CN114913270A - 图像着色方法、电子设备、存储介质及计算机程序产品 - Google Patents

Abstract

本公开是关于一种图像着色方法、电子设备、存储介质及计算机程序产品。图像着色方法包括：获取第一待着色图像，所述第一待着色图像为单通道的灰度图像；对RGB颜色通道中各颜色通道分别获取各自对应的LUT，并通过每个LUT分别对所述第一待着色图像进行着色处理，得到三个着色图像；将所述三个着色图像进行通道拼接，得到所述第一待着色图像的第一彩色图像。通过本公开可以实现对灰度图像的着色，并在着色后得到色彩鲜艳度较优的彩色图像。

Description

图像着色方法、电子设备、存储介质及计算机程序产品

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像着色方法、电子设备、存储介质及计算机程序产品。

背景技术

图像着色是图像处理的手段之一，旨在将单通道的灰度图转换为三通道的彩色图像，同时期望所获得的彩色图像能尽可能的符合物理世界的真实场景。

相关技术中，对灰度图像进行转换得到的彩色图像，通常存在色彩鲜艳度较差的问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像着色方法、电子设备、存储介质及计算机程序产品。

根据本公开实施例的第一方面，提供一种图像着色方法，所述图像着色方法包括：

获取第一待着色图像，所述第一待着色图像为单通道的灰度图像；分别获取R、G、B三个颜色通道各自对应的显示查找表LUT，并通过所述LUT分别对输入至所述R、G、B三个颜色通道的所述第一待着色图像进行着色处理，得到所述R、G、B三个颜色通道的第一着色图像；将所述R、G、B三个颜色通道的第一着色图像进行通道拼接，得到所述第一待着色图像着色后的第一彩色图像。

一种实施方式中，所述R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的多个第一LUT；采用如下方式通过所述LUT对输入至指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像，所述指定颜色通道包括R颜色通道、G颜色通道或B颜色通道：基于所述指定颜色通道所对应的多个第一LUT，分别对输入至所述指定颜色通道的所述第一待着色图像进行着色处理；按照所述指定颜色通道所对应的目标权重，对着色处理后得到的多个图像进行加权，得到所述指定颜色通道的第一着色图像。

一种实施方式中，所述R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的第二LUT；其中，指定颜色通道所对应的第二LUT，是按照所述指定颜色通道所对应的目标权重，对所述指定颜色通道所对应的多个第一LUT进行加权得到的，所述指定颜色通道包括R颜色通道、G颜色通道或B颜色通道；采用如下方式通过所述LUT对输入至指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像：基于所述指定颜色通道所对应的第二LUT，对输入至所述指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像。

一种实施方式中，采用如下方式得到所述R、G、B三个颜色通道分别对应的目标权重：将第二彩色图像转换为第二待着色图像，所述第二彩色图像与所述第一彩色图像不同，所述第二待着色图像为单通道的灰度图像；获取为所述R、G、B三个颜色通道分别配置的多个不同第一LUT，以及获取为所述R、G、B三个颜色通道分别配置的初始权重；基于所述多个不同第一LUT，分别对所述第二待着色图像进行着色处理，并按照为所述R、G、B三个颜色通道分别配置的初始权重，对着色处理后得到的多个图像进行加权，得到所述R、G、B三个颜色通道的第二着色图像；将所述R、G、B三个颜色通道的第二着色图像进行通道拼接，并根据通道拼接后的图像与所述第二彩色图像之间的差异度，对所述R、G、B三个颜色通道分别对应的初始权重进行调节，得到所述R、G、B三个颜色通道分别对应的目标权重。

一种实施方式中，所述R、G、B三个颜色通道分别对应的初始权重，是通过将所述第二待着色图像输入指定神经网络模型，并通过所述指定神经网络模型的输出得到的；所述根据通道拼接后的图像与所述第二彩色图像之间的差异度，对所述R、G、B三个颜色通道分别对应的初始权重进行调节，得到所述R、G、B三个颜色通道分别对应的目标权重，包括：基于通道拼接后的图像与所述第二彩色图像之间的差异度，确定目标损失，并以所述目标损失训练所述指定神经网络模型，直至所述指定神经网络模型收敛；将所述第二待着色图像输入收敛后的指定神经网络模型，并通过所述收敛后的指定神经网络模型的输出结果，得到所述R、G、B三个颜色通道分别对应的目标权重。

