图像色差修正方法、装置、电子设备和存储介质与流程

本申请涉及图像处理，尤其涉及一种图像色差修正方法、装置、电子设备和存储介质。

背景技术：

1、随着人工智能技术的发展，图像质量在监控设备、机器识别、自动驾驶等领域中的重要性不言而喻，尤其色彩的还原与显示是否符合人眼主观感受显得特别重要。在已有的色彩空间表征下，都会有一定的色彩差异不符合人眼感官。在基于黎曼几何的色彩空间表征下，三维黎曼空间上的颜色差异要大于人眼对颜色的差异感知，所以对色彩空间进行优化来符合人眼主观感受是一个重要的需求。

2、人类的眼睛有三种视锥细胞可以感知可见光的色彩，它们对不同波长的光有不同的响应，正是如此才导致了人类产生各种颜色的感觉。这种响应可以通过建立模型来与颜色建立联系，但往往会有颜色的误差。

技术实现思路

1、本申请提供一种图像色差修正方法、装置、电子设备和存储介质，用以解决目前图像色差修正不符合人眼感官的问题。

2、第一方面，本申请提供了一种图像色差修正方法，包括：

3、获取一个输入图像中各像素点分别对应的第一色差灰度值和第二色差灰度值；每个所述第一色差灰度值为对应像素点的第一原色灰度值和第二原色灰度值之差，每个所述第二色差灰度值为对应像素点的所述第二原色灰度值和第三原色灰度值之差；

4、获取对应于所述第一色差灰度值的所述各像素点的第一色差指标值，和对应于所述第二色差灰度值的所述各像素点的第二色差指标值；

5、针对所述输入图像中任一像素点，基于所述像素点的第一色差指标值、以及第一色差指标值与第一色差修正权重值之间的第一映射关系，得到所述像素点的第一色差修正权重值；基于所述像素点的第二色差指标值、以及第二色差指标值与第二色差修正权重值之间的第二映射关系，得到所述像素点的第二色差修正权重值；

6、基于所述输入图像中各像素点的第一色差修正权重值和第二色差修正权重值，对所述输入图像进行色差修正并产生修正后的输出图像；

7、其中，所述第一映射关系和所述第二映射关系，是基于多样本图像和人眼对所述多样本图像的色差感知结果数据集对神经网络模型进行训练后得到的。

8、在一些实施例中，基于多样本图像和人眼对所述多样本图像的色差感知结果数据集对神经网络模型进行训练后得到所述第一映射关系和所述第二映射关系，包括：

9、基于所述多样本图像和人眼对所述多样本图像的色差感知结果数据集对所述神经网络模型进行训练，得到第一色差灰度值的第一有效权重分布和第二色差灰度值的第二有效权重分布；

10、建立多个第一色差指标值阈值区间与所述第一有效权重分布的所述第一映射关系，以及多个第二色差指标值阈值区间与所述第二有效权重分布的所述第二映射关系。

11、在一些实施例中：

12、

13、

14、所述第一原色是红色，所述第二原色是绿色，所述第三原色是蓝色，所述输出图像是yuv图像。

15、在一些实施例中：

16、所述多个第一色差指标值阈值区间包括一个第一色差指标值小于第一色差阈值的第一色差阈值区间和多个第一色差指标值大于或等于第一色差阈值的第一色差阈值区间，所述第一色差指标值小于第一色差阈值的第一色差阈值区间对应的第一有效权重为1，所述多个第一色差指标值大于或等于第一色差阈值的第一色差阈值区间中，每个第一色差阈值区间对应一个所述神经网络模型进行训练得到的第一有效权重；

17、所述多个第二色差指标值阈值区间包括一个第二色差指标值小于第二色差阈值的第二色差阈值区间和多个第二色差指标值大于或等于第二色差阈值的第二色差阈值区间，所述第二色差指标值小于第二色差阈值的第二色差阈值区间对应的第二有效权重为1，所述多个第二色差指标值大于或等于第二色差阈值的第二色差阈值区间中，每个第二色差阈值区间对应一个所述神经网络模型进行训练得到的第二有效权重。

18、在一些实施例中，所述神经网络模型为一个u-net卷积神经网络模型。

19、在一些实施例中，所述基于所述多样本图像和人眼对所述多样本图像的色差感知结果数据集对所述神经网络模型进行训练，得到第一色差灰度值的第一有效权重分布和第二色差灰度值的第二有效权重分布，包括：

