[发明专利]图像处理方法及计算设备

说明书

本申请涉及图像处理方法及计算设备，所述图像处理方法包括获取针对被摄体的聚焦图像和散焦图像；将所述聚焦图像输入到图像处理机器学习模型组件中，获取相较于所述聚焦图像已被去除摩尔纹且模糊化处理的合成图像，其中，所述图像处理机器学习模型组件设置有全网络参数；通过利用所述合成图像与散焦图像之间的对应关系调整所述全网络参数，直至达到预设要求，生成所述全网络参数被调整完成的所述图像处理机器学习模型组件。采用本申请，不需要获取大量的训练图像并对训练图像执行标注即可确定其使用的全网络参数。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像处理方法及计算设备。

背景技术

在拍摄图像过程中，若电荷耦合元件(charge-coupled device，CCD)、互补金属氧化物半导体(complementary metal oxide semiconductor，CMOS)等感光元件像素的空间频率与被拍摄对象中周期性的图案(如格子、条纹等)的空间频率接近，就会产生摩尔纹，使得拍摄的图像中出现彩色的高频率条纹，影响图像的质量。

图2中示出了两种常见的摩尔纹，一种是在拍摄周期性的图案时产生的摩尔纹(如图2中的图案201)，另一种则是在拍摄屏幕时产生的摩尔纹(如图2中的图案202)。在相关技术中，通常利用人工标注的有摩尔纹的拍摄图像以及对应的无摩尔纹的拍摄图像作为训练图像对机器学习模型进行训练，调整该机器学习模型内的各个参数，生成训练完成的机器学习模型以用于去除图像中的摩尔纹。但这种方式需要大量的训练图像，而这些训练图像在实际拍摄中很难获得。因此，现有技术中需要一种图像处理方法，该方法所使用的图像处理机器学习模型不需要大量的训练图像执行训练即可确定其使用的模型参数。

发明内容

有鉴于此，提出了一种图像处理方法及其装置，所述方法所使用的图像处理机器学习模型组件不需要获取大量的训练图像并对训练图像执行标注即可确定其使用的模型参数。

第一方面，本申请的实施例提供了一种图像处理方法，所述方法获取针对被摄体的聚焦图像和散焦图像；将所述聚焦图像输入到图像处理机器学习模型组件中，获取相较于所述聚焦图像已被去除摩尔纹且模糊化处理的合成图像，其中，所述图像处理机器学习模型组件设置有全网络参数；通过利用所述合成图像与散焦图像之间的对应关系调整全网络参数，直至达到预设要求，生成全网络参数被调整完成的所述图像处理机器学习模型组件。

对于去除摩尔纹的机器学习模型组件而言，困难之处在于收集训练图像，这些训练图像需要针对同一被摄体的有摩尔纹的图像以及无摩尔纹的图像，在实际拍摄中，在容易拍摄出摩尔纹的自然场景下很难拍摄到无摩尔纹的图像。基于此，本申请的实施例提供的图像处理方法不需要获取大量的由摩尔纹的图像以及对应的无摩尔纹的图像，而是采用在拍摄中比较容易获取到的散焦图像以及利用图像处理机器学习模型组件获取的合成图像之间的对应关系来调整所述图像处理机器学习模型组件的全网络参数。

综上可述，根据本申请的实施例采用的图像处理方法可采用在自然场景下容易获取的聚焦图像与散焦图像，通过利用图像处理机器学习模型组件获取的合成图像对散焦图像的拟合过程中调整图像机器学习模型组件中的全网络参数，生成全网络参数已确定的图像处理机器学习模型组件，采用这种方式确定的图像处理机器学习模型组件可不需要获取大量的训练图像并对训练图像执行标注即可确定其使用的模型参数。

根据第一方面，在所述图像处理方法的第一种可能的实现方式中，所述图像处理机器学习模型组件包括用于执行去除摩尔纹处理的摩尔纹去除组件以及用于确定对图像执行模糊化处理的模糊核的模糊核确定组件，并且所述全网络参数包括所述摩尔纹去除组件以及所述模糊核确定组件中的全部参数。

所述图像处理机器学习模型组件为了能够利用聚焦图像生成去除摩尔纹且模糊化处理的合成图像，所述图像处理机器学习模型组件可包括两个组件，其中，所述摩尔纹去除组件用于对聚焦图像执行去除摩尔纹处理，而模糊核确定组件用于确定对已去除摩尔纹的聚焦图像的模糊核，以用于执行模糊化处理，借此执行与散焦类似的图像处理效果。