本公開涉及圖像處理，具體而言，涉及一種圖像增強方法、圖像增強裝置、電子設(shè)備及計算機程序產(chǎn)品。

背景技術(shù)：

1、隨著深度學習的普及和大模型的發(fā)展，深度學習模型所需的計算資源成本越來越高，在實際應(yīng)用場景中，如果要實現(xiàn)更好的圖像增強效果，則對模型的復雜度有較高的要求。

2、相比之下，輕量模型能夠帶來更大收益性價比，也受到愈來愈多的關(guān)注。但輕量模型的復雜度受約束，在圖像處理過程中，難以達到平滑和銳度的平衡，無法在提升清晰度的同時，避免畫面銳化過度的問題。

3、需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、本公開的目的在于提供一種圖像增強方法、圖像增強裝置、電子設(shè)備及計算機程序產(chǎn)品，進而至少在一定程度上能夠在提升清晰度的同時，避免畫面銳化過度的問題。

2、根據(jù)本公開的第一個方面，提供一種圖像增強方法，包括：

3、獲取原始圖像對應(yīng)的第一質(zhì)量增強圖像和第二質(zhì)量增強圖像，所述第一質(zhì)量增強圖像的圖像質(zhì)量高于所述第二質(zhì)量增強圖像；

4、根據(jù)所述第一質(zhì)量增強圖像得到所述原始圖像對應(yīng)的主邊緣引導圖；

5、根據(jù)所述主邊緣引導圖對所述第一質(zhì)量增強圖像和所述第二質(zhì)量增強圖像進行融合，得到所述原始圖像的目標增強圖像。

6、在本公開的一種示例性實施例中，所述根據(jù)所述主邊緣引導圖對所述第一質(zhì)量增強圖像和所述第二質(zhì)量增強圖像進行融合，得到所述原始圖像的目標增強圖像，包括：

7、對所述主邊緣引導圖進行取反操作，得到所述主邊緣引導圖對應(yīng)的反向主邊緣引導圖；

8、根據(jù)所述第一質(zhì)量增強圖像和所述反向主邊緣引導圖得到第一像素圖，根據(jù)所述第二質(zhì)量增強圖像和所述主邊緣引導圖得到第二像素圖；

9、將所述第一像素圖和所述第二像素圖進行融合，得到所述原始圖像的目標增強圖像。

10、在本公開的一種示例性實施例中，所述第一質(zhì)量增強圖像的銳化程度高于所述第二質(zhì)量增強圖像。

11、在本公開的一種示例性實施例中，所述獲取原始圖像對應(yīng)的第一質(zhì)量增強圖像和第二質(zhì)量增強圖像，包括：

12、將所述原始圖像輸入第一質(zhì)量增強模型，得到所述原始圖像對應(yīng)的第一質(zhì)量增強圖像；

13、將所述原始圖像輸入第二質(zhì)量增強模型，得到所述原始圖像對應(yīng)的第二質(zhì)量增強圖像。

14、在本公開的一種示例性實施例中，所述第一質(zhì)量增強模型包括通過強退化程度數(shù)據(jù)訓練得到的增強模型，或者通過平均絕對誤差損失訓練得到的增強模型；所述第二質(zhì)量增強模型包括通過弱退化程度數(shù)據(jù)訓練得到的增強模型，或者通過平均平方誤差損失訓練得到的增強模型。

15、在本公開的一種示例性實施例中，所述根據(jù)所述第一質(zhì)量增強圖像得到所述原始圖像對應(yīng)的主邊緣引導圖，包括：

16、對所述第一質(zhì)量增強圖像高斯模糊處理，得到所述第一質(zhì)量增強圖像對應(yīng)的高斯模糊圖像；

17、對所述高斯模糊圖像進行濾波處理，得到所述第一質(zhì)量增強圖像對應(yīng)的濾波圖像；

18、對所述濾波圖像進行歸一化處理，得到所述第一質(zhì)量增強圖像對應(yīng)的歸一化圖像；

19、對所述歸一化圖像中的像素點進行閾值截斷處理，得到所述原始圖像對應(yīng)的主邊緣引導圖。

20、在本公開的一種示例性實施例中，所述對所述高斯模糊圖像進行濾波處理，得到所述第一質(zhì)量增強圖像對應(yīng)的濾波圖像，包括：

21、通過水平方向的邊緣濾波器對所述高斯模糊圖像進行濾波處理，得到水平濾波圖像；

22、通過豎直方向的邊緣濾波器對所述高斯模糊圖像進行濾波處理，得到豎直濾波圖像；

23、對所述水平濾波圖像和所述豎直濾波圖像進行融合，得到所述第一質(zhì)量增強圖像對應(yīng)的濾波圖像。

24、在本公開的一種示例性實施例中，所述對所述歸一化圖像中的像素點進行閾值截斷處理，得到所述原始圖像對應(yīng)的主邊緣引導圖，包括：

25、通過預設(shè)的像素點閾值對所述歸一化圖像中的像素點進行閾值截斷處理，將像素點數(shù)值大于或等于所述像素點閾值的像素點保留，將像素點數(shù)值小于所述像素點閾值的像素點過濾，得到所述原始圖像對應(yīng)的主邊緣引導圖。

