[发明专利]一种基于神经网络的摩尔纹去除方法及装置

说明书

本发明公开了一种基于神经网络的摩尔纹去除方法。步骤S1：采用一种用于图像分类的第一神经网络判断输入图像是否为拍摄屏幕的图像；如果是，进入步骤S2；如果否，退出整个方法。步骤S2：采用一种用于图像分割的第二神经网络对输入图像切边，切边后的图像仅保留屏幕中间的显示区域，去除屏幕边框以及边框外的内容。步骤S3：采用一种用于图像分割或目标检测的第三神经网络对切边后的图像去除暗角；暗角是指图像的外围部分的亮度或饱和度比中心区域低。步骤S4，采用一种用于图像分割或目标检测的第四神经网络对去除暗角后的图像去除摩尔纹。本发明降低了神经网络的学习难度，缩小了神经网络的模型体积，提高了神经网络的推理速度。

技术领域

本发明涉及一种图像处理方法，特别是涉及一种去除图片中的摩尔纹的方法。

背景技术

在数码摄影领域，摩尔纹(moirépattern，也称莫列波纹、莫尔条纹、屏幕纹等)是指摄影设备的感光组件的像素的空间分布频率与被拍摄场景中条纹的空间分布频率接近时，两者相互干涉从而在拍摄画面中出现的不规则的条纹。例如，用手机的摄像元件拍摄计算机的显示屏时，在拍摄画面中往往会观察到不规则的条纹，这就是摩尔纹。摩尔纹会干扰图像中屏幕区域的原始颜色、字迹形状、清晰度，为用户阅读和观赏图像带来障碍。

发明内容

本发明所要解决的技术问题是提出一种基于神经网络的图像处理方法，可以去除拍摄屏幕的图像中的摩尔纹，在保留图像原始颜色、纹理、字迹细节的同时，得到更高清晰度的图像。

为解决上述技术问题，本发明提出了一种基于神经网络的摩尔纹去除方法，包括如下步骤。步骤S1：采用一种用于图像分类的第一神经网络判断输入图像是否为拍摄屏幕的图像；如果是，进入步骤S2；如果否，退出整个方法。步骤S2：采用一种用于图像分割的第二神经网络对输入图像切边，切边后的图像仅保留屏幕中间的显示区域，去除屏幕边框以及边框外的内容。步骤S3：采用一种用于图像分割或目标检测的第三神经网络对切边后的图像去除暗角；暗角是指图像的外围部分的亮度或饱和度比中心区域低。步骤S4，采用一种用于图像分割或目标检测的第四神经网络对去除暗角后的图像去除摩尔纹。

进一步地，所述第一神经网络是二分类器，用来将输入图像分为两类：是拍摄屏幕的图像、不是拍摄屏幕的图像。

进一步地，所述第一神经网络的训练方法如下：(1)生成训练数据；收集或生成多张图像，其中第一部分图像不是拍摄屏幕的图像，第二部分图像是拍摄屏幕的图像；每幅图像属于哪个类别是已知的；(2)采用所述训练数据对第一神经网络进行训练，使第一神经网络的输出结果与已知的分类结果尽可能趋于一致。

进一步地，如果步骤S1判定输入图像是拍摄屏幕的图像，但是该输入图像未包含屏幕边框的任何部分，则省略步骤S2。

进一步地，所述步骤S2中，先使用训练好的第二神经网络在输入图像中定位屏幕中间的显示区域的四个顶点坐标，然后去除屏幕中间的显示区域以外的内容，并通过透视变换获取屏幕中间的显示区域，得到的切边后的图像为矩形的屏幕中间的显示区域。

进一步地，所述步骤S2中，如果输入图像没有完整地包含屏幕中间的显示区域的四个顶点，但包含了屏幕中间的显示区域的四条边，则根据屏幕中间的显示区域的四条边延长后还原出四边形，得到还原后的四边形的四个顶点的坐标，然后进行切边和透视变换。

进一步地，所述步骤S2中，如果输入图像没有完整地包含屏幕中间的显示区域的四条边，则由输入图像中所包含的屏幕中间的显示区域的边与输入图像的边框构成一个包围显示区域的四边形，对该四边形进行切边和透视变换。