本技术属于图像处理,尤其涉及一种图像偏色分级方法、装置、计算机可读存储介质及终端设备。
背景技术:
1、在图像的拍摄过程中,由于光线或者角度的原因,可能容易导致拍摄到的图像存在图像偏色的问题,由此衍生出的如何对图像偏色的严重程度进行准确评估也逐渐演变成图像处理领域的基础问题。
2、然而,现有技术通常都是基于全局图像信息来评估图像偏色的严重程度,导致评估结果准确性较低。
技术实现思路
1、有鉴于此,本技术实施例提供了一种图像偏色分级方法、装置、计算机可读存储介质及终端设备,以解决现有技术中的图像偏色分级方法的准确性较低的问题。
2、本技术实施例的第一方面提供了一种图像偏色分级方法,可以包括:
3、获取待处理的目标图像;
4、提取所述目标图像中的各张局部偏色参考图像;其中,每张局部偏色参考图像为一种指定参照物的图像;
5、提取所述目标图像中的全局偏色参考图像;其中,所述全局偏色参考图像为全局像素块的图像;
6、分别提取各张局部偏色参考图像和所述全局偏色参考图像的偏色特征;
7、根据所述偏色特征确定所述目标图像的偏色等级。
8、在第一方面的一种具体实现方式中,所述提取所述目标图像中的各张局部偏色参考图像,可以包括:
9、利用预设的参照物提取模型对所述目标图像进行参照物提取,得到所述目标图像的各张局部参照物图像;其中,所述参照物提取模型为预先训练好的用于进行参照物提取的人工智能模型,每张局部参照物图像包含一种指定参照物;
10、对各张局部参照物图像进行边缘修正,得到所述目标图像的各张局部偏色参考图像。
11、在第一方面的一种具体实现方式中,所述提取所述目标图像中的全局偏色参考图像,可以包括:
12、利用预设的超像素分块算法对所述目标图像进行超像素分块,得到所述目标图像的各个像素块;
13、根据各个像素块的面积选取所述全局像素块;
14、根据所述全局像素块得到所述目标图像的全局偏色参考图像。
15、在第一方面的一种具体实现方式中,所述分别提取各张局部偏色参考图像和所述全局偏色参考图像的偏色特征,可以包括:
16、利用预设的指定偏色特征提取模型对指定偏色参考图像进行偏色特征提取,得到所述指定偏色参考图像的第一偏色特征;其中,所述指定偏色特征提取模型为与所述指定偏色参考图像对应的偏色特征提取模型,所述指定偏色参考图像为各张局部偏色参考图像和所述全局偏色参考图像中任意一张偏色参考图像;
17、计算所述指定偏色参考图像的第二偏色特征;
18、根据所述指定偏色参考图像的第一偏色特征和第二偏色特征,确定所述指定偏色参考图像的偏色特征。
19、在第一方面的一种具体实现方式中,在所述在利用预设的指定偏色特征提取模型对指定偏色参考图像之前,更新所述偏色特征提取模型;
20、所述偏色特征提取模型的更新过程可以包括:
21、获取预存的候选图像;
22、提取所述候选图像的各张局部偏色参考图像;
23、提取所述候选图像的全局偏色参考图像;
24、利用所述偏色特征提取模型,确定指定偏色参考图像是否为模型更新图像;其中,所述偏色特征提取模型与所述指定偏色参考图像对应,所述指定偏色参考图像为各张局部偏色参考图像和全局偏色参考图像中任意一张偏色参考图像;
25、若所述指定偏色参考图像为模型更新图像,则将所述指定偏色参考图像作为所述偏色特征提取模型的新训练样本;
26、利用所述新训练样本对所述偏色特征提取模型进行更新。
27、在第一方面的一种具体实现方式中,所述候选图像的确定过程可以包括:
28、获取预设数目的历史图像;
29、计算各张历史图像之间的结构相似性,得到各张历史图像的相似程度值;
30、若指定历史图像的相似程度值小于预设的相似程度阈值,则确定所述指定历史图像为候选图像;其中,所述指定历史图像各张历史图像中任意一张历史图像。
31、在第一方面的一种具体实现方式中,所述根据所述偏色特征确定所述目标图像的偏色等级,可以包括:
32、根据所述偏色特征和预设的偏色等级映射关系,确定所述目标图像的偏色等级;其中,所述偏色等级映射关系为偏色特征和偏色等级之间的映射关系。
33、本技术实施例的第二方面提供了一种图像偏色分级装置,可以包括:
34、目标图像获取模块,用于获取待处理的目标图像;
35、局部偏色参考图像提取模块,用于提取所述目标图像中的各张局部偏色参考图像;其中,每张局部偏色参考图像为一种指定参照物的图像;
