图像处理方法及装置制造方法及图纸

本公开提供一种图像处理方法及装置，涉及图像处理技术领域，能够解决单一图像压缩算法对不同类别的图像压缩质量欠佳的问题。具体技术方案为：获取目标图像；通过神经网络分类模型，确定所述目标图像的图像类别；根据预设的映射数据确定目标算法；根据所述目标算法对所述目标图像进行压缩。本公开用于图像处理。

【技术实现步骤摘要】
图像处理方法及装置
本公开涉及图像处理
，尤其涉及图像处理方法及装置。
技术介绍
自然图像通常颜色均匀过度，不会出现阶跃型的图像信息。因此对于自然图像通常采用预测加频域变换的方式进行图像压缩，可以获得较好的压缩质量。不同于自然图像，人为生成图像有着自己的特点。首先是噪声可控，可以生成无噪图像；其次，图像中包含有大量的高梯度信号，如文字、线条等。若采用传统的预测加频域变换的方式对这些高梯度图像进行压缩，相对于自然图像往往压缩效果欠佳。可见，一种图像压缩算法对于某一类别的图像可以得到好的压缩质量，但是对于另一类别的图像则压缩质量不能保证。
技术实现思路
本公开实施例提供一种图像处理方法及装置，能够解决单一图像压缩算法对不同类别的图像压缩质量欠佳的问题。所述技术方案如下：根据本公开实施例的第一方面，提供一种图像处理方法，该方法包括：获取目标图像；通过神经网络分类模型，确定所述目标图像的图像类别；根据预设的映射数据确定目标算法；其中，所述映射数据用于指示K个图像类别和L个压缩算法，2≤L≤K，所述K个图像类别中一个图像类别对应所述L个压缩算法中的一个压缩算法，所述K个图像类别中第i个图像类别所对应的压缩算法，为所述L个压缩算法中对第i个图像类别压缩质量最佳的压缩算法，所述目标算法为所述目标图像的图像类别所对应的压缩算法，1≤i≤K；根据所述目标算法对所述目标图像进行压缩。本公开提供的技术方案，通过神经网络分类模型确定目标图像的图像类别，根据图像类别从K个压缩算法中选择其一作为目标算法，目标算法为K个压缩算法中对该图像类别压缩质量最佳的一个压缩算法，确定目标算法后，根据目标算法对目标图像进行压缩。即根据图像类别，从K个压缩算法中选择压缩质量最佳的压缩算法，对目标图像进行压缩，解决了单一图像压缩算法对不同类别的图像压缩质量欠佳的问题。在一个实施例中，还包括：获取训练样本，确定所述训练样本中每一样本图像所对应的标准算法；其中，一个样本图像所对应的标准算法为所述L个压缩算法中对所述一个样本图像压缩质量最佳的压缩算法；训练所述神经网络分类模型，将所述训练样本中对应同一标准算法的样本图像归为一类。将对应同一标准算法的样本图像归为一类，可尽可能减少图像类别的数量，提高神经网络分类模型的对目标图像的分类效率。在一个实施例中，K＝L，所述K个图像类别与所述L个压缩算法一一对应；所述根据预设的映射数据确定目标算法，包括：根据与所述K个图像类别一一对应的K个压缩算法，确定与所述目标图像的图像类别对应的压缩算法。图像类别与压缩算法数量相同，一一对应，此时图像类别的数量达到最小值，进一步提高神经网络分类模型的对目标图像的分类效率。在一个实施例中，所述确定所述训练样本中每一样本图像所对应的标准算法，包括：分别通过所述L个压缩算法中每一压缩算法对目标样本图像进行压缩，确定每一压缩算法对应的压缩质量参数；根据每一压缩算法对应的压缩质量参数，确定所述目标样本图像所对应的标准算法。对于一个样本图像，采用不同压缩算法分别进行压缩，比较不同算法各自对应的压缩质量，确定压缩质量最佳的压缩算法。在产品出厂前，训练神经网络分类模型时可通过这种方式确定样本图像对应的标准算法。在产品出厂后用户使用的过程中，通过这种方式可以对神经网络分类模型做进一步训练优化。在一个实施例中，所述确定每一压缩算法对应的压缩质量参数，包括：确定每一压缩算法对应的压缩比和峰值信噪比其中的至少一个。在一个实施例中，所述获取目标图像，包括：获取待压缩图像，将所述待压缩图像划分为图像宏块，将所述待压缩图像的图像宏块作为所述目标图像。将待压缩图像划分为宏块，再针对每一宏块选择合适的压缩算法进行压缩，可提高对待压缩图像整体的压缩质量。根据本公开实施例的第二方面，提供一种图像处理装置，包括：输入模块，用于获取目标图像；分类模块，用于通过神经网络分类模型，确定所述目标图像的图像类别；选定模块，用于根据预设的映射数据确定目标算法；其中，所述映射数据用于指示K个图像类别和L个压缩算法，2≤L≤K，所述K个图像类别中一个图像类别对应所述L个压缩算法中的一个压缩算法，所述K个图像类别中第i个图像类别所对应的压缩算法，为所述L个压缩算法中对第i个图像类别压缩质量最佳的压缩算法，所述目标算法为所述目标图像的图像类别所对应的压缩算法，K≥2，1≤i≤K；压缩模块，用于根据所述目标算法对所述目标图像进行压缩。在一个实施例中，还包括：基准模块，用于获取训练样本，确定所述训练样本中每一样本图像所对应的标准算法；其中，一个样本图像所对应的标准算法为所述L个压缩算法中对所述一个样本图像压缩质量最佳的压缩算法；训练模块，用于训练所述神经网络分类模型，将所述训练样本中对应同一标准算法的样本图像归为一类。