[发明专利]图像处理方法、装置、电子设备及介质

说明书

本公开关于一种图像处理方法、装置、电子设备及介质，涉及计算机技术领域，可以提高图像虚化效果的真实性。本公开实施例包括：获取包含对象区域的待处理图像；然后将待处理图像输入图像识别模型，得到待处理图像中各像素点的深度值以及对象区域，并将对象区域作为待处理图像的前景区域，图像识别模型包括设置在跳跃连接的空洞空间金字塔池化ASPP层、第一输出层和第二输出层，第一输出层用于输出各像素点的深度值，第二输出层用于输出对象区域。对于待处理图像包括的每个待虚化像素点，根据待虚化像素点的深度值与前景区域包括的各像素点深度值平均值的差值，对待虚化像素点进行虚化处理，待虚化像素点为待处理图像的背景区域包括的像素点。

技术领域

本公开涉及计算机技术领域，尤其涉及图像处理方法、装置、电子设备及介质。

背景技术

在利用单反相机拍照时，确定对焦点后，基于小孔成像原理，对焦区域会在成像面形成清晰的影像；非对焦区域由于像差，其成像光束不会汇聚于一点，从而在成像面上形成一个扩散的圆形投影，称为弥散圆。弥散圆的大小取决于相机镜头孔径和点光源偏离程度，弥散圆的大小决定了非对焦区域在成像面形成的影像的模糊程度。所以单反相机拍摄的照片可以达到背景虚化的效果。

但是在手机拍照时，由于硬件设备的限制，使得手机拍摄的照片难以实现单反相机实现的虚化效果。相关技术中，对手机拍摄的照片实现虚化效果的方法为：利用分类器将图像包括的各像素点分为前景类和背景类，对背景类的像素点进行高斯模糊，达到背景虚化的效果。

可见，这种方法对背景的虚化只能实现一种模糊程度，导致图像的虚化效果不真实。

发明内容

本公开提供一种图像处理方法、装置、电子设备及介质，以至少解决相关技术中对图像的虚化效果不真实的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像处理方法，包括：

获取包含对象区域的待处理图像；

将所述待处理图像输入图像识别模型，得到所述待处理图像中各像素点的深度值以及所述对象区域，并将所述对象区域作为所述待处理图像的前景区域，所述图像识别模型的网络层包括设置在跳跃连接的空洞空间金字塔池化ASPP层、第一输出层和第二输出层，设置有ASPP层的跳跃连接所连接的两个网络层中前一个网络层的输出图像经过ASPP层处理后的图像为后一个网络层的输入图像，所述第一输出层用于输出各像素点的深度值，所述第二输出层用于输出对象区域；

对于所述待处理图像包括的每个待虚化像素点，根据所述待虚化像素点的深度值与所述前景区域包括的各像素点深度值平均值的差值，对所述待虚化像素点进行虚化处理，所述待虚化像素点为所述待处理图像的背景区域包括的像素点。

可选的，所述图像识别模型的网络层还包括多个卷积层和多个反卷积层，所述将所述待处理图像输入图像识别模型，得到所述待处理图像中各像素点的深度值以及所述对象区域，包括：

将所述待处理图像输入所述图像识别模型，通过各卷积层对所述待处理图像进行下采样，通过每个反卷积层对连接或跳跃连接的卷积层的下采样结果与上一个反卷积层的上采样结果进行拼接并上采样，得到所述第一输出层对最后一个反卷积层的采样结果进行上采样并输出的所述待识别图像中各像素点的深度值，并得到所述第二输出层对最后一个反卷积层的采样结果进行上采样并输出的所述待识别图像中的对象区域。

可选的，通过以下步骤得到所述图像识别模型：

利用多个样本图像以及每个样本图像对应的标准识别结果，对神经网络模型进行训练，并将训练完成的神经网络模型作为所述图像识别模型，所述标准识别结果包括样本图像中各像素点的实际深度值以及样本图像的实际对象区域。

可选的，通过以下步骤得到所述图像识别模型：