[发明专利]一种图像处理方法、装置、设备及存储介质

说明书

本申请提供了一种图像处理方法、装置、设备及存储介质，所述方法包括：获取待处理图像和卷积处理模型，所述卷积处理模型是从服务器获取的已训练好的模型，对所述待处理图像进行下采样处理，得到下采样图像，根据所述卷积处理模型对所述下采样图像进行处理，得到表征曝光程度的第一变换矩阵集合，根据所述待处理图像和所述第一变换矩阵集合，生成目标图像，所述目标图像的动态范围高于所述待处理图像的动态范围。通过本申请，在终端实现了根据低动态范围图像生成高动态范围图像，节省了获取高动态范围图像的时间，确保了数据的安全性。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及存储介质。

背景技术

随着互联网技术的发展，超高清视频技术取得蓬勃发展，图像采集和观看设备都增加了高动态范围(HDR，High-Dynamic Range)图像的支持。HDR图像相比于传统的标准动态范围(SDR，Standard-Dynamic Range)图像，保留了图像最亮和最暗之间亮度的细节，更能准确的描述亮度差异，以一种更接近人眼所能感知的方式呈现光与影，从而为观众提供更高质量的观看体验。

现有生成HDR图像的方法主要有以下三种：第一种是拍摄多张不同曝光度的图像合并成一个HDR图像，存在无法对现有的SDR图像进行处理的缺陷；第二种是对已有的SDR图像进行变换处理得到多张不同曝光度的图像，再合并成一个HDR图像，仅适用于特定场景(如夜间灯光、建筑阴影等)下的图像；第三种是通过深度学习训练得到的神经网络进行处理，得到HDR图像，该种方法需要将图像上传到服务器进行处理，不仅耗时，而且存在数据安全的问题。

发明内容

有鉴于此，本申请实施例提供了一种图像处理方法、装置、设备及存储介质。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种图像处理方法，包括：

获取待处理图像和卷积处理模型，所述卷积处理模型是从服务器获取的已训练好的模型；

对所述待处理图像进行下采样处理，得到下采样图像；

根据所述卷积处理模型对所述下采样图像进行处理，得到表征曝光程度的第一变换矩阵集合；

根据所述待处理图像和所述第一变换矩阵集合，生成目标图像，所述目标图像的动态范围高于所述待处理图像的动态范围。

本申请实施例提供一种图像处理方法，包括：

获取训练数据，其中，所述训练数据中至少包括参考图像、与所述参考图像具有不同曝光系数的第一训练图像集合和目标参考图像，所述目标参考图像为与所述参考图像相对应的高动态范围图像；

对所述参考图像和第一训练图像集合中的各个第一训练图像进行下采样处理，得到相应的参考下采样图像和各个第一下采样图像；

基于所述参考图像、各个第一训练图像和目标参考图像对预设的卷积处理模型进行训练，得到训练好的卷积处理模型；

发送所述训练好的卷积处理模型至终端。

本申请实施例提供一种图像处理装置，包括：

第一获取模块，用于获取待处理图像和卷积处理模型，所述卷积处理模型是从服务器获取的已训练好的模型；

第一下采样模块，用于对所述待处理图像进行下采样处理，得到下采样图像；

处理模块，用于根据所述卷积处理模型对所述下采样图像进行处理，得到表征曝光程度的第一变换矩阵集合；

生成模块，用于根据所述待处理图像和所述第一变换矩阵集合，生成目标图像，所述目标图像的动态范围高于所述待处理图像的动态范围。

本申请实施例提供一种图像处理装置，包括：