[发明专利]视频上色方法、装置、设备及存储介质

说明书

本公开提供一种视频上色方法、装置、设备及存储介质，涉及图像处理技术领域。该方法包括：获得目标视频片段中的分帧图像，所述分帧图像中包括目标标记图像；响应对所述目标标记图像的选定像素点的颜色标记操作，获得与所述目标标记图像对应的着色参照图像；通过图像上色神经网络模型根据所述着色参照图像对所述目标标记图像进行上色处理，生成所述目标标记图像的上色参考图像；通过视频上色神经网络模型根据所述目标标记图像的上色参考图像对所述目标视频片段的分帧图像进行上色处理，获得所述目标视频片段的分帧图像的上色图像。该方法采用了深度学习技术，实现了提高视频上色的效果和效率。

技术领域

本公开涉及图像处理技术领域，具体而言，涉及一种视频上色方法、装置、设备及可读存储介质。

背景技术

由于人工智能(Artificial Intelligence,AI)的快速发展，对老照片和视频进行着色和画质升级变得越来越普遍，也变得更加容易操作。相关技术中采用图像软件对视频中的帧图像进行上色，再将视频各帧图像与上色的帧图像通过深度学习自动上色模型生成上色的视频，容易造成色彩失真，且上色过程繁琐耗时。

如上所述，如何提高视频上色的效果和效率成为亟待解决的问题。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种视频上色方法、装置、设备及可读存储介质，至少解决相关技术中视频上色效果较差、效率较低的技术问题之一。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提供一种视频上色方法，包括：获得目标视频片段中的分帧图像，所述分帧图像中包括目标标记图像；响应对所述目标标记图像的选定像素点的颜色标记操作，获得与所述目标标记图像对应的着色参照图像；通过图像上色神经网络模型根据所述着色参照图像对所述目标标记图像进行上色处理，生成所述目标标记图像的上色参考图像；通过视频上色神经网络模型根据所述目标标记图像的上色参考图像对所述目标视频片段的分帧图像进行上色处理，获得所述目标视频片段的分帧图像的上色图像。

根据本公开的一方面，提供一种视频上色装置，包括：初始图像获取模块，用于获得目标视频片段中的分帧图像，所述分帧图像中包括目标标记图像；着色参照模块，用于响应对所述目标标记图像的选定像素点的颜色标记操作，获得与所述目标标记图像对应的着色参照图像；上色参考模块，用于通过图像上色神经网络模型根据所述着色参照图像对所述目标标记图像进行上色处理，生成所述目标标记图像的上色参考图像；图像上色模块，用于通过视频上色神经网络模型根据所述目标标记图像的上色参考图像对所述目标视频片段的分帧图像进行上色处理，获得所述目标视频片段的分帧图像的上色图像。

根据本公开的一实施例，所述着色参照模块包括：初始参照图像生成模块，用于生成与所述目标标记图像对应的初始参照图像；颜色标记点坐标获取模块，用于响应对所述初始参照图像上的选定像素点的颜色标记操作，确定标记颜色和所述选定像素点的像素坐标；标记颜色填充模块，用于在所述初始参照图像的所述选定像素点的像素坐标的对应位置填充所述标记颜色，获得所述着色参照图像。

根据本公开的一实施例，所述标记颜色填充模块包括：颜色解析模块，用于从所述标记的颜色中解析出与所述标记的颜色对应的红绿蓝通道值；颜色通道填充模块，用于在所述初始参照图像的所述选定像素点的位置处填充所述红绿蓝通道值。

根据本公开的一实施例，所述初始参照图像生成模块包括：图像尺寸获取模块，用于获取所述目标标记图像的尺寸；图像生成模块，用于生成与所述目标标记图像的尺寸对应的初始参照图像；灰度设置模块，用于设置所述初始参照图像的各个像素点的灰度值为零。