一种实施方式中，所述指定颜色通道所对应的多个第一LUT包括冷色LUT、暖色LUT以及中色LUT。

一种实施方式中，所述指定颜色通道所对应的多个第一LUT，包括：分别对应多个不同颜色深浅度的多个不同第一LUT，所述多个不同颜色深浅度与所述多个不同第一LUT之间一一对应。

根据本公开实施例的第二方面，提供一种图像着色装置，所述装置包括：

获取单元，用于获取第一待着色图像，所述第一待着色图像为单通道的灰度图像；以及用于分别获取R、G、B三个颜色通道各自对应的显示查找表LUT；处理单元，用于通过所述LUT分别对输入至所述R、G、B三个颜色通道的所述第一待着色图像进行着色处理，得到所述R、G、B三个颜色通道的第一着色图像；以及用于将所述R、G、B三个颜色通道的第一着色图像进行通道拼接，得到所述第一待着色图像着色后的第一彩色图像。

一种实施方式中，所述R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的多个第一LUT；所述处理单元采用如下方式通过所述LUT对输入至指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像，所述指定颜色通道包括R颜色通道、G颜色通道或B颜色通道：基于所述指定颜色通道所对应的多个第一LUT，分别对输入至所述指定颜色通道的所述第一待着色图像进行着色处理；按照所述指定颜色通道所对应的目标权重，对着色处理后得到的多个图像进行加权，得到所述指定颜色通道的第一着色图像。

一种实施方式中，所述R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的第二LUT；其中，指定颜色通道所对应的第二LUT，是按照所述指定颜色通道所对应的目标权重，对所述指定颜色通道所对应的多个第一LUT进行加权得到的，所述指定颜色通道包括R颜色通道、G颜色通道或B颜色通道；所述处理单元采用如下方式采用如下方式通过所述LUT对输入至指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像：基于所述指定颜色通道所对应的第二LUT，对输入至所述指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像。

一种实施方式中，所述处理单元采用如下方式采用如下方式得到所述R、G、B三个颜色通道分别对应的目标权重：将第二彩色图像转换为第二待着色图像，所述第二彩色图像与所述第一彩色图像不同，所述第二待着色图像为单通道的灰度图像；获取为所述R、G、B三个颜色通道分别配置的多个不同第一LUT，以及获取为所述R、G、B三个颜色通道分别配置的初始权重；基于所述多个不同第一LUT，分别对所述第二待着色图像进行着色处理，并按照为所述R、G、B三个颜色通道分别配置的初始权重，对着色处理后得到的多个图像进行加权，得到所述R、G、B三个颜色通道的第二着色图像；将所述R、G、B三个颜色通道的第二着色图像进行通道拼接，并根据通道拼接后的图像与所述第二彩色图像之间的差异度，对所述R、G、B三个颜色通道分别对应的初始权重进行调节，得到所述R、G、B三个颜色通道分别对应的目标权重。

一种实施方式中，所述R、G、B三个颜色通道分别对应的初始权重，是通过将所述第二待着色图像输入指定神经网络模型，并通过所述指定神经网络模型的输出得到的；所述处理单元采用如下方式根据通道拼接后的图像与所述第二彩色图像之间的差异度，对所述R、G、B三个颜色通道分别对应的初始权重进行调节，得到所述R、G、B三个颜色通道分别对应的目标权重：基于通道拼接后的图像与所述第二彩色图像之间的差异度，确定目标损失，并以所述目标损失训练所述指定神经网络模型，直至所述指定神经网络模型收敛；将所述第二待着色图像输入收敛后的指定神经网络模型，并通过所述收敛后的指定神经网络模型的输出结果，得到所述R、G、B三个颜色通道分别对应的目标权重。

一种实施方式中，所述指定颜色通道所对应的多个第一LUT包括冷色LUT、暖色LUT以及中色LUT。

一种实施方式中，所述指定颜色通道所对应的多个第一LUT，包括：分别对应多个不同颜色深浅度的多个不同第一LUT，所述多个不同颜色深浅度与所述多个不同第一LUT之间一一对应。

根据本公开实施例第三方面，提供一种电子设备，包括：

处理器；用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行第一方面或者第一方面任意一种实施方式中所述的图像着色方法。

根据本公开实施例第四方面，提供一种存储介质，所述存储介质中存储有指令，当所述存储介质中的指令由处理器执行时，使得处理器能够执行第一方面或者第一方面任意一种实施方式中所述的图像着色方法。

