[发明专利]图像处理方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取待处理的相机图像，以及获取相机图像对应的线性化图像；将线性化图像输入预先训练的图像去噪神经网络模型，以使图像去噪神经网络模型输出与线性化图像对应的去噪图像；其中，线性化图像与去噪图像处于第一色域；对处于第一色域的去噪图像进行图像后处理，得到去噪图像对应的处于第二色域的目标图像。采用本方法能够通过预先训练的图像去噪神经网络模型，对处于第一色域的图像进行图像去噪处理，相比于现有技术中对图像转化为第二色域后再进行去噪，可避免图像后处理过程中造成的噪声复杂化，从而更有效的去除噪声，减少输出的RGB图像与真实图像的色彩差异。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、计算机设备和存储介质。

背景技术

随着现代数码相机和智能手机相机的发展，出现了一种将光信号转换为数字信号，使其可以被存储，传输，处理的技术。在信号转换过程中，相机内的图像传感器会先将光信号转换为数字信号，然后相机内的图像处理流程则会进一步对得到数字信号进行后处理，得到可以在屏幕上显示的RGB图像。

然而，目前用于相机的图像处理流程缺乏有效的噪声去除模块，导致图像在某些场景下依旧包含有较为明显的噪声，因此输出的RGB图像与真实图像的色彩存在差异。

发明内容

基于此，有必要针对上述技术问题，提供一种图像处理方法、装置、计算机设备和存储介质。

一种图像处理方法，所述方法包括：

获取待处理的相机图像，以及获取所述相机图像对应的线性化图像；

将所述线性化图像输入预先训练的图像去噪神经网络模型，以使所述图像去噪神经网络模型输出与所述线性化图像对应的去噪图像；其中，所述线性化图像与所述去噪图像处于第一色域；

对处于所述第一色域的去噪图像进行图像后处理，得到所述去噪图像对应的处于第二色域的目标图像。

在其中一个实施例中，所述将所述线性化图像输入预先训练的图像去噪神经网络模型之前，还包括：获取携带有噪声信号的第一样本图像，以及获取所述第一样本图像对应的不携带有所述噪声信号的第二样本图像；所述第一样本图像与所述第二样本图像处于所述第一色域；将所述第一样本图像以及所述第二样本图像输入当前卷积神经网络模型，获取所述当前卷积神经网络模型对应的损失值；根据所述损失值对所述当前卷积神经网络模型进行训练，将所述损失值最小的当前卷积神经网络模型作为所述图像去噪神经网络模型。

在其中一个实施例中，所述将所述第一样本图像以及所述第二样本图像输入当前卷积神经网络模型，包括：对所述第一样本图像以及所述第二样本图像进行图像分割，得到预设大小的第一图像块以及第二图像块；将所述第一图像块以及所述第二图像块输入所述当前卷积神经网络模型。

在其中一个实施例中，所述获取所述相机图像对应的线性化图像，包括：确定所述相机图像对应的相机储存模式；若所述相机储存模式为线性储存模式，则获取所述相机图像对应的黑电平以及白电平；根据所述黑电平以及所述白电平获取所述相机图像对应的线性化图像；和/或若所述相机储存模式为非线性储存模式，则获取所述相机图像对应的线性数据，以及所述相机图像对应的黑电平以及白电平；根据所述黑电平以及所述白电平获取所述线性数据对应的线性化图像。

在其中一个实施例中，所述对处于所述第一色域去噪图像进行图像后处理，得到所述去噪图像对应的处于第二色域的目标图像，包括：对所述去噪图像进行去马赛克处理，得到所述去噪图像对应的处于所述第一色域的去马赛克图像；对所述去马赛克图像进行第一颜色空间转换，得到处于中间色域的第一颜色空间图像；将所述第一颜色空间图像进行白平衡处理、颜色校准、曝光补偿、色彩增强处理，以及色调映射处理，得到对应的处于中间色域的色调映射图像；对所述色调映射图像进行第二颜色空间转换，得到处于所述第二色域的第二颜色空间图像；对所述第二颜色空间图像进行伽马矫正以及阴影矫正处理，得到所述目标图像。