[发明专利]图像处理的方法、装置、电子设备及存储介质

说明书

本申请提供了一种图像处理的方法、装置、电子设备及存储介质，其中，在图像处理的方法中，首先获取目标灯光位置的邻近灯光位置的位置信息和邻近灯光位置对应的图像。然后调用预先构建的图像处理模型的编码器对图像进行处理，得到图像的图像特征。最后调用图像处理模型的解码器对图像特征和位置信息进行处理，得到目标灯光位置对应的图像。由此可知，利用本申请的方法，通过预先构建的图像处理模型对邻近灯光位置的位置信息和邻近灯光位置对应的图像进行处理，利用神经网络进行图像数据增强，可以在较短的时间内得到目标灯光位置对应的图像，不存在不正确高光与伪影问题。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种图像处理的方法、装置、电子设备及存储介质。

背景技术

穹顶光场(LightFieldStage)通过拍摄单方位灯-一次闪烁图像(OneLightAtaTime)来进行图像的重打光或者计算物体的反射场以用于重建等相关工作。但在利用上述数据进行重打光的过程中，由于灯具位置稀疏，现有技术对于特定灯光位置的图像常常只能使用线性插值的方法进行获得，其会出现由于插值而产生的不正确的高光与鬼影，影响渲染效果。

发明内容

有鉴于此，本申请提供了一种图像处理的方法、装置、电子设备及存储介质，以解决现有技术中对于特定灯光位置的图像常常只能使用线性插值的方法进行获得，其会出现由于插值而产生的不正确的高光与鬼影，影响渲染效果的问题。

为实现上述目的，本申请提供如下技术方案：

本申请第一方面公开了一种图像处理的方法，包括：

获取目标灯光位置的邻近灯光位置的位置信息和所述邻近灯光位置对应的图像，其中，所述邻近灯光位置为与所述目标灯光位置距离在预设范围内的灯光位置；

调用预先构建的图像处理模型的编码器对所述图像进行处理，得到所述图像的图像特征，其中，所述图像处理模型为预先利用样本图像训练得到的神经网络模型；

调用所述图像处理模型的解码器对所述图像特征和所述位置信息进行处理，得到所述目标灯光位置对应的图像。

可选的，上述的方法，所述图像处理模型的训练过程，包括：

获取样本图像以及样本图像的实际输出值；

将所述样本图像输入到初始模型中进行运算，得到当前样本图像的输出值；

判断所述当前样本图像的输出值与所述当前样本图像的实际输出值之间的误差值是否不大于预设的期望值；

若所述当前样本图像的输出值与所述当前样本图像的实际输出值之间的误差值不大于预设的期望值，则完成所述图像处理模型的构建；

若所述当前样本图像的输出值与所述当前样本图像的实际输出值之间的误差值大于预设的期望值，则求出误差函数，并利用所述误差函数调整所述初始模型的参数，直至输出的所述当前样本图像的输出值与所述当前样本图像的实际输出值之间的误差值不大于预设的期望值，则完成所述图像处理模型的构建。

可选的，上述的方法，所述得到所述图像的图像特征之后，还包括：

对所述图像特征进行无偏置池化。

可选的，上述的方法，所述得到所述目标灯光位置对应的图像之后，还包括：

调用所述图像处理模型的鉴别器对所述目标灯光位置对应的图像进行处理，得到所述目标灯光位置对应的图像的置信度。

本申请第二方面公开了一种图像处理的装置，其特征在于，包括：

获取单元，用于获取目标灯光位置的邻近灯光位置的位置信息和所述邻近灯光位置对应的图像，其中，所述邻近灯光位置为与所述目标灯光位置距离在预设范围内的灯光位置；