[发明专利]图像处理方法及装置，模型训练方法、装置及存储介质

说明书

本公开涉及一种图像处理方法及装置，模型训练方法、装置及存储介质。该图像处理方法包括：获取待处理图像；将所述待处理图像输入去色差处理模型，得到所述去色差处理模型输出的目标图像；其中，所述去色差处理模型是通过训练数据集训练得到的，所述训练数据集包括多组样本数据，每组样本数据包括无色差图像和与所述无色差图像对应的有色差图像。采用本公开的这种方法，能够快速去除图像中的色差得到干净无色差的目标图像。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像处理方法及装置，模型训练方法、装置及存储介质。

背景技术

众所周知，摄像机的镜头色差会导致拍摄得到的图像中物体边缘出现不属于物体的颜色，我们将物体边缘出现的该颜色称为色差色边(即一种光学色差现象)。例如，使用数码相机、监控摄像头等数字成像设备在逆光、大光圈条件下拍摄高动态(HDR)场景图像时，得到的图像中高反差区域的边缘容易出现紫边、蓝边、红边、绿边等色差色边。色差色边的形成原因可以认为是相机镜头只能准确地聚焦一种波长的光线，而无法将其它波长的光线准确地聚焦。

相关技术中，可以通过改进光学镜头的材质或者对光学镜头进行覆膜工艺等手段来减弱色差色边现象，但是这会极大地增加摄像机的硬件成本，且对色差色边的抑制效果较差。近些年，通过图像处理算法来去除图像中的色差色边的方式因成本低效果好而受到了越来越多的关注。具体地，使用图像处理算法去除图像中的色差色边的方式可以分为三个步骤：第一步，对图像进行高反差区域边缘检测(物体边缘检测)，由于色差色边通常出现在高反差区域的边缘，因此通过检测高反差区域边缘就可以确定色差色边可能出现的位置。第二步，对物体边缘的像素点进行色差判断，即在找到高反差区域边缘后，需要对边缘的颜色进行色差判断，以排除非色差边缘。第三步，对物体边缘的存在色差的像素点进行色差抑制或色彩还原处理，以恢复边缘原有的颜色。

然而，上述使用图像处理算法去除图像中的色差色边的方式中的每一步骤，都有可能发生误判，从而影响去除色差色边的最终效果。比如，在物体边缘检测错误时，可能导致原本存在色差色边的物体边缘，因未被确定为物体边缘而导致未对该色差色边进行色差抑制和色彩还原处理，从而导致去除色差色边的效果较差。又如，对色差色边进行色差抑制时有可能造成色彩丢失，对色差色边进行色彩还原时有可能引入新的错误色彩形成新的色差色边，这也会导致去除色差色边的效果较差。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像处理方法及装置，模型训练方法、装置及存储介质，以提供一种与相关技术不同的方式来去除图像中的色差色边，并提升去除图像中色差色边的效果。

根据本公开实施例的第一方面，提供一种图像处理方法，所述方法包括：

获取待处理图像；

将所述待处理图像输入去色差处理模型，得到所述去色差处理模型输出的目标图像；

其中，所述去色差处理模型是通过训练数据集训练得到的，所述训练数据集包括多组样本数据，每组样本数据包括无色差图像和与所述无色差图像对应的有色差图像。

可选地，与所述无色差图像对应的有色差图像通过如下方式得到：

将所述无色差图像的亮度信号与色度信号进行分离，得到与所述无色差图像的亮度信号对应的亮度图像，以及得到与所述无色差图像的色度信号对应的色度图像；

根据所述亮度图像确定物体边缘图像，并基于所述物体边缘图像表征的物体边缘位置信息在所述色度图像中的物体边缘添加预设宽度的色差色边，得到新的色度图像；

将所述亮度图像和所述新的色度图像进行合成处理，得到与所述无色差图像对应的所述有色差图像。

可选地，所述去色差处理模型通过以下训练方式得到：

根据所述训练数据集以及预设损失函数，对深度卷积神经网络模型训练，得到所述去色差处理模型，所述预设损失函数为：