[发明专利]一种图像曝光矫正方法、装置、电子设备及存储介质

说明书

本申请公开了一种图像曝光矫正方法、装置、电子设备及存储介质，解决了现有的采用基于传统机器学习模型进行图像曝光矫正的方法无法同时对曝光过度与曝光不足的图像进行矫正，并且矫正的准确度不高的问题，所述图像曝光矫正方法，包括：获取待矫正图像的低频特征和高频特征；将所述低频特征和所述高频特征输入图像曝光矫正模型，获得矫正图像，所述图像曝光矫正模型是根据样本训练集合中提取的每一样本图像的低频特征和高频特征按照构建的待训练神经网络模型进行训练获得的，所述样本训练集合中包括曝光过度的样本图像和曝光不足的样本图像。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像曝光矫正方法、装置、电子设备及存储介质。

背景技术

在利用数字相机采集图像时，使用错误的曝光参数拍摄的图像存在两个问题：(1)曝光过度，即曝光时间过长，导致图像区域明亮和褪色；(2)曝光不足，即曝光时间过短，导致图像区域过暗。现有的图像曝光矫正方案中，一般采用基于传统机器学习的方法仅仅针对曝光过度的图像进行矫正，或者仅仅对曝光不足的图像进行矫正，而无法同时针对曝光过度与曝光不足的图像进行矫正，并且，基于传统机器学习方法直接针对原始图像进行曝光矫正，准确度不高。

发明内容

为了解决现有的采用基于传统机器学习模型进行图像曝光矫正的方法无法同时对曝光过度与曝光不足的图像进行矫正，并且矫正的准确度不高的问题，本申请实施例提供了一种图像曝光矫正方法、装置、电子设备及存储介质。

第一方面，本申请实施例提供了一种图像曝光矫正方法，包括：

获取待矫正图像的低频特征和高频特征；

将所述低频特征和所述高频特征输入图像曝光矫正模型，获得矫正图像，所述图像曝光矫正模型是根据样本训练集合中提取的每一样本图像的低频特征和高频特征按照构建的待训练神经网络模型进行训练获得的，所述样本训练集合中包括曝光过度的样本图像和曝光不足的样本图像。

在一种可能的实施方式中，获取待矫正图像的低频特征和高频特征，具体包括：

获取所述待矫正图像对应的拉普拉斯金字塔图像集合，其中，所述拉普拉斯金字塔图像集合包括所述待矫正图像对应的N层拉普拉斯金字塔图像，第一层拉普拉斯金字塔图像为所述待矫正图像对应的低频拉普拉斯金字塔图像，第2～N层拉普拉斯金字塔图像为所述待矫正图像对应的高频拉普拉斯金字塔图像；

将所述低频拉普拉斯金字塔图像确定为所述待矫正图像的低频特征，将所述高频拉普拉斯金字塔图像确定为所述待矫正图像的高频特征。

在一种可能的实施方式中，所述待训练神经网络模型包括N层U-net子网络；

通过以下方式训练获得所述图像曝光矫正模型：

针对所述样本训练集合中的每一样本图像，获取所述样本图像对应的第一拉普拉斯金字塔图像集合，并获取所述样本图像对应的曝光正常图像对应的第二拉普拉斯金字塔图像集合；所述第一拉普拉斯金字塔图像集合包括所述样本图像对应的N层第一拉普拉斯金字塔图像，第一层第一拉普拉斯金字塔图像为所述样本图像对应的低频拉普拉斯金字塔图像，第2～N层第一拉普拉斯金字塔图像为所述样本图像对应的高频拉普拉斯金字塔图像；所述第二拉普拉斯金字塔图像集合包括所述曝光正常图像对应的N层第二拉普拉斯金字塔图像，第一层第二拉普拉斯金字塔图像为所述曝光正常图像对应的低频拉普拉斯金字塔图像，第2～N层第二拉普拉斯金字塔图像为所述曝光正常图像对应的高频拉普拉斯金字塔图像；

分别对所述第一层第二拉普拉斯金字塔图像、所述第2～N层第二拉普拉斯金字塔图像中的像素点的像素值进行标注，获得各自对应的标注像素值；

将所述第一层第一拉普拉斯金字塔图像输入到第一层U-net子网络中，预测所述第一层第一拉普拉斯金字塔图像对应的重建图像；