根据本公开实施例第五方面，提供一种计算机程序产品，所述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第一方面或者第一方面任意一种实施方式中所述的图像着色方法。

本公开的实施例提供的技术方案可以包括以下有益效果：可以为R、G、B颜色通道分别预制对应的LUT，并通过R、G、B颜色通道分别对应的LUT，对第一待着色图像进行着色处理，得到三个颜色通道的第一着色图像。进一步的，可以通过对第一着色图像进行通道拼接的方式，得到第一待着色图像着色后的第一彩色图像。由于上述过程中，所使用的LUT的具有较优的色彩表现力，因此，通过LUT着色并叠加得到的色彩图像，具有较优的视觉效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种图像着色方法的流程图。

图2是根据一示例性实施例示出的一种通过LUT对输入至指定颜色通道的第一待着色图像进行着色处理，得到指定颜色通道的第一着色图像的方法流程图。

图3是根据一示例性实施例示出的一种通过第一LUT进行图像着色的流程示意图。

图4是根据一示例性实施例示出的一种通过第二LUT进行图像着色的流程示意图。图5是根据一示例性实施例示出的一种为多个不同初始LUT配置的目标权重的方法流程图。

图6是根据一示例性实施例示出的一种为多个不同初始LUT配置的目标权重的方法流程图。

图7是根据一示例性实施例示出的一种确定R、G、B三个颜色通道各自对应的目标权重的示意图。

图8是根据一示例性实施例示出的一种图像着色装置框图。

图9是根据一示例性实施例示出的一种用于图像着色的电子设备框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。

在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本公开一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。下面结合附图对本公开的实施例进行详细说明。

近年来，基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能学科是一门综合性学科，涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支，具体是让机器识别世界，计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(SLAM)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步，该项技术在众多领域展开了应用，例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。

本公开实施例提供的图像着色方法可以应用于对灰度图像进行着色处理的场景中。

图像着色是图像处理的手段之一，旨在将单通道的灰度图转换为三通道的彩色图像，同时期望所获得的彩色图像能尽可能的符合物理世界的真实场景。相关技术中，对灰度图像进行转换得到的彩色图像，通常存在色彩鲜艳度较差的问题。

有鉴于此，本公开提供了一种图像着色方法，可以为R、G、B颜色通道分别预制对应的显示查找表(Look up Table，LUT)，并通过R、G、B颜色通道分别对应的LUT，对第一待着色图像进行着色处理，得到三个颜色通道的第一着色图像。进一步的，可以通过对第一着色图像进行通道拼接的方式，得到第一待着色图像着色后的第一彩色图像。由于上述过程中，所使用的LUT的具有较优的色彩表现力，因此，通过LUT着色并叠加得到的色彩图像，具有较优的视觉效果。本公开以下为便于描述，将待着色的灰度图像称为第一待着色图像，将对第一待着色图像进行着色后得到的彩色图像称为第一彩色图像。

图1是根据一示例性实施例示出的一种图像着色方法的流程图，如图1所示，包括以下步骤。

在步骤S11中，获取第一待着色图像。

其中，所获取的第一待着色图像为单通道的灰度图像。

在步骤S12中，分别获取R、G、B三个颜色通道各自对应的LUT，并通过LUT分别对输入至R、G、B三个颜色通道的第一待着色图像进行着色处理，得到R、G、B三个颜色通道的第一着色图像。

本公开实施例中，R、G、B三个颜色通道各自对应的LUT，例如可以为1D LUT或3DLUT。其中，由于相较于1D LUT，3DLUT可以使着色后的图像具有更优的色彩表现力，因此，可以为R、G、B三个颜色通道分别配置各自对应的3D LUT，用以实现对待着色图像的颜色值进行更加细致的调节。

其中，可以理解的是，RGB颜色通道包括R颜色通道、G颜色通道以及B颜色通道。示例的，可以通过R颜色通道对应的LUT、G颜色通道对应的LUT以及B颜色通道对应的LUT，分别对第一待着色图像进行着色处理，得到三个着色图像。

在步骤S13中，将R、G、B三个颜色通道的第一着色图像进行通道拼接，得到第一待着色图像着色后的第一彩色图像。

本公开实施例提供的图像着色方法，可以通过R颜色通道对应的LUT、G颜色通道对应的LUT以及B颜色通道对应的LUT，分别对待着色图像进行着色处理，并将得到的三个着色图像进行通道拼接，可以得到色彩饱和度及色彩丰富度较优的第一彩色图像。