26、根據(jù)本公開的第二方面，提供一種圖像增強裝置，包括：

27、圖像獲取模塊，被配置為執(zhí)行獲取原始圖像對應(yīng)的第一質(zhì)量增強圖像和第二質(zhì)量增強圖像，所述第一質(zhì)量增強圖像的圖像質(zhì)量高于所述第二質(zhì)量增強圖像；

28、引導圖生成模塊，被配置為執(zhí)行根據(jù)所述第一質(zhì)量增強圖像得到所述原始圖像對應(yīng)的主邊緣引導圖；

29、圖像融合模塊，被配置為執(zhí)行根據(jù)所述主邊緣引導圖對所述第一質(zhì)量增強圖像和所述第二質(zhì)量增強圖像進行融合，得到所述原始圖像的目標增強圖像。

30、在本公開的一種示例性實施例中，所述圖像融合模塊包括：

31、主邊緣引導圖取反單元，被配置為執(zhí)行對所述主邊緣引導圖進行取反操作，得到所述主邊緣引導圖對應(yīng)的反向主邊緣引導圖；

32、像素圖獲得單元，被配置為執(zhí)行根據(jù)所述第一質(zhì)量增強圖像和所述反向主邊緣引導圖得到第一像素圖，根據(jù)所述第二質(zhì)量增強圖像和所述主邊緣引導圖得到第二像素圖；

33、像素圖融合單元，被配置為執(zhí)行將所述第一像素圖和所述第二像素圖進行融合，得到所述原始圖像的目標增強圖像。

34、在本公開的一種示例性實施例中，所述圖像獲取模塊包括：

35、第一質(zhì)量增強圖像獲取單元，被配置為執(zhí)行將所述原始圖像輸入第一質(zhì)量增強模型，得到所述原始圖像對應(yīng)的第一質(zhì)量增強圖像；

36、第二質(zhì)量增強圖像獲取單元，被配置為執(zhí)行將所述原始圖像輸入第二質(zhì)量增強模型，得到所述原始圖像對應(yīng)的第二質(zhì)量增強圖像。

37、在本公開的一種示例性實施例中，所述引導圖生成模塊包括：

38、高斯模糊圖像獲得單元，被配置為執(zhí)行對所述第一質(zhì)量增強圖像高斯模糊處理，得到所述第一質(zhì)量增強圖像對應(yīng)的高斯模糊圖像；

39、濾波圖像獲得單元，被配置為執(zhí)行對所述高斯模糊圖像進行濾波處理，得到所述第一質(zhì)量增強圖像對應(yīng)的濾波圖像；

40、歸一化圖像獲得單元，被配置為執(zhí)行對所述濾波圖像進行歸一化處理，得到所述第一質(zhì)量增強圖像對應(yīng)的歸一化圖像；

41、主邊緣引導圖獲得單元，被配置為執(zhí)行對所述歸一化圖像中的像素點進行閾值截斷處理，得到所述原始圖像對應(yīng)的主邊緣引導圖。

42、在本公開的一種示例性實施例中，所述濾波圖像獲得單元包括：

43、水平濾波圖像獲得單元，被配置為執(zhí)行通過水平方向的邊緣濾波器對所述高斯模糊圖像進行濾波處理，得到水平濾波圖像；

44、豎直濾波圖像獲得單元，被配置為執(zhí)行通過豎直方向的邊緣濾波器對所述高斯模糊圖像進行濾波處理，得到豎直濾波圖像；

45、濾波圖像融合單元，被配置為執(zhí)行對所述水平濾波圖像和所述豎直濾波圖像進行融合，得到所述第一質(zhì)量增強圖像對應(yīng)的濾波圖像。

46、在本公開的一種示例性實施例中，所述主邊緣引導圖獲得單元包括：

47、閾值截斷處理單元，被配置為執(zhí)行通過預設(shè)的像素點閾值對所述歸一化圖像中的像素點進行閾值截斷處理，將像素點數(shù)值大于或等于所述像素點閾值的像素點保留，將像素點數(shù)值小于所述像素點閾值的像素點過濾，得到所述原始圖像對應(yīng)的主邊緣引導圖。

48、根據(jù)本公開的第三方面，提供一種電子設(shè)備，包括：處理器；用于存儲所述處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為執(zhí)行所述指令，以實現(xiàn)上述任意一項所述的圖像增強方法。

49、根據(jù)本公開的第四方面，提供一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述任意一項所述的圖像增強方法。

50、本公開示例性實施例可以具有以下有益效果：

51、本公開示例實施方式的圖像增強方法中，通過將處理效果過強的第一質(zhì)量增強圖像以及處理效果較弱的第二質(zhì)量增強圖像進行融合，一方面，可以針對任意輕量模型的輸出效果進行過銳矯正，在提升清晰度的同時，避免畫面銳化過度的問題，保持畫面細節(jié)的效果，兼顧整體畫質(zhì)，在輕量模型的背景下，達到主觀優(yōu)異的畫質(zhì)效果；另一方面，無需訓練復雜的深度學習模型，在輕量深度學習模型表達能力有限的情況下，兼顧計算成本和主觀畫質(zhì)，快速優(yōu)化畫面過銳問題。

52、應(yīng)當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本公開。