[发明专利]一种图像处理的方法、相关装置、设备、系统及存储介质

权利要求书

1.一种图像处理的方法，其特征在于，包括：

获取待处理图像，其中，所述待处理图像包括N个原始图像数据，每个原始图像数据对应于一个色彩通道，所述N为大于或等于3的整数；

基于所述待处理图像，通过区域分割模型获取二值化图像，其中，所述二值化图像包括分割区域，所述分割区域包括P个像素点，所述P为大于或等于1的整数；

采用所述二值化图像所包括的所述分割区域对所述待处理图像进行处理，得到所述待处理图像的待调整区域，其中，所述待调整区域包括P个像素点；

对所述待调整区域内每个像素点所对应的N个原始图像数据进行调整，以得到所述待处理图像所对应的已处理图像。

2.根据权利要求1所述的方法，其特征在于，所述区域分割模型为连接网络LinkNet模型；

所述基于所述待处理图像，通过区域分割模型获取二值化图像，包括：

通过所述LinkNet模型所包括的卷积层和池化层，对所述待处理图像进行下采样处理，得到待处理特征图；

通过所述LinkNet模型所包括的编码器模块，对所述待处理特征图进行编码处理，得到图像编码结果，其中，所述编码器包括残差模块；

通过所述LinkNet模型所包括的解码器模块，对所述编码结果进行解码处理，得到图像解码结果；

通过所述LinkNet模型所包括的转置卷积层以及卷积层，对所述图像解码结果进行上采样处理，得到所述二值化图像。

3.根据权利要求1所述的方法，其特征在于，所述区域分割模型为全卷积网络FCN模型；

所述基于所述待处理图像，通过区域分割模型获取二值化图像，包括：

通过所述FCN模型所包括的卷积层和池化层，对所述待处理图像进行下采样处理，得到待处理特征图；

通过所述FCN模型所包括的反卷积层，对所述待处理特征图进行上采样处理，得到所述二值化图像。

4.根据权利要求1所述的方法，其特征在于，所述区域分割模型为U型网络U-Net模型；

所述基于所述待处理图像，通过区域分割模型获取二值化图像，包括：

通过所述U-Net模型所包括的K个编码器，对所述待处理图像进行下采样处理，得到待处理特征图，其中，每个编码器包括卷积层和池化层，所述K为大于1的整数；

通过所述U-Net模型所包括的K个解码器，对所述待处理特征图进行上采样处理，得到所述二值化图像。

5.根据权利要求1所述的方法，其特征在于，所述区域分割模型为高效神经网络Enet模型；

所述基于所述待处理图像，通过区域分割模型获取二值化图像，包括：

通过所述Enet模型所包括的编码器，对所述待处理图像进行下采样处理，得到待处理特征图，其中，所述编码器包括初始模块以及瓶颈模块；

通过所述Enet模型所包括的解码器，对所述待处理图像进行上采样处理，得到所述二值化图像，其中，所述解码器包括瓶颈模块。

6.根据权利要求1所述的方法，其特征在于，所述采用所述二值化图像所包括的所述分割区域对所述待处理图像进行处理，得到所述待处理图像的待调整区域，包括：

根据所述二值化图像所包括的所述分割区域，从所述待处理图像中提取所述待调整区域，其中，所述待处理图像还包括未调整区域，所述待处理图像包括Q个像素点，所述未调整区域包括(Q-P)个像素点，所述Q为大于或等于所述P的整数；

所述对所述待调整区域内每个像素点所对应的N个原始图像数据进行调整，以得到所述待处理图像所对应的已处理图像，包括：

对所述待调整区域内每个像素点所对应的N个原始图像数据进行调整，得到所述待调整区域内每个像素点所对应的N个目标图像数据；

根据所述待调整区域内每个像素点所对应的N个目标图像数据，以及所述未调整区域内每个像素点所对应的N个原始图像数据，生成所述已处理图像。