36、全局偏色参考图像提取模块,用于提取所述目标图像中的全局偏色参考图像;其中,所述全局偏色参考图像为全局像素块的图像;
37、偏色特征提取模块,用于分别提取各张局部偏色参考图像和所述全局偏色参考图像的偏色特征;
38、偏色等级确定模块,用于根据所述偏色特征确定所述目标图像的偏色等级。
39、在第二方面的一种具体实现方式中,所述局部偏色参考图像提取模块可以包括:
40、参照物提取单元,用于利用预设的参照物提取模型对所述目标图像进行参照物提取,得到所述目标图像的各张局部参照物图像;其中,所述参照物提取模型为预先训练好的用于进行参照物提取的人工智能模型,每张局部参照物图像包含一种指定参照物;
41、边缘修正单元,用于对各张局部参照物图像进行边缘修正,得到所述目标图像的各张局部偏色参考图像。
42、在第二方面的一种具体实现方式中,所述全局偏色参考图像提取模块可以包括:
43、超像素分块单元,用于利用预设的超像素分块算法对所述目标图像进行超像素分块,得到所述目标图像的各个像素块;
44、全局像素块选取单元,用于根据各个像素块的面积选取所述全局像素块;
45、全局偏色参考图像确定单元,用于根据所述全局像素块得到所述目标图像的全局偏色参考图像。
46、在第二方面的一种具体实现方式中,所述偏色特征提取模块可以包括:
47、第一偏色特征提取单元,用于利用预设的指定偏色特征提取模型对指定偏色参考图像进行偏色特征提取,得到所述指定偏色参考图像的第一偏色特征;其中,所述指定偏色特征提取模型为与所述指定偏色参考图像对应的偏色特征提取模型,所述指定偏色参考图像为各张局部偏色参考图像和所述全局偏色参考图像中任意一张偏色参考图像;
48、第二偏色特征计算单元,用于计算所述指定偏色参考图像的第二偏色特征;
49、偏色特征确定单元,用于根据所述指定偏色参考图像的第一偏色特征和第二偏色特征,确定所述指定偏色参考图像的偏色特征。
50、在第二方面的一种具体实现方式中,所述图像偏色分级装置还可以包括:
51、候选图像获取模块,用于获取预存的候选图像;
52、第一参考图像提取模块,用于提取所述候选图像的各张局部偏色参考图像;
53、第二参考图像提取模块,用于提取所述候选图像的全局偏色参考图像;
54、模型更新图像确定模块,用于利用所述偏色特征提取模型,确定指定偏色参考图像是否为模型更新图像;其中,所述偏色特征提取模型与所述指定偏色参考图像对应,所述指定偏色参考图像为各张局部偏色参考图像和全局偏色参考图像中任意一张偏色参考图像;
55、训练样本确定模块,用于若所述指定偏色参考图像为模型更新图像,则将所述指定偏色参考图像作为所述偏色特征提取模型的新训练样本;
56、模型更新模块,用于利用所述新训练样本对所述偏色特征提取模型进行更新。
57、在第二方面的一种具体实现方式中,所述候选图像获取模块还可以包括:
58、历史图像获取单元,用于获取预设数目的历史图像;
59、结构相似性计算单元,用于计算各张历史图像之间的结构相似性,得到各张历史图像的相似程度值;
60、候选图像确定单元,用于若指定历史图像的相似程度值小于预设的相似程度阈值,则确定所述指定历史图像为候选图像;其中,所述指定历史图像各张历史图像中任意一张历史图像。
61、在第二方面的一种具体实现方式中,所述偏色等级确定模块可以包括:
62、偏色等级确定单元,用于根据所述偏色特征和预设的偏色等级映射关系,确定所述目标图像的偏色等级;其中,所述偏色等级映射关系为偏色特征和偏色等级之间的映射关系。
63、本技术实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种图像偏色分级方法的步骤。
64、本技术实施例的第四方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种图像偏色分级方法的步骤。
65、本技术实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述任一种图像偏色分级方法的步骤。
66、本技术实施例与现有技术相比存在的有益效果是:本技术实施例可以根据目标图像中包含指定参照物的局部偏色参考图像和全局偏色参考图像的偏色特征,来确定目标图像的偏色评级,从而充分利用了图像的局部偏色信息和全局偏色信息,实现了对图像偏色的严重程度进行更加全面、准确地评估,具有较强的易用性和实用性。