本發(fā)明涉及圖像處理，尤其是涉及一種圖像處理方法、裝置、芯片、電子設備及存儲介質。

背景技術：

1、半色調技術是圖像處理領域中的一種常見方法，半色調技術是指用少量的色彩將一幅連續(xù)色調圖像量化為一幅二值圖像或是只有少數(shù)幾種色彩的彩色圖像，并且量化后圖像在一定距離的視覺效果和原始圖像相似的技術。

2、現(xiàn)有的半色調圖像處理，大多是通過預先設計的抖動矩陣來實現(xiàn)，然而，傳統(tǒng)的抖動矩陣是人工設計的，無法根據(jù)具體圖像內容進行動態(tài)優(yōu)化，導致半色調效果不夠理想。

技術實現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題之一。為此，本發(fā)明的目的在于提出一種圖像處理方法、裝置、芯片、電子設備及存儲介質。

2、本發(fā)明提出的一種圖像處理方法，所述控制方法包括以下步驟：獲取待處理圖像；將所述待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，以輸出優(yōu)化的目標抖動矩陣；基于所述目標抖動矩陣對所述待處理圖像進行半色調處理，得到目標圖像。

3、根據(jù)本發(fā)明實施例的圖像處理方法，先通過獲取待處理圖像，作為半色調處理的基礎；然后將待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，利用深度神經(jīng)網(wǎng)絡模型根據(jù)具體圖像內容動態(tài)調整抖動矩陣的元素值，輸出優(yōu)化的目標抖動矩陣；最后根據(jù)目標抖動矩陣，對待處理圖像進行半色調處理，得到高質量的半色調圖像；由于抖動矩陣不僅決定了當亮度或灰度值減小時網(wǎng)點變成黑點的順序，還決定了半色調圖像的質量，因此本方法利用深度神經(jīng)網(wǎng)絡模型動態(tài)調整抖動矩陣的元素值，避免了無法根據(jù)具體圖像內容進行動態(tài)優(yōu)化而導致半色調效果不夠理想的問題，從而可以輸出高質量的目標抖動矩陣，進而可以根據(jù)目標抖動矩陣得到高質量的半色調圖像。

4、另外，根據(jù)本發(fā)明實施例的圖像處理方法，還可以具有如下附加的技術特征：

5、進一步地，在將所述待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型之前，還包括：構建初始神經(jīng)網(wǎng)絡模型，其中，所述初始神經(jīng)網(wǎng)絡模型包括卷積層、池化層和全連接層，所述初始神經(jīng)網(wǎng)絡模型可依次通過所述卷積層、所述池化層、所述全連接層對輸入圖像進行處理，并輸出抖動矩陣；對所述初始神經(jīng)網(wǎng)絡模型進行訓練，得到所述深度神經(jīng)網(wǎng)絡模型。

6、進一步地，對所述初始神經(jīng)網(wǎng)絡模型進行訓練，包括：獲取訓練數(shù)據(jù)集；基于所述訓練數(shù)據(jù)集對所述初始神經(jīng)網(wǎng)絡模型進行訓練，直至訓練完成，得到所述深度神經(jīng)網(wǎng)絡模型。

7、進一步地，在基于所述訓練數(shù)據(jù)集對所述初始神經(jīng)網(wǎng)絡模型進行訓練的過程中，當損失函數(shù)滿足預設條件時，確定訓練完成。

8、進一步地，所述損失函數(shù)包括：第一圖像與第二圖像之間的均方誤差，其中，所述第一圖像為基于當前訓練的所述深度神經(jīng)網(wǎng)絡模型輸出的抖動矩陣對任一灰度圖像進行半色調處理后得到的半色調圖像，所述第二圖像為所述任一灰度圖像對應的標準半色調圖像。

9、進一步地，當所述均方誤差小于預設閾值時，確定所述損失函數(shù)滿足預設條件。

10、進一步地，所述獲取訓練數(shù)據(jù)集，包括：收集多張灰度圖像及其對應的標準半色調圖像；根據(jù)多張所述灰度圖像及對應的所述標準半色調圖像形成所述訓練數(shù)據(jù)集。

11、針對上述存在的問題，本發(fā)明還提出一種圖像處理裝置，所述控制裝置包括：獲取模塊，用于獲取待處理圖像；第一處理模塊，用于將所述待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，以輸出優(yōu)化的目標抖動矩陣；第二處理模塊，用于基于所述目標抖動矩陣對所述待處理圖像進行半色調處理，得到目標圖像。