示例的，为便于调节，R、G、B三个颜色通道中的每一颜色通道通常配置有多个LUT。在此基础上，可以通过为多个LUT进行权重调节的方式，实现对图像着色效果的调节。进一步的，在完成权重调节的情况下，每一颜色通道仍可保留所配置的多个LUT来完成图像着色。当然，也可以将为每一通道配置的多个LUT进行加权合并，得到最终用于着色的一个LUT。如下分别针对通过一个或多个LUT来完成一个颜色通道的图像着色的实现方式进行示例性说明。

一实施方式中，可以通过为每一颜色通道分别配置的多个LUT，完成对待着色图像的着色。本公开以下为便于描述，将为一个颜色通道配置的多个LUT称为第一LUT。

图2是根据一示例性实施例示出的一种通过LUT对输入至指定颜色通道的第一待着色图像进行着色处理，得到指定颜色通道的第一着色图像的方法流程图，如图2所示，包括以下步骤。其中，指定颜色通道可以理解为R、G、B三个颜色通道中的任意一个颜色通道。

在步骤S21中，基于指定颜色通道所对应的多个第一LUT，分别对输入至指定颜色通道的第一待着色图像进行着色处理。

在步骤S22中，按照指定颜色通道所对应的目标权重，对着色处理后得到的多个图像进行加权，得到指定颜色通道的第一着色图像。

图3是根据一示例性实施例示出的一种通过第一LUT进行图像着色的流程示意图。

示例的，如图3所示，以R颜色通道为例，可以为R颜色通道分别配置R1、R2及R3共三个第一LUT，并为R1配置目标权重Wa，为R2配置目标权重Wb，为R3配置目标权重Wc。若将第一待着色图像分别输入R、G、2三个颜色通道，且通过R1着色处理后的图像为P1，通过R2着色处理后的图像为P2，通过R3着色处理后的图像为P3，则可以为P1配置目标权重Wa，为P2配置目标权重Wb，为P3配置目标权重Wc，并对P1、P2及P3进行加权，得到R颜色通道的第一着色图像。此外，确定G颜色通道(或2颜色通道)的第一着色图像的实施过程与上述针对R颜色通道的实施过程相似，相关内容可参考针对R颜色通道的实施过程，在此不做赘述。

另一实施方式中，可以将为每一颜色通道分别配置的多个第一LUT进行加权，得到为该颜色通道所对应的一个LUT。以R颜色通道为例，可以为R颜色通道分别配置R1、R2及R3共三个第一LUT，并为R1配置目标权重Wa，为R2配置目标权重Wb，为R3配置目标权重Wc。在此基础上，可以根据目标权重Wa、Wb及Wc对R1、R2及R3进行加权，得到R颜色通道所对应的一个LUT。进一步的，可以根据指定颜色通道所对应的一个LUT，对输入至指定颜色通道的第一待着色图像进行着色处理，得到指定颜色通道的第一着色图像。本公开以下为便于描述，将对多个第一LUT进行加权后得到的一个LUT称为第二LUT。

图4是根据一示例性实施例示出的一种通过第二LUT进行图像着色的流程示意图。示例的，如图4所示，R颜色通道所对应的第二LUT为R`，G颜色通道所对应的第二LUT为G`，B颜色通道所对应的第二LUT为B`。可以将第一待着色图像分别输入R`、G`以及B`，得到R`、G`以及B`分别对应的三个着色图像。进一步的，可以将所得到的三个着色图像进行拼接，得到第一待着色图像着色后的第一彩色图像。

本公开实施例中，可以为R、G、B三个颜色通道分别配置第一LUT，以及为R、G、B三个颜色通道分别配置初始权重。进一步的，可以通过多个不同第一LUT的着色结果，与灰度图像对应的色彩图像的真实结果进行比较，并以此对为R、G、B三个颜色通道分别配置的初始权重进行更新，直至得到目标权重。本公开为便于描述，将用于更新权重的彩色图像称为第二彩色图像，将对第二彩色图像进行转换得到的灰度图像称为第二待着色图像。其中，可以理解的是，第二彩色图像为与第一彩色图像不同的彩色图像。

