[发明专利]眼底图像处理的方法、装置、电子设备和可读存储介质

说明书

本申请涉及图像处理技术领域，公开了眼底图像处理的方法、装置、电子设备和可读存储介质，该方法包括获取待处理眼底图像；采用训练好的亮度增强模型，对待处理眼底图像进行亮度增强处理，获得处理后的目标眼底图像；其中，亮度增强模型是基于对抗生成网络以及图像质量损失函数训练获得的。本申请实施例方法通过对抗生成网络以及图像质量损失函数训练获得亮度增强模型，能够提高通过亮度增强模型获得的眼底图像的图像质量。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及眼底图像处理的方法、装置、电子设备和可读存储介质。

背景技术

随着互联网技术的发展，人们对图像的要求越来越高，在一些应用场景中，为满足用户的需求，通常需要将亮度较低的图像进行亮度增强。

现有技术中，通常采用深度学习等算法，对眼底图像进行亮度增强，以获得增亮后的眼底图像。

但是，采用这种方式获得的眼底图像，通常存在较多的信息损失，使得增亮后的眼底图像无法满足用户的实际需求。

因此，在将眼底图像进行增亮时，如何降低眼底图像的信息损失，是一个需要解决的技术问题。

发明内容

本申请实施例提供了眼底图像处理的方法、装置、电子设备和可读存储介质，用以在将眼底图像进行增亮时，降低眼底图像的信息损失。

第一方面，本申请实施例提供了一种图像处理的方法，包括：

获取待处理眼底图像。

采用训练好的亮度增强模型，对待处理眼底图像进行亮度增强处理，获得处理后的目标眼底图像；其中，亮度增强模型是基于对抗生成网络以及图像质量损失函数训练获得的。

在上述实现过程中，利用训练好的亮度增强模型，对待处理眼底图像进行亮度增强处理，该方法能够对批量的待处理眼底图像进行亮度增强，从而提高了图像的处理效率，减少了人工对图像处理的工作量，节约了图像处理的成本，并且，通过图像质量损失函数对对抗生成网络进行训练获得亮度增强模型，增强了模型训练过程中参数调整的精度，从而能够减少亮度增强后眼底图像的纹理细节特征的损失，进一步提升了亮度增强后眼底图像的图像质量。

结合第一方面，在一种实施方式中，在采用训练好的亮度增强模型，对待处理眼底图像进行亮度增强处理之前，方法还包括：

获取样本眼底图像集合。

将样本眼底图像集合中的样本眼底图像输入至对抗生成网络中，获得相应的重构样本眼底图像。

利用目标损失函数，确定样本眼底图像集合中的样本眼底图像与相应的重构样本眼底图像之间的总体损失值。

根据总体损失值，对对抗生成网络中的参数进行调整，获得训练好的亮度增强模型。

在上述实现过程中，通过样本眼底图像以及目标损失函数对对抗生成网络进行训练，从而获得训练好的亮度增强模型，实现了亮度增强模型的训练。

结合第一方面，在一种实施方式中，获取样本眼底图像集合，包括：

获取初始图像集合，其中，初始图像集合包括第一初始图像集合和第二初始图像集合，第一初始图像集合包含至少一个第一初始图像，第二初始图像集合包含至少一个第二初始图像。

第一初始图像集合中的各第一初始图像的亮度值位于第一亮度值范围，第二初始图像集合中的各第二初始图像的亮度值位于第二亮度值范围，且第一亮度值范围的最大亮度值小于第二亮度值范围的最小亮度值。

对第一初始图像集合中的各第一初始图像进行剪裁黑边、特征提取以及尺寸调整，获得第一预处理初始图像集合，其中，第一预处理初始图像集合包含各第一初始图像对应的第一预处理初始图像。