在一个实施例中，K＝L，所述K个图像类别与所述L个压缩算法一一对应，所述选定模块包括：对应子模块，用于根据与所述K个图像类别一一对应的K个压缩算法，确定与所述目标图像的图像类别对应的压缩算法。在一个实施例中，所述基准模块包括：计算子模块，用于分别通过所述L个压缩算法中每一压缩算法对目标样本图像进行压缩，确定每一压缩算法对应的压缩质量参数；筛选子模块，用于根据每一压缩算法对应的压缩质量参数，确定所述目标样本图像所对应的标准算法。在一个实施例中，所述计算子模块包括：参数单元，用于确定每一压缩算法对应的压缩比和峰值信噪比其中的至少一个。在一个实施例中，所述输入模块包括：划分子模块，用于获取待压缩图像，将所述待压缩图像划分为图像宏块，将所述待压缩图像的图像宏块作为所述目标图像。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是本公开实施例提供的一种图像处理方法的流程图；图2是本公开实施例提供的图像类别和压缩算法对应关系的说明示意图；图3是本公开实施例提供的一种图像处理方法的流程图；图4是本公开实施例提供的对神经网络分类模型训练过程的说明示意图；图5是本公开实施例提供的图像类别和压缩算法对应关系的说明示意图；图6是本公开实施例提供的对图像宏块处理过程的说明示意图；图7是本公开实施例提供的一种图像处理装置的结构示意图；图8是本公开实施例提供的一种图像处理装置的结构示意图；图9是本公开实施例提供的一种图像处理装置的结构示意图；图10是本公开实施例提供的一种图像处理装置的结构示意图；图11是本公开实施例提供的一种图像处理装置的结构示意图；图12是本公开实施例提供的一种图像处理装置的结构示意图。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。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。采用不同压缩算法处理同一图像得到的压缩质量不同。本公开的实施例提供一种图像处理方法，针对一个待压缩图像，可从若干种压缩算法中选择压缩质量最优的压缩算法进行压缩，已解决单一图像压缩算法本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取目标图像；通过神经网络分类模型，确定所述目标图像的图像类别；根据预设的映射数据确定目标算法；其中，所述映射数据用于指示K个图像类别和L个压缩算法，2≤L≤K，所述K个图像类别中一个图像类别对应所述L个压缩算法中的一个压缩算法，所述K个图像类别中第i个图像类别所对应的压缩算法，为所述L个压缩算法中对第i个图像类别压缩质量最佳的压缩算法，所述目标算法为所述目标图像的图像类别所对应的压缩算法，1≤i≤K；根据所述目标算法对所述目标图像进行压缩。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取目标图像；通过神经网络分类模型，确定所述目标图像的图像类别；根据预设的映射数据确定目标算法；其中，所述映射数据用于指示K个图像类别和L个压缩算法，2≤L≤K，所述K个图像类别中一个图像类别对应所述L个压缩算法中的一个压缩算法，所述K个图像类别中第i个图像类别所对应的压缩算法，为所述L个压缩算法中对第i个图像类别压缩质量最佳的压缩算法，所述目标算法为所述目标图像的图像类别所对应的压缩算法，1≤i≤K；根据所述目标算法对所述目标图像进行压缩。2.根据权利要求1所述的方法，其特征在于，还包括：获取训练样本，确定所述训练样本中每一样本图像所对应的标准算法；其中，一个样本图像所对应的标准算法为所述L个压缩算法中对所述一个样本图像压缩质量最佳的压缩算法；训练所述神经网络分类模型，将所述训练样本中对应同一标准算法的样本图像归为一类。3.根据权利要求2所述的方法，其特征在于，K＝L，所述K个图像类别与所述L个压缩算法一一对应；所述根据预设的映射数据确定目标算法，包括：根据与所述K个图像类别一一对应的K个压缩算法，确定与所述目标图像的图像类别对应的压缩算法。4.根据权利要求2所述的方法，其特征在于，所述确定所述训练样本中每一样本图像所对应的标准算法，包括：分别通过所述L个压缩算法中每一压缩算法对目标样本图像进行压缩，确定每一压缩算法对应的压缩质量参数；根据每一压缩算法对应的压缩质量参数，确定所述目标样本图像所对应的标准算法。5.根据权利要求4所述的方法，其特征在于，所述确定每一压缩算法对应的压缩质量参数，包括：确定每一压缩算法对应的压缩比和峰值信噪比其中的至少一个。6.根据权利要求1-5任一项所述的方法，其特征在于，所述获取目标图像，包括：获取待压缩图像，将所述待压缩图像划分为图像宏块，将所述待压缩图像的图像宏块作为所述目标图像。7.一种图像处理装置，其特征在于，包...

【专利技术属性】
技术研发人员：范志刚，杨文晋，
申请(专利权)人：西安万像电子科技有限公司，
类型：发明
国别省市：陕西,61