图5是根据一示例性实施例示出的一种为多个不同初始LUT配置的目标权重的方法流程图，如图5所示，包括以下步骤S31至步骤S34。

在步骤S31中，将第二彩色图像转换为第二待着色图像。

其中，第二待着色图像为单通道的灰度图像。示例的，将第二彩色图像转换为第二待着色图像，可以是将第二彩色图像转换为颜色-对立空间(Lab)格式的图像，并通过提取L通道的图像数据的方式，得到第二待着色图像。此外，针对通过对第二待着色图像进行转换得到的第二待着色图像，其每个通道的图像数据与第二待着色图像的图像数据相同。

在步骤S32中，获取为R、G、B三个颜色通道分别配置的多个不同第一LUT，以及获取为R、G、B三个颜色通道分别配置的初始权重。

在步骤S33中，基于多个不同第一LUT，分别对第二待着色图像进行着色处理，并按照为R、G、B三个颜色通道分别配置的初始权重，对着色处理后得到的多个图像进行加权，得到R、G、B三个颜色通道的第二着色图像。

示例的，以R颜色通道为例，可以为R颜色通道分别配置R1、R2及R3共三个第一LUT，并为R1配置初始权重W1，为R2配置了初始权重W2，为R3配置了初始权重W3。若通过R1着色处理后的图像为P4，通过R2着色处理后的图像为P5，通过R3着色处理后的图像为P6，则可以为P4配置权重W1，为P5配置权重W2，为P6配置权重W3，并对P4、P5及P6进行加权，得到R颜色通道的第二着色图像。此外，确定G颜色通道(或B颜色通道)的第二着色图像的实施过程与上述针对R颜色通道的实施过程相似，相关内容可参考针对R颜色通道的实施过程，在此不做赘述。

在步骤S34中，将R、G、B三个颜色通道的第二着色图像进行通道拼接，并根据通道拼接后的图像与第二彩色图像之间的差异度，对R、G、B三个颜色通道分别对应的初始权重进行调节，得到R、G、B三个颜色通道分别对应的目标权重。

此外，上述实施例中，为R、G、B三个颜色通道配置的初始权重及目标权重，例如可以是通过网络模型确定的。示例的，可以预先配置输入为待着色图像，输出为初始权重的指定神经网络模型。在此基础上，R、G、B三个颜色通道分别对应的初始权重，是通过将第二待着色图像输入指定神经网络模型，并通过指定神经网络模型的输出得到的。进一步的，可以通过训练指定神经网络模型的方式，得到R、G、B三个颜色通道分别对应的目标权重，如下对得到目标权重的实施方式进行示例性说明。

图6是根据一示例性实施例示出的一种为多个不同初始LUT配置的目标权重的方法流程图，如图6所示，本公开实施例中的步骤S41、步骤S42和步骤S43与图5中的S31、步骤S32和步骤S33的执行方法相似，在此不做赘述。

在步骤S44中，将R、G、B三个颜色通道的第二着色图像进行通道拼接，并基于通道拼接后的图像与第二彩色图像之间的差异度，确定目标损失，并以目标损失训练指定神经网络模型，直至指定神经网络模型收敛。

在步骤S45中，将第二待着色图像输入收敛后的指定神经网络模型，并通过收敛后的指定神经网络模型的输出结果，得到R、G、B三个颜色通道分别对应的目标权重。

其中，指定颜色通道与指定神经网络模型一一对应。指定神经网络模型，例如可以包括与R颜色通道对应的第一神经网络模型，与G颜色通道对应的第二神经网络模型，以及与B颜色通道对应的第三神经网络模型。进一步的，通过与指定颜色通道相对应的指定神经网络模型，确定为指定颜色通道配置的目标权重，可以实现为不同颜色通道的目标权重进行差异化配置，以使最终输出的彩色图像具有较优的视觉效果。

由于本公开整体的训练过程仅涉及对指定神经网络模型的训练及更新。因此，针对本公开实施例提供的图像着色方法，训练所需的样本基数较小，且无需预训练，相较于需要通过先验知识进行训练的常规方式，可以减少训练成本。

示例的，针对每个指定颜色通道，所配置的多个不同初始LUT例如可以包括冷色LUT、暖色LUT以及中色LUT。其中，冷色LUT、暖色LUT以及中色LUT可以是根据预先配置的色调进行划分的。