12、根據(jù)本發(fā)明實施例的圖像處理裝置，先通過獲取待處理圖像，作為半色調處理的基礎；然后將待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，利用深度神經(jīng)網(wǎng)絡模型根據(jù)具體圖像內容動態(tài)調整抖動矩陣的元素值，輸出優(yōu)化的目標抖動矩陣；最后根據(jù)目標抖動矩陣，對待處理圖像進行半色調處理，得到高質量的半色調圖像；由于抖動矩陣不僅決定了當亮度或灰度值減小時網(wǎng)點變成黑點的順序，還決定了半色調圖像的質量，因此本圖像處理裝置利用深度神經(jīng)網(wǎng)絡模型動態(tài)調整抖動矩陣的元素值，避免了無法根據(jù)具體圖像內容進行動態(tài)優(yōu)化而導致半色調效果不夠理想的問題，從而可以輸出高質量的目標抖動矩陣，進而可以根據(jù)目標抖動矩陣得到高質量的半色調圖像。

13、針對上述存在的問題，本發(fā)明還提出一種芯片，包括：如本發(fā)明上述第二方面實施例所述的圖像處理裝置，或者，該芯片包括：處理器、存儲器，以及存儲在所述存儲器上并可在所述處理器上運行的圖像處理程序，所述圖像處理程序被所述處理器執(zhí)行時實現(xiàn)如本發(fā)明上述第一方面實施例所述的圖像處理方法。

14、根據(jù)本發(fā)明實施例的芯片，可執(zhí)行本發(fā)明實施例的圖像處理方法，先通過獲取待處理圖像，作為半色調處理的基礎；然后將待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，利用深度神經(jīng)網(wǎng)絡模型根據(jù)具體圖像內容動態(tài)調整抖動矩陣的元素值，輸出優(yōu)化的目標抖動矩陣；最后根據(jù)目標抖動矩陣，對待處理圖像進行半色調處理，得到高質量的半色調圖像；由于抖動矩陣不僅決定了當亮度或灰度值減小時網(wǎng)點變成黑點的順序，還決定了半色調圖像的質量，因此本芯片在執(zhí)行本發(fā)明實施例的圖像處理方法時，利用深度神經(jīng)網(wǎng)絡模型動態(tài)調整抖動矩陣的元素值，避免了無法根據(jù)具體圖像內容進行動態(tài)優(yōu)化而導致半色調效果不夠理想的問題，從而可以輸出高質量的目標抖動矩陣，進而可以根據(jù)目標抖動矩陣得到高質量的半色調圖像。

15、針對上述存在的問題，本發(fā)明還提出一種電子設備，包括：如本發(fā)明上述第三方面實施例所述的芯片。

16、根據(jù)本發(fā)明實施例的電子設備，可執(zhí)行本發(fā)明實施例的圖像處理方法，先通過獲取待處理圖像，作為半色調處理的基礎；然后將待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，利用深度神經(jīng)網(wǎng)絡模型根據(jù)具體圖像內容動態(tài)調整抖動矩陣的元素值，輸出優(yōu)化的目標抖動矩陣；最后根據(jù)目標抖動矩陣，對待處理圖像進行半色調處理，得到高質量的半色調圖像；由于抖動矩陣不僅決定了當亮度或灰度值減小時網(wǎng)點變成黑點的順序，還決定了半色調圖像的質量，因此本電子設備在執(zhí)行本發(fā)明實施例的圖像處理方法時，利用深度神經(jīng)網(wǎng)絡模型動態(tài)調整抖動矩陣的元素值，避免了無法根據(jù)具體圖像內容進行動態(tài)優(yōu)化而導致半色調效果不夠理想的問題，從而可以輸出高質量的目標抖動矩陣，進而可以根據(jù)目標抖動矩陣得到高質量的半色調圖像。

17、針對上述存在的問題，本發(fā)明還提出一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有圖像處理程序，所述圖像處理程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明上述第一方面實施例所述的圖像處理方法。

18、根據(jù)本發(fā)明實施例的計算機可讀存儲介質，其上存儲的圖像處理程序被處理器執(zhí)行時，先通過獲取待處理圖像，作為半色調處理的基礎；然后將待處理圖像輸入至預設的深度神經(jīng)網(wǎng)絡模型，利用深度神經(jīng)網(wǎng)絡模型根據(jù)具體圖像內容動態(tài)調整抖動矩陣的元素值，輸出優(yōu)化的目標抖動矩陣；最后根據(jù)目標抖動矩陣，對待處理圖像進行半色調處理，得到高質量的半色調圖像；由于抖動矩陣不僅決定了當亮度或灰度值減小時網(wǎng)點變成黑點的順序，還決定了半色調圖像的質量，因此本計算機可讀存儲介質，其上存儲的圖像處理程序被處理器執(zhí)行時，利用深度神經(jīng)網(wǎng)絡模型動態(tài)調整抖動矩陣的元素值，避免了無法根據(jù)具體圖像內容進行動態(tài)優(yōu)化而導致半色調效果不夠理想的問題，從而可以輸出高質量的目標抖動矩陣，進而可以根據(jù)目標抖動矩陣得到高質量的半色調圖像。

19、本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。