图像处理模型训练、图像去模糊方法、装置和计算机设备与流程

本技术涉及图像处理，特别是涉及一种图像处理模型训练方法、装置、计算机设备、存储介质和计算机程序产品，以及一种图像去模糊方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、对于市面上的各手机厂商和相机厂商来说，一般需要在图像处理(isp)流程中对图像进行锐化增强，从而达到去模糊、提升观感清晰度的目的。通常在图像处理流程中的“色彩空间转换”(rgb转换为yuv)之后，对y通道(即亮度通道)进行锐化增强。

2、传统方法的锐化在性能上符合要求，去模糊效果却不尽人意，难以控制去模糊效果，常导致去模糊的效果不佳。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够通过控制图像去模糊程度，提高图像清晰度的图像处理模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，以及，一种提高图像清晰度的图像去模糊方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种图像处理模型训练方法。所述方法包括：

3、获取用于训练的高清图像和模糊图像；

4、基于所述高清图像和所述模糊图像之间的清晰度差距确定单通道特征；

5、将所述单通道特征与所述模糊图像的像素特征进行融合，得到融合图像特征；

6、将所述融合图像特征输入至图像处理模型进行训练，得到用于图像去模糊的目标图像处理模型。

7、在其中一个实施例中，所述获取用于训练的高清图像和模糊图像，包括：

8、获取用于训练的高清图像；

9、对所述高清图像进行仿真拍摄环境下的降噪处理，得到降噪后的图像；

10、将所述降噪后的图像作为用于训练的模糊图像。

11、在其中一个实施例中，所述基于所述高清图像和所述模糊图像之间的清晰度差距确定单通道特征，包括：

12、在所述高清图像和所述模糊图像中，分别查找与邻域像素的亮度差异超过亮度差距阈值的边缘点，得到高清图边缘点与模糊图边缘点；

13、根据所述高清图边缘点与所述模糊图边缘点各自的亮度梯度，确定所述高清图像的高清图边缘特征与所述模糊图像的模糊图边缘特征；

14、基于所述高清图边缘特征与所述模糊图边缘特征之间的图像差异特征，确定单通道特征。

15、在其中一个实施例中，所述根据所述高清图边缘点与所述模糊图边缘点各自的亮度梯度，确定所述高清图像的高清图边缘特征与所述模糊图像的模糊图边缘特征，包括：

16、根据所述高清图边缘点的亮度梯度确定高清图边缘强度，并根据所述模糊图边缘点的亮度梯度确定所述模糊图边缘强度；

17、对所述高清图边缘强度进行均值化处理，得到高清图边缘强度平均值；

18、对所述模糊图边缘强度进行均值化处理，得到模糊图边缘强度平均值；

19、所述基于所述高清图边缘特征与所述模糊图边缘特征之间的图像差异特征，确定单通道特征，包括：

20、计算所述高清图边缘强度平均值与所述模糊图边缘强度平均值之间的边缘强度比值。

21、在其中一个实施例中，所述基于所述高清图像和所述模糊图像之间的清晰度差距确定单通道特征，包括：

22、根据所述清晰度差距确定所述高清图像和所述模糊图像之间的清晰度分数；

23、所述将所述单通道特征与所述模糊图像的像素特征进行融合，得到融合图像特征，包括：

24、将所述单通道特征与所述模糊图像的图像通道特征作为不同维度的通道特征，得到融合图像特征。

25、在其中一个实施例中，所述融合图像特征包括所述单通道特征与所述模糊图像的图像通道特征；所述将所述融合图像特征输入至图像处理模型进行训练，得到用于图像去模糊的目标图像处理模型，包括：

26、将所述图像通道特征输入至图像处理模型，得到去模糊图像；

27、将所述去模糊图像与所述模糊图像之间的清晰度差距，确定为模型参数清晰度差距；

28、若所述模型参数清晰度差距不符合所述单通道特征，对所述图像处理模型进行参数优化；

29、若所述模型参数清晰度差距符合所述单通道特征，则停止训练，得到用于图像去模糊的目标图像处理模型。

30、在其中一个实施例中，所述基于所述高清图像和所述模糊图像之间的清晰度差距确定单通道特征，包括：

31、从所述模糊图像提取不同分辨率的模糊图像特征，并从所述高清图像提取不同分辨率的高清图像特征；

32、按照所述模糊图像中的特征分布依次融合相邻分辨率的模糊图像特征，得到所述模糊图像的像素特征；

33、按照所述高清图像中的特征分布依次融合相邻分辨率的高清图像特征，得到所述高清图像的像素特征；

34、基于所述模糊图像的像素特征与所述高清图像的像素特征之间的清晰度差距确定单通道特征。

35、本技术还提供一种图像去模糊方法，所述方法包括：

36、获取目标图像；

37、若所述目标图像不符合目标图像处理模型的单通道特征，则将所述目标图像的像素特征按照所述目标图像处理模型进行去模糊处理，直至所述目标图像具有所述目标图像处理模型的单通道特征；所述单通道特征表示所述目标图像处理模型对应的预设清晰度；

38、将符合所述单通道特征的目标图像，确定为去模糊后的目标图像。

39、第二方面，本技术还提供了一种图像处理模型训练装置。所述装置包括：

40、样本获取模块，用于获取用于训练的高清图像和模糊图像；

41、清晰度确定模块，用于基于所述高清图像和所述模糊图像之间的清晰度差距确定单通道特征；

42、特征融合模块，用于将所述单通道特征与所述模糊图像的像素特征进行融合，得到融合图像特征；

43、模型训练模块，用于将所述融合图像特征输入至图像处理模型进行训练，得到用于图像去模糊的目标图像处理模型。

44、本技术还提供一种图像去模糊装置，所述装置包括：

45、图像获取模块，用于获取目标图像；

46、去模糊处理模块，用于若所述目标图像不符合目标图像处理模型的单通道特征，则将所述目标图像的像素特征按照所述目标图像处理模型进行去模糊处理，直至所述目标图像具有所述目标图像处理模型的单通道特征；所述单通道特征表示所述目标图像处理模型对应的预设清晰度；

47、所述去模糊处理模块，用于将符合所述单通道特征的目标图像，确定为去模糊后的目标图像。

48、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意实施例中图像处理模型训练或图像去模糊的步骤。

49、第四方面，本技术还提供了一种计算机可读存储介质。所述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上述任意实施例中图像处理模型训练或图像去模糊的步骤。

50、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任意实施例中图像处理模型训练或图像去模糊的步骤。

51、上述图像处理模型训练方法、装置、计算机设备、存储介质和计算机程序产品，获取用于训练的高清图像和模糊图像；基于所述高清图像和所述模糊图像之间的清晰度差距确定单通道特征，定义了图像处理模型的训练强度；将所述单通道特征与所述模糊图像的像素特征进行融合，得到融合图像特征，改变了传统色彩模型的通道，进而将所述融合图像特征输入至图像处理模型进行训练，得到用于图像去模糊的目标图像处理模型。该目标图像处理模型在去模糊强度方面的可控性强，可在面对需要不同去模糊强度的场景时，针对性地设定去模糊强度，达到比传统方法效果更优的图像去模糊效果。