变焦引入的清晰度下降以及噪点放大等图像质量下降问题。

结合第一方面,在第一方面的一种可能的实现方式中,所述终端存储有至少一个单倍率的目标超分辨率卷积神经网络模型,所述使用目标超分辨率卷积神经网络模型对所述输入图像进行处理,输出处理后的图像,包括:判断所述至少一个单倍率的目标超分辨率卷积神经网络模型中是否存在与所述目标变焦倍率相等倍率的目标超分辨率卷积神经网络模型;若是,使用与所述目标变焦倍率相等倍率的目标超分辨率卷积神经网络模型对所述待处理图像进行处理,输出处理后的图像;若否,使用Y倍率的目标超分辨率卷积神经网络模型对所述待处理图像进行处理,获取中间结果,使用线性插值算法对所述中间结果进行X-Y倍变焦,输出处理后的图像,其中,X为所述目标变焦倍率,Y为所述多个单倍率中小于X的最大的变焦倍率。

本实现方式,所述终端存储有至少一个单倍率的目标超分辨率卷积神经网络模型时,通过选择与目标变焦倍率相等或相近的单倍率的目标超分辨率卷积神经网络模型对待处理图像进行处理,可以提升输出的变焦后的图像的清晰度,以克服传统数码变焦引入的清晰度下降以及噪点放大等图像质量下降问题。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201780096739.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top