(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211191905.2 (22)申请日 2022.09.28 (71)申请人 OPPO广东移动通信有限公司 地址 523860 广东省东莞 市长安镇乌沙海 滨路18号 (72)发明人 李兴龙　 (74)专利代理 机构 北京知帆远景知识产权代理 有限公司 1 1890 专利代理师 刘岩磊 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 ISP调试方法和装置、 图像处理系统、 终端及 存储介质 (57)摘要 本申请公开了一种ISP调试方法、 ISP调试装 置、 图像处理系统、 终端及计算机可读 存储介质。 ISP调试方法包括： 将待处理原始图像输入至参 数学习预测网络； 利用参数学习预测网络根据待 处理原始 图像确定与图像处理器对应的图像处 理预测参数； 将图像处理预测参数输出至图像处 理器， 以使图像处理器根据图像处理预测参数对 待处理原始 图像进行图像处理得到目标输出图 像。 本申请实施方式中， 由参数学习预测 网络根 据待处理原始 图像确定与图像处理器对应的图 像处理预测参数， 可以充分利用参数学习预测网 络庞大的计算性能， 在应用时不需要过多的人工 参与， 即可找到待处理原始图像最优的图像处理 预测参数。 权利要求书3页 说明书16页 附图11页 CN 115456907 A 2022.12.09 CN 115456907 A 1.一种IS P调试方法， 其特 征在于， 包括： 将待处理原始图像输入至参数 学习预测网络； 利用所述参数学习预测网络根据所述待处理原始图像确定与图像处理器对应的图像 处理预测参数； 将所述图像处理预测参数输出至所述图像处理器， 以使所述图像处理器根据 所述图像 处理预测参数对所述待处 理原始图像进行图像处 理得到目标输出图像。 2.根据权利要求1所述的ISP调试方法， 其特征在于， 所述图像处理器包括多个 图像处 理模块， 所述图像处理预测 参数包括多个图像处理预测子参数， 所述利用所述参数学习 预 测网络根据所述待处 理原始图像确定与图像处 理器对应的图像处 理预测参数， 包括： 利用所述参数学习预测网络根据所述待处理原始图像确定与多个所述图像处理模块 分别对应的多个所述图像处 理预测子参数； 所述将所述图像处理预测参数输出至所述图像处理器， 以使所述图像处理器根据 所述 图像处理预测参数对所述待处 理原始图像进行图像处 理得到目标输出图像， 包括： 将多个所述图像处理预测子参数输出至所述图像处理器， 以使多个所述图像处理模块 分别根据对应的多个所述图像处理预测子参数对所述待处理原始图像进行图像处理得到 所述目标输出图像。 3.根据权利要求1所述的ISP调试方法， 其特征在于， 所述利用所述参数学习预测网络 根据所述待处 理原始图像确定与图像处 理器对应的图像处 理预测参数， 包括： 对所述待处理原始图像进行卷积操作以提取所述待处理原始图像中的低维特征和高 维特征； 对所述低维特 征和所述高维特 征进行融合处 理得到融合特 征； 基于所述融合特 征输出所述图像处 理预测参数。 4.根据权利要求1所述的IS P调试方法， 其特 征在于， 所述 ISP调试方法还包括： 获取训练所述参数学习预测网络所需的数据集； 其中， 所述数据集包括标准原始图像、 与所述标准原始图像对应的图像处理标准参数、 与所述标准原始图像对应的标准输出图 像； 通过所述数据集训练所述 参数学习预测网络 。 5.根据权利要求4所述的ISP调试方法， 其特征在于， 所述通过所述数据集训练所述参 数学习预测网络， 包括： 将所述标准原 始图像输入至所述 参数学习预测网络； 利用所述参数学习预测网络根据所述标准原始图像确定与所述图像处理器对应的图 像处理实际参数； 将所述图像处理实际参数输出至所述图像处理器， 以使所述图像处理器根据 所述图像 处理实际参数对所述标准原 始图像进行图像处 理得到实际输出图像； 根据所述图像处理实际参数与所述图像处理标准参数之间的差异、 以及所述实际输出 图像与所述标准输出图像之间的差异判断所述 参数学习预测网络是否训练完成。 6.根据权利要求5所述的ISP调试方法， 其特征在于， 所述根据所述图像处理实际参数 与所述图像处理标准参数之 间的差异、 以及所述 实际输出图像与所述标准输出图像之 间的 差异判断所述 参数学习预测网络是否训练完成， 包括：权　利　要　求　书 1/3 页 2 CN 115456907 A 2根据所述图像处理实际参数与所述图像处理标准参数之间的差异采用第一损失函数 计算第一损失值； 根据所述实际输出图像与所述标准输出图像之间的差异采用第二损失函数计算第二 损失值； 对所述第一损失值和所述第二损失值进行加权处 理得到综合损失值； 当所述综合损失值满足预定条件时， 确定所述 参数学习预测网络训练完成。 7.根据权利要求4所述的ISP调试方法， 其特征在于， 所述获取训练所述参数学习预测 网络所需的数据集， 包括： 将所述标准原 始图像输入至人工智能图像处 理网络； 利用所述人工智能图像处理网络对所述标准原始图像进行图像处理得到所述标准输 出图像。 8.根据权利要求5所述的ISP调试方法， 其特征在于， 所述将所述标准原始图像输入至 所述参数学习预测网络， 包括： 将一组所述标准原始图像输入至所述参数学习预测网络； 其中， 一组所述标准原始图 像包括多个不同的所述标准原始图像， 多个不同的所述标准原始图像对应的所述图像处理 标准参数相同； 所述利用所述参数学习预测网络根据所述标准原始图像确定与所述图像处理器对应 的图像处 理实际参数， 包括： 利用所述参数学习预测网络根据一组所述标准原始图像确定与所述图像处理器对应 的一组所述图像处 理实际参数； 所述将所述图像处理实际参数输出至所述图像处理器， 以使所述图像处理器根据 所述 图像处理实际参数对所述标准原 始图像进行图像处 理得到实际输出图像， 包括： 将一组所述图像处理实际参数输出至所述图像处理器， 以使所述图像处理器根据一组 所述图像处理实际参数分别对对应的一组所述标准原始图像进行图像处理得到一组所述 实际输出图像； 所述根据 所述图像处理实际参数与 所述图像处理标准参数之间的差异、 以及所述实际 输出图像与所述标准输出图像之间的差异判断所述参数学习预测网络是否训练完成， 包 括： 根据一组所述图像处理实际参数与 所述图像处理标准参数之间的差异、 以及一组所述 实际输出图像与一组所述标准输出图像之间的差异判断所述参数学习预测网络是否训练 完成。 9.根据权利要求1所述的IS P调试方法， 其特 征在于， 所述 ISP调试方法还包括： 计算当前帧的所述待处 理原始图像与上一帧的所述待处 理原始图像之间的图像差异； 根据所述图像差异设置上一帧的所述待处理原始图像对应的所述图像处理预测参数 与当前帧的所述待处理原始图像对应的所述图像处理预测 参数之间的权重占比； 其中， 所 述权重占比与所述图像差异为 正相关； 根据所述权重占比对上一帧的所述待处理原始图像对应的所述图像处理预测参数与 当前帧的所述待处理原始图像对应的所述图像处理预测 参数进行加权处理得到图像处理 修正参数， 并将当前帧的所述待处理原始图像对应的所述图像处理预测参数更新为所述图权　利　要　求　书 2/3 页 3 CN 115456907 A 3