[发明专利]图像处理方法和设备

说明书

本申请提供了图像处理方法和设备，该方法应用于具有显示屏和摄像头的电子设备，该方法包括：获取N帧原始raw图像；对该N帧原始raw图像进行配准处理；根据神经网络模型，对经过该配准处理后的N帧原始raw图像进行重建处理，以得到重建图像，该重建图像是降噪后的一帧raw图像；对该重建图像进行颜色校正处理；对经过该颜色校正处理后的重建图像进行后处理。本申请能够提高图像去噪的效果。

本申请为，申请号为201910229696.8、申请日为2019年03月25日、发明创造名称为图像显示方法和设备的发明专利申请的分案申请。

技术领域

本申请涉及图像处理领域，尤其涉及一种图像处理方法和设备。

背景技术

目前智能终端技术不断发展，终端设备的使用越来越广泛。随着终端设备处理能力的不断增强以及摄像头技术的发展，人们对终端设备拍照质量的要求也逐步提升。目前，终端设备能够在覆盖0.3光照度及以上的场景，例如，在白天场景拍摄得到图像的画质较好。

但是，在低照度的场景下，例如，终端设备在覆盖0.3光照度及以下的场景，由于受制于摄像头传感器尺寸小、光圈小等因素，导致终端设备的摄像头的感光度较差，造成拍照得到的图像中会引入噪声从而图像模糊不清晰。因此，在极低照度的场景下如何提高图像去噪效果，成为亟待解决的问题。

发明内容

本申请提供一种图像显示方法和设备，以提高在低照度的环境下的图像去噪的效果。

第一方面，本技术方案提供了一种图像显示方法，应用于具有显示屏(例如，触摸屏、柔性屏、曲面屏等)和摄像头的电子设备，包括：检测到用户用于打开相机的第一操作；响应于所述第一操作，在所述显示屏上显示拍摄界面，所述拍摄界面上包括取景框，所述取景框内包括第一图像；检测到所述用户指示相机的第二操作；响应于所述第二操作，在所述取景框内显示第二图像，所述第二图像为针对所述摄像头采集到的N帧原始raw图像进行处理后的图像，其中，神经网络模型(亦可简称为神经网络)应用于所述处理过程中，所述神经网络模型以噪声低于目标阈值的图像作为输出目标，N为大于或等于2的整数。

本申请中，检测到用户打开相机的第一操作，以及检测到用户指示相机的第二操作，响应所述第二操作，在显示屏的取景框内显示第二图像，第二图像是针对摄像头采集到的N帧原始raw图像进行处理后的图像。由于raw图像是未经过加速器算法以及ISP的处理的图像，因此raw图像中噪声的形态未受到破坏。在本申请中，通过获取N帧raw图像进行去噪处理，能够提高低照度环境下图像的去噪效果。

可选地，在一种可能的实现方式中，所述第二图像为所述神经网络模型输出的YUV图像。

可选地，在另一种可能的实现方式中，所述第二图像为YUV图像，该YUV图像是对所述神经网络模型的输出的raw图像进行后处理，得到的YUV图像。

可选地，在另一种的可能的实现方式中，所述第二图像为所述神经网络模型输出的raw图像。在本申请中，N帧原始raw图像为摄像头采集到的图像。例如，摄像头是包括传感器和镜头的模组，N帧原始raw图像可以是获取所述传感器生成的raw图像，raw图像未经过加速器，比如神经网络处理器(neural-network processing unit，NPU)、图形处理器(graphics processing unit，GPU)、数字信号处理器(digital signal processor，DSP)等处理器进行算法加速，以及未经过图像信号处理器(image signal processor，ISP)处理的原始图像。因此，raw图像中的噪声的原始形态并未由于算法的处理受到破坏。即raw图像中的噪声最接近用户的使用电子设备的真实的噪声引入的场景。

需要说明的是，原始raw图像不同于YUV图像，raw图像为传感器将捕捉到的光源信号转化为数字信号的原始数据，YUV图像为将raw图像进行后处理得到的图像，所述后处理可以将raw图像转换为YUV图像，例如，通过加速器和ISP的处理。