[发明专利]一种图像增强方法、装置和显示设备

说明书

本申请提供一种图像增强方法和装置。本申请提供的图像增强方法，包括：构建图像增强神经网络模型，所述图像增强神经网络模型的输入为图像和所述图像对应的光照图层，输出为增强后的图像；获取待处理图像对应的光照图层；将所述待处理图像和所述待处理图像对应的光照图层输入到所述图像增强神经网络模型中，输出增强后的图像。本申请提供的图像增强方法和装置，构建的图像增强神经网络模型可以根据输入的光照图层去除待处理图像中的光照变化，提高图像的增强效果。

技术领域

本申请涉及图像处理技术，尤其涉及一种图像增强方法、装置和显示设备。

背景技术

目前，在教育领域，通常将黑板板书用相机拍摄成图像，采用拍摄的图像作为教师授课的笔记，这样，通过拍摄的图像，既可以方便教师查阅又可以帮助学生记忆和理解。然而，图像在获取的过程中有可能会受黑板材质、环境光线强弱等因素的影响，导致图像出现对比度较低、图像信息不明显、颜色失真或边界信息清晰度不够等现象，影响图像中的文字阅读。因此，需要对图像进行增强处理。

随着深度学习技术的发展，卷积神经网络已广泛地应用于图像增强领域。具体的，通过一个端到端的网络，利用一系列卷积核对输入的低质量图像进行卷积，得到增强后的图像。然而，采用卷积神经网络对拍摄的黑板图像进行图像增强时，卷积核无法捕捉图像中的光照变化，图像增强效果较差。

发明内容

有鉴于此，本申请提供一种图像增强方法、装置和显示设备，以解决采用现有的方法对黑板图像进行增强时效果较差的问题。

本申请第一方面提供一种图像增强方法，包括：

构建图像增强神经网络模型，所述图像增强神经网络模型的输入为图像和所述图像对应的光照图层，输出为增强后的图像；

获取待处理图像对应的光照图层；

将所述待处理图像和所述待处理图像对应的光照图层输入到所述图像增强神经网络模型中，输出增强后的图像。

进一步地，所述构建图像增强神经网络模型，具体包括：

构建卷积神经网络模型，所述卷积神经网络模型的输入为图像和所述图像对应的光照图层，所述卷积神经网络模型的输出为增强后的图像；

构建训练集，所述训练集包括多组训练数据，每组训练数据包括原始图像、原始图像对应的光照图层以及原始图像对应的增强后的图像；

利用所述训练集训练所述卷积神经网络模型，得到所述图像增强神经网络模型。

进一步地，图像对应的光照图层采用以下方法获取：

将所述图像从第一颜色空间转换为包含第一亮度信息的第二颜色空间，并提取所述图像的第一亮度信息；

采用滤波算法对所述第一亮度信息进行滤波处理，得到灰度图像；

计算所述灰度图像的所有像素的第二亮度信息的平均值；

采用所述平均值修正所述灰度图像的每个像素的第二亮度信息，得到光照图层，其中，每个像素修正后的亮度信息等于每个像素的第二亮度信息减去所述平均值。

进一步地，所述滤波算法为中值滤波算法。

进一步地，所述卷积神经网络模型为全卷积网络模型。

本申请第二方面提供一种图像增强装置，包括：构建模块、获取模块和处理模块，其中，

所述构建模块，用于构建图像增强神经网络模型，所述图像增强神经网络模型的输入为图像和所述图像对应的光照图层，输出为增强后的图像；

所述获取模块，用于获取待处理图像对应的光照图层；