示例的，还可以根据颜色的深浅度，为指定颜色通道配置多个不同第一LUT。例如，可以为指定颜色通道配置浅色LUT、中色LUT以及深色LUT。在此基础上，确定为指定颜色通道配置的多个不同第一LUT，例如可以是确定为指定颜色通道配置的分别对应多个不同颜色深浅度的多个不同第一LUT。其中，可以理解的是，多个不同颜色深浅度与多个不同第一LUT之间是一一对应的关系。此外，还可以根据其他划分方式为指定颜色通道配置其他类型的多个不同初始LUT，本公开对此不做具体限定。

图7是根据一示例性实施例示出的一种确定R、G、B三个颜色通道各自对应的目标权重的示意图。示例的，如图7所示，可以将第二待着色图像分别输入R、G、B三个颜色通道的指定神经网络模型，得到为R、G、B三个颜色通道分别配置的初始权重。以R颜色通道为例，为R颜色通道分别配置的多个第一LUT例如可以包括深色LUT(示例以R1表示)、中色LUT(示例以R2表示)以及浅色LUT(示例以R3表示)。在此基础上，可以将第二待着色图像输入R颜色通道的第一神经网络模型(示例以N1表示)，并根据第一神经网络模型输出结果，得到为R1配置的初始权重W1，为R2配置的初始权重W2以及为R3配置的初始权重W3。此外，确定G颜色通道(或B颜色通道)所对应的初始权重，与上述确定R颜色通道所对应的初始权重的实施方式相近，在此不做赘述。

示例的，在得到初始权重的情况下，可以对各颜色通道对应的多个着色图像进行加权处理，并对R、G、B三个颜色通道的着色图像进行通道拼接，得到叠加后的图像。基于此，可以根据叠加后的图像与第二彩色图像之间的差异度，确定用于对指定神经网络模型进行训练的目标损失，后续可通过目标损失对指定神经网络模型进行训练，直至指定神经网络模型收敛。

示例的，在指定神经网络模型收敛的情况下，神经网络模型所输出的结果即为目标权重。后续可通过目标权重及R、G、B三个颜色通道各自对应的第一LUT(或多个第二LUT)，实现对灰度图像的着色。

基于相同的构思，本公开实施例还提供一种图像着色装置。

可以理解的是，本公开实施例提供的图像着色装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。

图8是根据一示例性实施例示出的一种图像着色装置框图。参照图8，该装置100包括获取单元101和处理单元102。

获取单元101，用于获取第一待着色图像，第一待着色图像为单通道的灰度图像。以及用于分别获取R、G、B三个颜色通道各自对应的显示查找表LUT。处理单元102，用于通过LUT分别对输入至R、G、B三个颜色通道的第一待着色图像进行着色处理，得到R、G、B三个颜色通道的第一着色图像。以及用于将R、G、B三个颜色通道的第一着色图像进行通道拼接，得到第一待着色图像着色后的第一彩色图像。

一种实施方式中，R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的多个第一LUT。处理单元102采用如下方式通过LUT对输入至指定颜色通道的第一待着色图像进行着色处理，得到指定颜色通道的第一着色图像，指定颜色通道包括R颜色通道、G颜色通道或B颜色通道：基于指定颜色通道所对应的多个第一LUT，分别对输入至指定颜色通道的第一待着色图像进行着色处理。按照指定颜色通道所对应的目标权重，对着色处理后得到的多个图像进行加权，得到指定颜色通道的第一着色图像。

一种实施方式中，R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的第二LUT。其中，指定颜色通道所对应的第二LUT，是按照指定颜色通道所对应的目标权重，对指定颜色通道所对应的多个第一LUT进行加权得到的，指定颜色通道包括R颜色通道、G颜色通道或B颜色通道。处理单元102采用如下方式采用如下方式通过LUT对输入至指定颜色通道的第一待着色图像进行着色处理，得到指定颜色通道的第一着色图像：基于指定颜色通道所对应的第二LUT，对输入至指定颜色通道的第一待着色图像进行着色处理，得到指定颜色通道的第一着色图像。

一种实施方式中，处理单元102采用如下方式采用如下方式得到R、G、B三个颜色通道分别对应的目标权重：将第二彩色图像转换为第二待着色图像，第二彩色图像与第一彩色图像不同，第二待着色图像为单通道的灰度图像。获取为R、G、B三个颜色通道分别配置的多个不同第一LUT，以及获取为R、G、B三个颜色通道分别配置的初始权重。基于多个不同第一LUT，分别对第二待着色图像进行着色处理，并按照为R、G、B三个颜色通道分别配置的初始权重，对着色处理后得到的多个图像进行加权，得到R、G、B三个颜色通道的第二着色图像。将R、G、B三个颜色通道的第二着色图像进行通道拼接，并根据通道拼接后的图像与第二彩色图像之间的差异度，对R、G、B三个颜色通道分别对应的初始权重进行调节，得到R、G、B三个颜色通道分别对应的目标权重。

