图像处理方法和装置制造方法及图纸

本申请提出一种图像处理方法和装置，其中，方法包括：拍摄目标物体的多帧原始图像；检测多帧原始图像中每帧原始图像中目标物体对应的目标区域；对每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像；对所有的降噪图像进行高动态合成生成目标图像。由此，一方面，采用基于人工智能的降噪方式对图像降噪，在保证图像纯净度的同时保留了更多的图像细节，另一方面，仅仅针对目标区域进行降噪处理，大大提高了降噪的效率。

Image Processing Method and Device

【技术实现步骤摘要】
图像处理方法和装置
本申请涉及成像
，尤其涉及一种图像处理方法和装置。
技术介绍
随着科技的发展，依托于科技的摄像头技术已经越来越成熟，在日常生产和生活中，使用智能移动终端(如智能手机、平板电脑等)的内置摄像头进行拍照已经成为一种常态。因此，随着拍照的需求的常态化发展，如何提高图像的质量成为主要需求。相关技术中，基于对整张图像的降噪算法实现对图像质量的提高，比如，基于整张图像进行降噪处理计算量较大，尤其是在多帧图像用于高动态合成时，对多帧图像进行均进行整张降噪的数据处理量更大，因此，亟需一种提高降噪的处理速度的方式。
技术实现思路
本申请提供一种图像处理方法和装置，以解决现有技术中，降噪速度较慢的技术问题。本申请一方面实施例提供了一种图像处理方法，包括以下步骤：拍摄目标物体的多帧原始图像；检测所述多帧原始图像中每帧原始图像中所述目标物体对应的目标区域；对所述每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像；对所有的降噪图像进行高动态合成生成目标图像。本申请另一方面实施例提供了一种图像处理装置，包括：拍摄模块，用于拍摄目标物体的多帧原始图像；检测模块，用于检测所述多帧原始图像中每帧原始图像中所述目标物体对应的目标区域；降噪模块，用于对所述每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像；合成模块，用于对所有的降噪图像进行高动态合成生成目标图像。本申请又一方面实施例提供了一种电子设备，包括：图像传感器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述图像传感器与所述处理器电连接，所述处理器执行所述程序时，实现如上述实施例描述的图像处理方法。本申请还一方面实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所描述的图像处理方法。本申请提供的图像处理方法实施例，至少包括如下有益技术效果：拍摄目标物体的多帧原始图像，检测多帧原始图像中每帧原始图像中目标物体对应的目标区域，对每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像，进而，对所有的降噪图像进行高动态合成生成目标图像。由此，一方面，采用基于人工智能的降噪方式对图像降噪，在保证图像纯净度的同时保留了更多的图像细节，另一方面，仅仅针对目标区域进行降噪处理，大大提高了降噪的效率。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例所提供的一种图像处理方法的流程示意图；图2为本申请实施例所提供的一种图像处理方法的应用场景示意图；图3为本申请实施例所提供的另一种图像处理方法的应用场景示意图；图4为本申请实施例所提供的又一种图像处理方法的应用场景示意图；图5为本申请实施例所提供的另一种图像处理方法的流程示意图；图6是根据本申请一个实施例的图像处理装置的结构示意图；图7为本申请实施例提供的一种电子设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。针对上述
技术介绍
中提到的，降噪处理效率较低的问题，本申请提供了一种对图像的噪音水平进行识别，对噪音程度较大的图像进行降噪，由此，大大提高了降噪处理的效率。为了便于理解本申请，在对本申请实施例的图像处理方法进行说明之前，首先对本申请涉及的技术用于的含义进行定义，定义如下：曝光量：也可以理解为曝光值(ExposureValue，简称EV)，在曝光值最初的定义中，曝光值并不是指一个准确的数值，而是指“能够给出相同的曝光量的所有相机光圈与曝光时长的组合”。感光度、光圈和曝光时长确定了相机的曝光量，不同的参数组合可以产生相等的曝光量，即这些不同组合的EV值是一样的，比如，在感光度相同的情况下，使用1/125秒曝光时长和F/11的光圈组合，与使用1/250秒曝光时间与F/8.0快门的组合，获得的曝光量是相同的，即EV值是相同的。EV值为0时，是指感光度为100、光圈系数为F/1、曝光时长为1秒时获得的曝光量；曝光量增加一档，即曝光时长增加一倍，或者感光度增加一倍，或者光圈增加一档，EV值增加1，也就是说，1EV对应的曝光量是0EV对应的曝光量的两倍。如表1所示，为曝光时长、光圈、感光度分别单独变化时，与EV值的对应关系。