[发明专利]图像处理方法、装置、电子设备及计算机可读介质

说明书

本发明提供了一种图像处理方法、装置、电子设备及计算机可读介质，涉及人工智能技术领域，包括：获取待处理图像；对待处理图像进行检测和识别，得到识别结果，其中，识别结果用于指示待处理图像的噪声强度值、模糊强度值和图像类型；根据识别结果所指示的待处理图像的噪声强度值和模糊强度值确定待处理图像的处理模式，并按照所确定的处理模式和识别结果所指示的图像类型对待处理图像进行处理，得到处理之后的目标图像；处理模式用于指示对待处理图像进行图像处理，图像处理包括：图像去噪处理和细节增强处理，本申请实施例缓解了现有的图像处理技术对图像进行处理时处理效果较差的技术问题。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种图像处理方法、装置、电子设备及计算机可读介质。

背景技术

图像处理技术广泛应用于图像、视频处理中。相关技术中的图像增强方法可以分为传统方法和深度学习方法。其中，传统方法融合图像去噪和图像锐化等多种手段，对人脸进行处理。深度学习方法，通过设计一个深度神经网络模型。随后将低质量人脸图像作为该神经网络的输入，输出增强后的高质量图像。

针对传统方法只是在提取ROI后，对该区域运用了普通的图像增强处理技术。其次，传统方法很难实现细节生成的效果。

针对现有的深度学习方法，往往是采用一种深度神经网络模型，对所有的低质量人脸图像统一处理。然而对于不同来源的图像，人脸图像的质量可能会差异很大，图像的退化方式也不尽相同，有些噪声严重，有些模糊严重，因此用同一个网络处理，很难兼顾不同的情况，修复效果不好。

发明内容

有鉴于此，本发明的目的在于提供一种图像处理方法、装置、电子设备及计算机可读介质，以缓解了现有的图像处理技术对图像进行处理时处理效果较差的技术问题。

第一方面，本发明实施例提供了一种图像处理方法，包括：获取待处理图像；对所述待处理图像进行检测和识别，得到识别结果，其中，所述识别结果用于指示所述待处理图像的噪声强度值、模糊强度值和图像类型；所述噪声强度值越小，所述待处理图像的噪声越大；所述模糊强度值越小，所述待处理图像的模糊越严重；所述图像类型用于确定所述待处理图像是否为包含指定对象的图像；根据所述识别结果所指示的所述待处理图像的噪声强度值和模糊强度值确定所述待处理图像的处理模式，并按照所确定的处理模式和所述识别结果所指示的图像类型对所述待处理图像进行处理，得到处理之后的目标图像；所述处理模式用于指示对所述待处理图像进行图像处理，所述图像处理包括：图像去噪处理和细节增强处理。

进一步地，根据所述识别结果所指示的所述待处理图像的噪声强度值和模糊强度值确定所述待处理图像的处理模式包括：若所述待处理图像的噪声强度值小于第一预设噪声强度值，且所述待处理图像的模糊强度值小于第一预设模糊强度值，则确定所述待处理图像的处理模式为第一处理模式，其中，所述第一处理模式表示通过所述图像去噪处理和所述细节增强处理对所述待处理图像进行并行处理。

进一步地，在所述处理模式为第一处理模式的情况下，按照所确定的处理模式和所述识别结果所指示的图像类型对所述待处理图像进行处理包括：根据所述识别结果所指示的图像类型，确定第一目标处理模型和第二目标处理模型，其中，所述第一目标处理模型用于对所述识别结果所指示的图像类型的图像进行去噪处理，所述第二目标处理模型用于对所述识别结果所指示的图像类型的图像进行细节增强处理；通过所述第一目标处理模型对所述待处理图像进行图像去噪处理，得到第一目标图像；通过所述第二目标处理模型对所述待处理图像进行细节增强处理，得到第二目标图像；将所述第一目标图像和所述第二目标图像进行融合处理，得到所述处理之后的目标图像。

进一步地，将所述第一目标图像和所述第二目标图像进行融合处理，得到所述处理之后的目标图像包括：计算所述第一目标图像和所述第二目标图像中相对应像素的均值，得到所述处理之后的目标图像。