一种实施方式中，R、G、B三个颜色通道分别对应的初始权重，是通过将第二待着色图像输入指定神经网络模型，并通过指定神经网络模型的输出得到的。处理单元102采用如下方式根据通道拼接后的图像与第二彩色图像之间的差异度，对R、G、B三个颜色通道分别对应的初始权重进行调节，得到R、G、B三个颜色通道分别对应的目标权重：基于通道拼接后的图像与第二彩色图像之间的差异度，确定目标损失，并以目标损失训练指定神经网络模型，直至指定神经网络模型收敛。将第二待着色图像输入收敛后的指定神经网络模型，并通过收敛后的指定神经网络模型的输出结果，得到R、G、B三个颜色通道分别对应的目标权重。

一种实施方式中，指定颜色通道所对应的多个第一LUT包括冷色LUT、暖色LUT以及中色LUT。

一种实施方式中，指定颜色通道所对应的多个第一LUT，包括：分别对应多个不同颜色深浅度的多个不同第一LUT，多个不同颜色深浅度与多个不同第一LUT之间一一对应。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是根据一示例性实施例示出的一种用于图像着色的电子设备200框图。

如图9所示，本公开的一个实施方式提供了一种电子设备200。其中，该电子设备200包括存储器201、处理器202、输入/输出(Input/Output，I/O)接口203。其中，存储器201，用于存储指令。处理器202，用于调用存储器201存储的指令执行本公开实施例的图像着色方法。其中，处理器202分别与存储器201、I/O接口203连接，例如可通过总线系统和/或其他形式的连接机构(未示出)进行连接。存储器201可用于存储程序和数据，包括本公开实施例中涉及的图像着色方法的程序，处理器202通过运行存储在存储器201的程序从而执行电子设备200的各种功能应用以及数据处理。

本公开实施例中处理器202可以采用数字信号处理器(Digital SignalProcessing，DSP)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现，所述处理器202可以是中央处理单元(Central Processing Unit，CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元中的一种或几种的组合。

本公开实施例中的存储器201可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(Random Access Memory，RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(Read OnlyMemory，ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid State Drive，SSD)等。

本公开实施例中，I/O接口203可用于接收输入的指令(例如数字或字符信息，以及产生与电子设备200的用户设置以及功能控制有关的键信号输入等)，也可向外部输出各种信息(例如，图像或声音等)。本公开实施例中I/O接口203可包括物理键盘、功能按键(比如音量控制按键、开关按键等)、鼠标、操作杆、轨迹球、麦克风、扬声器、和触控面板等中的一个或多个。

在一些实施方式中，本公开提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在由处理器执行时，执行上文所述的任何方法。

在一些实施方式中，本公开提供了一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序被处理器执行时，执行上文所述的任何方法。

尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本公开的方法和装置能够利用标准编程技术来完成，利用基于规则的逻辑或者其他逻辑来实现各种方法步骤。还应当注意的是，此处以及权利要求书中使用的词语“装置”和“模块”意在包括使用一行或者多行软件代码的实现和/或硬件实现和/或用于接收输入的设备。

此处描述的任何步骤、操作或程序可以使用单独的或与其他设备组合的一个或多个硬件或软件模块来执行或实现。在一个实施方式中，软件模块使用包括包含计算机程序代码的计算机可读介质的计算机程序产品实现，其能够由计算机处理器执行用于执行任何或全部的所描述的步骤、操作或程序。

出于示例和描述的目的，已经给出了本公开实施的前述说明。前述说明并非是穷举性的也并非要将本公开限制到所公开的确切形式，根据上述教导还可能存在各种变形和修改，或者是可能从本公开的实践中得到各种变形和修改。选择和描述这些实施例是为了说明本公开的原理及其实际应用，以使得本领域的技术人员能够以适合于构思的特定用途来以各种实施方式和各种修改而利用本公开。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，本公开中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。

进一步可以理解的是，除非有特殊说明，“连接”包括两者之间不存在其他构件的直接连接，也包括两者之间存在其他元件的间接连接。

进一步可以理解的是，本公开实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利范围指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利范围来限制。

Claims (10)

