样本图像处理方法、装置、电子设备及可读存储介质与流程

本申请涉及图像处理，特别涉及一种样本图像处理方法，还涉及一种样本图像处理装置、电子设备以及计算机可读存储介质。

背景技术：

1、随着图像处理技术例如针对图像数据的数字降噪技术的进步，使图像数据能够表现出更为丰富的色彩与细节信息。在针对图像数据的数字降噪技术中，基于深度学习的数字降噪技术更是得到了广泛运用。在深度学习领域中通常采用离线标定噪声模型的方式进行降噪处理，并使用高质量的公开图像数据集合生成不同程度的噪声图像，用以训练离线标定噪声模型。

2、然而，现有的公开图像数据集由于采集设备、拍摄方式和环境、图像压缩等因素，存在着较为严重的质量问题，主要表现为图像局部区域的模糊失真、图像分辨细节的欠缺、难以去除的小范围残留噪声点等。因此，基于这些图像数据进行模型训练，会严重影响模型训练效果，无法发挥模型算法本身的极致性能，进而导致噪声模型无法带来较佳的图像数据去噪效果。

3、因此，如何有效提升用于标定噪声模型的样本图像质量，以便为后续模型训练提供更高品质的图像样本是本领域技术人员亟待解决的问题。

技术实现思路

1、本申请提供一种样本图像处理方法，该样本图像处理方法可以有效提升用于标定噪声模型的样本图像质量，有助于为后续模型训练提供更高品质的图像样本；本申请还提供一种样本图像处理装置、电子设备及计算机可读存储介质，均具有上述有益效果。

2、第一方面，本申请公开了一种样本图像处理方法，包括：

3、获取样本集，所述样本集包括多张样本图像；

4、分别对所述样本集中类型为平坦样本和纹理样本的所述样本图像进行降噪处理和超分处理，对应得到降噪样本图像和超分样本图像；

5、利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集。

6、可选地，所述样本集为rgb样本集；所述利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集，包括：

7、利用所述降噪样本图像和所述超分样本图像构建raw域下的图像模型训练数据集。

8、可选地，所述利用所述降噪样本图像和所述超分样本图像构建raw域下的图像模型训练数据集，包括：

9、将所述降噪样本图像和所述超分样本图像均转换为raw域下的样本增强图像；

10、对所述raw域下的样本增强图像进行加噪处理，得到对应的样本噪声图像；

11、形成所述样本增强图像与所述对应的样本噪声图像的训练数据对，得到raw域下的图像模型训练数据集。

12、可选地，所述利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集，包括：

13、将所述超分样本图像裁剪为多个中间样本图像；

14、利用多个所述中间样本图像和所述降噪样本图像构建图像模型训练数据集。

15、可选地，所述分别对所述样本集中类型为平坦样本和纹理样本的所述样本图像进行降噪处理和超分处理，对应得到降噪样本图像和超分样本图像之前，还包括：

16、分别对所述样本集中的多张所述样本图像进行纹理分析，得到多张样本图像的类型。

17、可选地，所述分别对所述样本集中的多张所述样本图像进行纹理分析，得到多张样本图像的类型，包括：

18、计算所述样本集中的多张所述样本图像的信息熵；

19、当信息熵小于预设阈值时，确定所述样本图像的类型为所述平坦样本；

20、当信息熵不小于所述预设阈值时，确定所述样本图像的类型为所述纹理样本。

21、可选地，所述计算所述样本集中的多张所述样本图像的信息熵，包括：

22、按照信息熵计算公式获得样本图像的信息熵；其中，所述信息熵计算公式为：

23、

24、其中，e(i)表示样本图像i的信息熵，p(i)表示第i个像素的出现概率，n表示样本图像i的像素级别。

25、第二方面，本申请还公开了一种样本图像处理装置，包括：

26、获取模块，用于获取样本集，所述样本集包括多张样本图像；

27、处理模块，用于分别对所述样本集中类型为平坦样本和纹理样本的所述样本图像进行降噪处理和超分处理，对应得到降噪样本图像和超分样本图像；

28、构建模块，用于利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集。

29、第三方面，本申请还公开了一种电子设备，包括：

30、存储器，用于存储计算机程序；

31、处理器，用于执行所述计算机程序时实现如上所述的任一种样本图像处理方法的步骤。

32、第四方面，本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质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所述的任一种样本图像处理方法的步骤。

33、本申请提供了一种样本图像处理方法，包括：获取样本集，所述样本集包括多张样本图像；分别对所述样本集中类型为平坦样本和纹理样本的所述样本图像进行降噪处理和超分处理，对应得到降噪样本图像和超分样本图像；利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集。

34、应用本申请所提供的技术方案，对于获取的样本集，可以对其中的每一样本图像进行类型识别，在此基础上，对于类型为平坦样本的样本图像，可以对其进行降噪处理，以有效提升平坦区域的图像质量；对于类型为纹理样本的样本图像，可以对其进行超分处理，以有效提高细节区域的分辨率和细节效果，由此，实现了基于图像粒度区分不同频域数据并进行差异化处理的技术方案，有效地提升了图像质量，有助于为后续图像模型训练提供具有更高品质的图像样本。

35、本申请所提供的样本图像处理装置、电子设备以及计算机可读存储介质，同样具有上述技术效果，本申请在此不再赘述。

技术特征：

1.一种样本图像处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用所述降噪样本图像和所述超分样本图像构建raw域下的图像模型训练数据集，包括：

4.根据权利要求1所述的方法，其特征在于，所述利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集，包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，所述分别对所述样本集中类型为平坦样本和纹理样本的所述样本图像进行降噪处理和超分处理，对应得到降噪样本图像和超分样本图像之前，还包括：

6.根据权利要求5所述的方法，其特征在于，所述分别对所述样本集中的多张所述样本图像进行纹理分析，得到多张样本图像的类型，包括：

7.根据权利要求6所述的方法，其特征在于，所述计算所述样本集中的多张所述样本图像的信息熵，包括：

8.一种样本图像处理装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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权利要求1至7任一项所述的样本图像处理方法的步骤。

技术总结本申请公开了一种样本图像处理方法，包括：获取样本集，所述样本集包括多张样本图像；分别对所述样本集中类型为平坦样本和纹理样本的所述样本图像进行降噪处理和超分处理，对应得到降噪样本图像和超分样本图像；利用所述降噪样本图像和所述超分样本图像构建图像模型训练数据集。应用本申请所提供的技术方案，可以有效提升用于标定噪声模型的样本图像质量，有助于为后续模型训练提供更高品质的图像样本。本申请还公开了一种样本图像处理装置、电子设备及计算机可读存储介质。技术研发人员：吴淇受保护的技术使用者：湖南国科微电子股份有限公司技术研发日：技术公布日：2024/8/20