20、基于人眼三种视锥细胞对不同波长的光的相对响应值，根据所述多样本图像进行建模，得到所述多样本图像的色差感知结果数据集；

21、用均方根测试误差作为所述u-net卷积神经网络模型的损失函数，由所述u-net卷积神经网络模型基于所述多样本图像的色差感知结果数据集，得到所述第一有效权重分布和所述第二有效权重分布。

22、第二方面，本申请提供了一种图像色差修正装置，包括：

23、第一获取模块，用于获取一个输入图像中各像素点分别对应的第一色差灰度值和第二色差灰度值；每个所述第一色差灰度值为对应像素点的第一原色灰度值和第二原色灰度值之差，每个所述第二色差灰度值为对应像素点的所述第二原色灰度值和第三原色灰度值之差；

24、第二获取模块，用于获取对应于所述第一色差灰度值的所述各像素点的第一色差指标值，和对应于所述第二色差灰度值的所述各像素点的第二色差指标值；

25、确定模块，针对所述输入图像中任一像素点，基于所述像素点的第一色差指标值、以及第一色差指标值与第一色差修正权重值之间的第一映射关系，得到所述像素点的第一色差修正权重值；基于所述像素点的第二色差指标值、以及第二色差指标值与第二色差修正权重值之间的第二映射关系，得到所述像素点的第二色差修正权重值；

26、修正模块，基于所述输入图像中各像素点的第一色差修正权重值和第二色差修正权重值，对所述输入图像进行色差修正并产生修正后的输出图像；

27、其中，所述第一映射关系和所述第二映射关系，是基于多样本图像和人眼对所述多样本图像的色差感知结果数据集对神经网络模型进行训练后得到的。

28、第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的方法。

29、第四方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的方法。

30、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的方法。

31、本申请提供的图像色差修正方法、装置、电子设备和存储介质，通过基于多样本图像和人眼对多样本图像的色差感知结果数据集对神经网络模型进行训练后得到第一映射关系和第二映射关系；根据输入图像各像素点在第一映射关系和第二映射关系中对应的色差修正权重值对各像素点对应的第一色差灰度值和第二色差灰度值进行修正，实现图像的色差修正，提高了不同色域下图像色差修正的处理精度，使图像色差更符合人眼感官。

技术特征：

1.一种图像色差修正方法，其特征在于，包括：

2.根据权利要求1所述的图像色差修正方法，其特征在于，基于多样本图像和人眼对所述多样本图像的色差感知结果数据集对神经网络模型进行训练后得到所述第一映射关系和所述第二映射关系，包括：

3.根据权利要求2所述的图像色差修正方法，其特征在于：

4.根据权利要求2所述的图像色差修正方法，其特征在于：

5.根据权利要求1至4任一项所述的图像色差修正方法，其特征在于，所述神经网络模型为一个u-net卷积神经网络模型。

6.根据权利要求5所述的图像色差修正方法，其特征在于，所述基于所述多样本图像和人眼对所述多样本图像的色差感知结果数据集对所述神经网络模型进行训练，得到第一色差灰度值的第一有效权重分布和第二色差灰度值的第二有效权重分布，包括：

7.一种图像色差修正装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的图像色差修正方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像色差修正方法。

10.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的图像色差修正方法。

技术总结
本申请公开了一种图像色差修正方法、装置、电子设备和存储介质，本申请实施例的图像色差修正方法包括：获取一个输入图像中各像素点分别对应的第一色差灰度值和第二色差灰度值、各像素点的第一色差指标值和第二色差指标值；针对输入图像中任一像素点，基于像素点的第一色差指标值和第二色差指标值、以及第一映射关系和第二映射关系，得到像素点的第一色差修正权重值和第二色差修正权重值；基于色差修正权重值，对输入图像进行色差修正并产生修正后的输出图像；其中，第一映射关系和第二映射关系，是基于多样本图像和人眼对多样本图像的色差感知结果数据集对神经网络模型进行训练后得到的。

技术研发人员：顾忠政
受保护的技术使用者：湖北星纪时代科技有限公司
技术研发日：
技术公布日：2024/1/13