1.一种图像着色方法，其特征在于，所述图像着色方法包括：

获取第一待着色图像，所述第一待着色图像为单通道的灰度图像；

分别获取R、G、B三个颜色通道各自对应的显示查找表LUT，并通过所述LUT分别对输入至所述R、G、B三个颜色通道的所述第一待着色图像进行着色处理，得到所述R、G、B三个颜色通道的第一着色图像；

将所述R、G、B三个颜色通道的第一着色图像进行通道拼接，得到所述第一待着色图像着色后的第一彩色图像。

2.根据权利要求1所述的图像着色方法，其特征在于，所述R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的多个第一LUT；

采用如下方式通过所述LUT对输入至指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像，所述指定颜色通道包括R颜色通道、G颜色通道或B颜色通道：

基于所述指定颜色通道所对应的多个第一LUT，分别对输入至所述指定颜色通道的所述第一待着色图像进行着色处理；

按照所述指定颜色通道所对应的目标权重，对着色处理后得到的多个图像进行加权，得到所述指定颜色通道的第一着色图像。

3.根据权利要求1所述的图像着色方法，其特征在于，所述R、G、B三个颜色通道各自对应的LUT包括R、G、B三个颜色通道各自对应的第二LUT；其中，指定颜色通道所对应的第二LUT，是按照所述指定颜色通道所对应的目标权重，对所述指定颜色通道所对应的多个第一LUT进行加权得到的，所述指定颜色通道包括R颜色通道、G颜色通道或B颜色通道；

采用如下方式通过所述LUT对输入至指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像：

基于所述指定颜色通道所对应的第二LUT，对输入至所述指定颜色通道的所述第一待着色图像进行着色处理，得到所述指定颜色通道的第一着色图像。

4.根据权利要求2或3所述的图像着色方法，其特征在于，采用如下方式得到所述R、G、B三个颜色通道分别对应的目标权重：

将第二彩色图像转换为第二待着色图像，所述第二彩色图像与所述第一彩色图像不同，所述第二待着色图像为单通道的灰度图像；

获取为所述R、G、B三个颜色通道分别配置的多个不同第一LUT，以及获取为所述R、G、B三个颜色通道分别配置的初始权重；

基于所述多个不同第一LUT，分别对所述第二待着色图像进行着色处理，并按照为所述R、G、B三个颜色通道分别配置的初始权重，对着色处理后得到的多个图像进行加权，得到所述R、G、B三个颜色通道的第二着色图像；

将所述R、G、B三个颜色通道的第二着色图像进行通道拼接，并根据通道拼接后的图像与所述第二彩色图像之间的差异度，对所述R、G、B三个颜色通道分别对应的初始权重进行调节，得到所述R、G、B三个颜色通道分别对应的目标权重。

5.根据权利要求4所述的图像着色方法，其特征在于，所述R、G、B三个颜色通道分别对应的初始权重，是通过将所述第二待着色图像输入指定神经网络模型，并通过所述指定神经网络模型的输出得到的；

所述根据通道拼接后的图像与所述第二彩色图像之间的差异度，对所述R、G、B三个颜色通道分别对应的初始权重进行调节，得到所述R、G、B三个颜色通道分别对应的目标权重，包括：

基于通道拼接后的图像与所述第二彩色图像之间的差异度，确定目标损失，并以所述目标损失训练所述指定神经网络模型，直至所述指定神经网络模型收敛；

将所述第二待着色图像输入收敛后的指定神经网络模型，并通过所述收敛后的指定神经网络模型的输出结果，得到所述R、G、B三个颜色通道分别对应的目标权重。

6.根据权利要求2至5中任一项所述的图像着色方法，其特征在于，所述指定颜色通道所对应的多个第一LUT包括冷色LUT、暖色LUT以及中色LUT。

7.根据权利要求2至5中任一项所述的图像着色方法，其特征在于，所述指定颜色通道所对应的多个第一LUT，包括：分别对应多个不同颜色深浅度的多个不同第一LUT，所述多个不同颜色深浅度与所述多个不同第一LUT之间一一对应。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1至7中任意一项所述的图像着色方法。

9.一种存储介质，其特征在于，所述存储介质中存储有指令，当所述存储介质中的指令由处理器执行时，使得处理器能够执行权利要求1至7中任意一项所述的图像着色方法。

10.一种计算机程序产品，其特征在于，所述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权利要求1至7中任意一项所述的图像着色方法。

Images