表1摄影技术进入到数码时代之后，相机内部的测光功能已经非常强大，EV则经常用来表示曝光刻度上的一个级差，许多相机都允许设置曝光补偿，并通常用EV来表示。在这种情况下，EV是指相机测光数据对应的曝光量与实际曝光量的差值，比如+1EV的曝光补偿是指相对于相机测光数据对应的曝光量增加一档曝光，即实际曝光量为相机测光数据对应的曝光量的两倍。在本申请实施例中，可以将确定的基准曝光量对应的EV值预设为0，+1EV是指增加一档曝光，即曝光量为基准曝光量的2倍，+2EV是指增加两档曝光，即曝光量为基准曝光量的4倍，-1EV是指减少一档曝光，即曝光量为基准曝光量的0.5倍等等。举例来说，若多帧图像的数量为7帧，则预设的曝光补偿策略对应的EV值范围可以是[+1,+1,+1,+1,0,-3,-6]。其中，曝光补偿策略为+1EV的帧，可以解决噪声问题，通过亮度比较高的帧进行时域降噪，在提升暗部细节的同时抑制噪声；曝光补偿策略为-6EV的帧，可以解决高光过曝的问题，保留高光区域的细节；曝光补偿策略为0EV和-3EV的帧，则可以用于保持高光到暗区之间的过渡，保持较好的明暗过渡的效果。下面参考附图描述本申请实施例的图像处理方法和装置。图1为本申请实施例所提供的一种图像处理方法的流程示意图。如图1所示，该方法包括以下步骤：步骤101，拍摄目标物体的多帧原始图像。其中，目标物体指的是任意拍摄的主体，可以认为人脸，也可以为建筑物等，其中，可以基于拍摄的场景的结构光调制图案发现是否当前拍摄的图像是都包含目标物体，也可以基于预览图像的图像识别技术保证拍摄到目标物体。具体地，拍摄目标物体的多帧原始图像，其中，原始图像，是指通过电子设备的图像传感器采集得到的未做任何处理的RAW图像，其中，RAW图像就是图像传感器将捕捉到的光源信号转化为数字信号的原始图像。RAW图像记录了数码相机传感器采集到的原始信息，同时记录了由相机拍摄所产生的一些元数据，如感光度的设置、快门速度、光圈值、白平衡等。可以理解，为了弥补采集的一张图像无法清晰地对图像中每个细节呈现的弊端，采用高动态范围图像(High-DynamicRange，简称HDR)技术进行拍照，即根据不同的曝光时间拍摄多张图像，并基于多张图像进行合成来提供更多的动态范围和图像细节，在本申请的实施例中，同样基于多张原始图像进行高动态范围合成生成，以保证最后的成像效果。在本申请的一个实施例中，为了保证高动态范围合成后的图像质量，如图2所示，采集不同曝光量的原始图像进行合成，其中，曝光量，是指电子设备中的感光器件在曝光时长内接受到光的多少，曝光量与光圈、曝光时长和感本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括以下步骤：拍摄目标物体的多帧原始图像；检测所述多帧原始图像中每帧原始图像中所述目标物体对应的目标区域；对所述每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像；对所有的降噪图像进行高动态合成生成目标图像。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括以下步骤：拍摄目标物体的多帧原始图像；检测所述多帧原始图像中每帧原始图像中所述目标物体对应的目标区域；对所述每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像；对所有的降噪图像进行高动态合成生成目标图像。2.如权利要求1所述的方法，其特征在于，所述目标物体为人脸，所述检测所述多帧原始图像中每帧原始图像中所述目标物体对应的目标区域，包括：检测所述每帧原始图像的人脸区域；获取所述人脸区域中每个像素的像素色彩值，并计算所有像素色彩值的均值；确定像素色彩值与所述均值的差值在预设范围内的其他肤色区域；确定所述人脸区域和所述肤色区域的连通区域为所述目标区域。3.如权利要求2所述的方法，其特征在于，确定所述人脸区域和所述肤色区域的连通区域为所述目标区域之后，还包括：确定与所述连通区域连接的衣服区域；根据所述衣服区域修正所述目标区域。4.如权利要求1所述的方法，其特征在于，所述对所述每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像，包括：对所述每帧原始图像的目标区域进行基于人工智能的降噪，并对所述每帧原始图像的非所述目标区域进行模糊处理生成所述降噪图像。5.如权利要求4所述的方法，其特征在于，所述并对所述每帧原始图像的非所述目标区域进行模糊处理生成所述降噪图像，包括：确定所述目标物体和拍摄所述目标物体的摄像模组的距离；根据所述距离确定模糊处理系数；根据所述模糊处理系数对所述每帧原始图像的非所述目标区域进行模糊处理生成所述降噪图像。6.如权利要求1所述的方法，其特征在于，所述对所述每帧原始图像的目标区域进行基于人工智能的降噪生成降噪图像，包括：采用神经网络模型，对所述原始图像的目标区域进行噪声...

【专利技术属性】
技术研发人员：邵安宝，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44