[发明专利]一种图片处理方法、图片处理装置及终端设备

权利要求书

1.一种图片处理方法，其特征在于，包括：

获取待处理图片，所述待处理图片是终端设备启动相机或摄像机后，摄像头所采集的图片；

检测所述待处理图片是否为暗光环境下获取的图片；

若所述待处理图片为暗光环境下获取的图片，则：

利用训练后的暗光还原模型提高所述待处理图片的图片亮度，其中，所述暗光还原模型为预先训练的用于提高暗光环境下所获取图片的图片亮度的神经网络模型，所述暗光还原模型为在终端设备出厂之前已部署在终端设备中的神经网络模型；

所述待处理图片为摄像头当前所采集的图片；

相应地，所述检测所述待处理图片是否为暗光环境下获取的图片，包括：

获取所述摄像头的当前感光度，并判断所述摄像头的当前感光度是否大于预设感光度；

若所述摄像头的当前感光度大于所述预设感光度，则确认所述待处理图片是在暗光环境下获取的图片；

若所述摄像头的当前感光度小于或等于所述预设感光度，则确认所述待处理图片不是在暗光环境下获取的图片。

2.如权利要求1所述的图片处理方法，其特征在于，所述待处理图片为摄像头当前所采集的图片；

相应地，所述检测所述待处理图片是否为暗光环境下获取的图片，包括：

获取所述摄像头的当前曝光时长，并判断所述摄像头的当前曝光时长是否大于预设曝光时长；

若所述摄像头的当前曝光时长大于所述预设曝光时长，则确认所述待处理图片是在暗光环境下获取的图片；

若所述摄像头的当前曝光时长小于或等于所述预设曝光时长，则确认所述待处理图片不是在暗光环境下获取的图片。

3.如权利要求1至2中任一项所述的图片处理方法，其特征在于，所述暗光还原模型的训练过程包括：

从样本数据库中选取任一暗光样本图片以及所述暗光样本图片所对应的非暗光样本图片，其中，所述样本数据库中包含有多个在所述暗光环境下获取的暗光样本图片以及各个暗光样本图片所对应的非暗光样本图片；

将所述暗光样本图片输入至初始的暗光还原模型，以使得所述初始的暗光还原模型提高所述暗光样本图片的图片亮度，从而获取所述初始的暗光还原模型输出的生成图片；

将所述生成图片以及所述非暗光样本图片输入至训练后的判别模型，以使得所述训练后的判别模型判断所述初始的暗光还原模型输出的生成图片是否正确；

不断调整当前的暗光还原模型的各个参数，直至所述训练后的判别模型判断当前的暗光还原模型输出的生成图片正确为止，并将该当前的暗光还原模型作为训练后的暗光还原模型。

4.如权利要求3所述的图片处理方法，其特征在于，在所述将所述生成图片以及所述非暗光样本图片输入至训练后的判别模型的步骤之前，所述暗光还原模型的训练过程还包括：

利用所述初始的暗光还原模型以及所述样本数据库，对初始的判别模型进行训练，获得所述训练后的判别模型。

5.如权利要求4所述的图片处理方法，其特征在于，在所述将该当前的暗光还原模型作为训练后的暗光还原模型的步骤之后，所述暗光还原模型的训练过程还包括：

判断所述训练后的暗光还原模型是否满足需求；

若所述训练后的暗光还原模型不满足需求，则：

将所述训练后的暗光还原模型作为初始的暗光还原模型，并将所述训练后的判别模型作为初始的判别模型，返回执行所述从样本数据库中选取任一暗光样本图片以及所述暗光样本图片所对应的非暗光样本图片的步骤以及后续步骤。

6.如权利要求5所述的图片处理方法，其特征在于，所述判断所述训练后的暗光还原模型是否满足需求，包括：

将所述训练后的暗光还原模型中的各个参数与所述初始的暗光还原模型中的各个参数进行比较，获取各个参数的调整百分比，其中所述调整百分比为参数调整量与所述初始的暗光还原模型中相应的参数值的比值；

判断每个参数的调整百分比的绝对值是否均小于预设的调整阈值；

若是，则认为所述训练后的暗光还原模型满足需求；

否则，则认为所述训练后的暗光还原模型不满足需求。