[发明专利]图像处理方法、装置、设备及存储介质

说明书

本发明实施例提供了一种图像处理方法、装置、设备及存储介质，该方法包括：获取多个样本图像，每个样本图像中均包括目标运动对象，目标运动对象在每个样本图像中的位置不同；确定对多个样本图像进行图像融合的权重信息，其中，权重信息用于指示每个样本图像在图像融合时所占的权重，权重与图像融合所需模拟的运动状态相关联；根据权重信息对多个样本图像进行图像融合，得到目标图像。如此，能够提高去运动模糊得到图像的图像质量。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、设备及存储介质。

背景技术

由于拍摄设备和被拍摄目标并不总是处于相对静止状态，运动模糊常见于图像和视频中。由于拍摄时拍摄设备和被拍摄目标之间有相对运动而造成的图像模糊称之为运动模糊，当拍摄时存在运动模糊而得到的图像称之为运动模糊图像。

对运动模糊图像进行去运动模糊处理，以得到该运动模糊图像对应的清晰图像，该清晰图像可以理解为图像质量、图像清晰度高于该运动模糊图像的图像，一般采用基于深度学习的去运动模糊方式，具体地可以是构建初始卷积神经网络，然后通过大量清晰图像和运动模糊图像对该初始卷积神经网络进行训练，使该初始卷积神经网络学习运动模糊图像与清晰图像之间的映射关系，得到训练好的卷积神经网络。待对运动模糊图像进行去模糊时，将该运动模糊图像输入该训练好的卷积神经网络，该训练好的卷积神经网络输出该运动模糊图像对应的清晰图像，以消除运动模糊。

训练卷积神经网络是基于深度学习的去运动模糊方式的重要过程，而得到训练卷积神经网络所使用的清晰图像和运动模糊图像，也可以理解为去运动模糊的预处理过程是训练卷积神经网络的重要方面，也是影响训练得到的卷积神经网络性能的重要因素。

发明内容

本发明实施例的目的在于提供一种图像处理方法、装置、设备及存储介质，以提高去运动模糊得到图像的图像质量。具体技术方案如下：

第一方面，本发明实施例提供了一种图像处理方法，包括：

获取多个样本图像，每个所述样本图像中均包括目标运动对象，所述目标运动对象在每个所述样本图像中的位置不同；

确定对多个所述样本图像进行图像融合的权重信息，其中，所述权重信息用于指示每个所述样本图像在图像融合时所占的权重，所述权重与图像融合所需模拟的运动状态相关联；

根据所述权重信息对多个所述样本图像进行图像融合，得到目标图像，其中，所述目标图像中的所述目标运动对象处于运动模糊状态。

可选的，所述根据所述权重信息对多个所述样本图像进行图像融合，得到目标图像，包括：

根据所述权重信息，针对多个所述样本图像的各个像素点，计算多个所述样本图像中所述像素点的像素值的加权平均值，并将所述加权平均值作为所述目标图像对应像素点的像素值。

可选的，所述获取多个样本图像，包括：

获取多个连续帧图像，所述连续帧图像包括处于相同运动序列下连续的图像；

针对各个所述连续帧图像，将所述连续帧图像作为所述样本图像。

可选的，所述获取多个样本图像，包括：

获取多个间隔帧图像，所述间隔帧图像包括处于相同运动序列下，存在间隔的图像；

针对各个所述间隔帧图像，将所述间隔帧图像作为多个所述样本图像。

可选的，所述获取多个间隔帧图像，包括：

根据预设采集帧率，获取多个采集图像，其中，所述目标运动对象在相邻两个所述采集图像中的位置之间的差别小于预设值；

从多个所述采集图像中选取存在间隔的多个间隔采集图像；