[发明专利]图像处理方法、装置、电子设备以及计算机可读存储介质

说明书

公开了一种图像处理方法，包括：基于原生图像在预设颜色空间中的预设通道的颜色分量确定所述预设通道的每一点的颜色分量；基于所述原生图像在所述预设颜色空间中所述预设通道之外的剩余通道的颜色分量，确定所述剩余通道的每一点的颜色分量；通过第一神经网络模型，确定原生图像在所述预设通道的优化参数；基于所述优化参数和所述预设通道每一点的颜色分量，确定所述预设通道的优化数据；通过第二神经网络模型，确定原生图像在所述预设颜色空间所有通道的优化参数；基于所述预设颜色空间所有通道优化参数和所述预设颜色空间中的所有通道上的每一点的颜色分量，确定最终全彩图像。能够将插值算法和神经网络的优势进行结合，得到良好的图像。

技术领域

本公开涉及图像处理技术领域，具体涉及一种图像处理方法、装置、电子设备以及计算机可读存储介质。

背景技术

现有的去马赛克算法主要包括两种，其中一种是采用插值的方式，通过大量的数学分析以及相关性原理的探究，尝试从逻辑分析以及数学模型的角度恢复丢失的通道信息，但是考虑到现实场景的多样性及复杂性，很难利用单一的算法模型解决全部的插值问题，并且大量数学公式的引入，会导致算法设计复杂度的也随之提升，虽然在插值效果上能够得到优化，但是需要消耗的计算性能也随之不断增加，不利于算法的硬件实现；另一种是通过机器学习的方式实现，这种方式计算效果上相较于传统算法也有不同程度上的提升，但是复杂的神经网络模型也会消耗大量的计算资源，尤其是端到端的模型训练结构，往往会通过不断增加神经网络的层数来提升性能，影响算法的实用性。现有技术中，两种方法均采用单独使用的方式，难以充分发挥两者的优势。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种图像处理方法、装置、电子设备以及计算机可读存储介质，能够充分发挥插值算法和神经网络的优势，得到良好的图像。

根据本公开的一个方面，提供了一种图像处理方法，包括：

基于原生图像在预设颜色空间中的预设通道的颜色分量确定所述预设通道的每一点的颜色分量；

基于所述原生图像在所述预设颜色空间中所述预设通道之外的剩余通道的颜色分量，确定所述剩余通道的每一点的颜色分量；

通过第一神经网络模型，确定原生图像在所述预设通道的优化参数；

基于所述优化参数和所述预设通道每一点的颜色分量，确定所述预设通道的优化数据；

通过第二神经网络模型，确定原生图像在所述预设颜色空间所有通道的优化参数；

基于所述预设颜色空间所有通道优化参数和所述预设颜色空间中的所有通道上的每一点的颜色分量，确定最终全彩图像。

本公开图像处理方法包括两个方面，第一方面是基于传统去马赛克插值算法的改良方案，利用预设通道数据分别与其他通道的相关性作为先验理论，插值得到预设颜色空间中效果较为良好的预设通道数据，再以此为基准，插值其他通道的数据，第二方面是基于神经网络而设计的优化链路，最终目的是能够根据原生图像，计算得到优化参数，并配合去马赛克插值算法得到的各通道数据得到最终的去马赛克结果。

由于两个方面处于并行运算的状态，所以在关闭基于神经网络而设计的优化链路的状态下不会影响马赛克插值算法的工作，只是最终计算的效果不会得到优化，在实际使用过程中可以根据需求考虑是否开启神经网络优化的功能，增加了算法模型的灵活性以及实用性。

根据本公开的第二个方面，提供了一种图像处理装置，包括：

预设通道插值模块，用于基于原生图像在预设颜色空间中的预设通道的颜色分量确定所述预设通道的每一点的颜色分量；

剩余通道插值模块，用于基于所述原生图像在所述预设颜色空间中所述预设通道之外的剩余通道的颜色分量，确定所述剩余通道的每一点的颜色分量；