[发明专利]一种暗光图像处理方法及装置、终端、存储介质

说明书

本申请一示例性实施例公开了一种暗光图像处理方法，所述方法应用于一终端中，包括：获取已启动的相机所处的当前环境信息和所述相机对应的待拍摄画面；如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用短曝光图像和预设的正常图像进行训练得到的；输出所述处理后的画面。本申请一示例性实施例还同时提供了一种终端及计算机存储介质。

技术领域

本申请涉及图像处理技术领域，涉及但不限于一种暗光图像处理方法及装置、终端、存储介质。

背景技术

在相关技术中，手机拍照对于还原暗光图像的需求非常巨大。短曝光图像画面存在大量噪点，而长曝光还原暗光图像会带来模糊问题，需要经过一系列的去噪、去模糊、图像增强等处理，然而即使经过这些处理还是不能覆盖极端情况，暗光还原效果无法保证。

发明内容

有鉴于此，本申请一示例性实施例为解决相关技术中存在的至少一个问题而提供一种暗光图像处理方法及装置、终端、存储介质。

本申请一示例性实施例的技术方案是这样实现的：

本申请一示例性实施例提供了一种暗光图像处理方法，包括：

获取相机所处的当前环境信息和所述相机对应的待拍摄画面；

如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；

输出所述处理后的画面。

在上述方法中，所述短曝光图像为图像的质量信息不满足预设质量条件的图像，所述预设的正常图像为图像的质量信息满足预设质量条件的图像，且所述预设的正常图像的曝光时间大于所述短曝光图像的曝光时间；其中，所述图像的质量信息至少包括以下之一：图像的曝光时间、图像的像素值、图像的分辨率、感光度ISO。

在上述方法中，所述卷积神经网络模型的训练过程，包括：

将短曝光图像作为样本图像和所述短曝光图像对应的正常图像输入卷积神经网络，得到第一输出结果；

根据所述第一输出结果和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。

在上述方法中，所述方法还包括：

如果所述相机所处的当前环境信息不满足预设条件，输出所述相机对应的待拍摄画面。

在上述方法中，所述如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面，包括：

如果所述当前环境信息表明所述当前环境的亮度大于等于预设阈值，确定所述当前环境信息满足预设条件，并生成启动请求；

响应所述启动请求，启动所述卷积神经网络模型；

将所述待拍摄画面输入所述已启动的卷积神经网络模型，得到处理后的画面。

在上述方法中，所述根据所述第一输出结果、预设的正常亮度图像和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型，包括：

利用所述预设的损失函数，确定所述第一输出结果和所述预设的正常亮度图像之间的差值；

根据所述差值调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。

在上述方法中，所述利用所述预设的损失函数，确定所述第一输出结果和所述预设的正常亮度图像之间的差值，包括：