本申请公开了一种图像处理方法、装置及设备、非易失性存储介质。其中，该方法包括：获取原始图像；从上述原始图像中擦除目标对象，得到待填充图像；通过多个图像尺度对上述待填充图像进行图像复原处理，输出目标图像。本申请解决了相关技术中的图像复原算法难以有效复原图像的技术问题。原图像的技术问题。原图像的技术问题。
【技术实现步骤摘要】
图像处理方法、装置及设备、非易失性存储介质
[0001]本申请涉及图像处理领域，具体而言，涉及一种图像处理方法、装置及设备、非易失性存储介质。
技术介绍
[0002]图像复原(Image inpainting)技术是计算机视觉中的一个具有挑战性的任务，相关技术中现有常用的图像复原算法(SoTA)是单尺度的，具体是基于两个阶段完成：第一阶段做粗估计，第二阶段做精细调整，主要缺点是在复原图像时不能兼顾图像结构和图像细节的修复，其中，图像结构建模不好，会导致瑕疵的出现；图像细节建模不好，会产生模糊等现象，难以很好的复原图像。
[0003]此外，在实际应用场景中，用户拍摄的一张图像中包含不想要的内容，则可以利用图像复原算法擦除图像中的特定目标，例如，用户在风景区拍摄风景的照片，想删除照片中的特定目标(即照片中的干扰对象，如路上的行人)，使得修复后的图像看上去很真实，但是，上述图像复原算法删除图像中的干扰对象的性能不佳，难以很好的复原图像。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种图像处理方法、装置及设备、非易失性存储介质，以至少解决相关技术中的图像复原算法难以有效复原图像的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种图像处理方法，包括：获取原始图像；从上述原始图像中擦除目标对象，得到待填充图像；通过多个图像尺度对上述待填充图像进行图像复原处理，输出目标图像。
[0007]根据本申请实施例的另一方面，还提供了一种图像处理方法，包括：通过多个图像尺度中每个图像尺度对应的样本图像对初始神经网络模型进行训练，得到目标神经网络模型；从原始图像中擦除目标对象，得到待填充图像；将上述待填充图像输入至上述目标神经网络模型进行图像复原处理，输出目标图像。
[0008]根据本申请实施例的另一方面，还提供了一种图像处理装置，包括：获取模块，用于获取原始图像；擦除模块，用于从上述原始图像中擦除目标对象，得到待填充图像；复原处理模块，用于通过多个图像尺度对上述待填充图像进行图像复原处理，输出目标图像。
[0009]根据本申请实施例的另一方面，还提供了一种图像处理装置，包括：训练单元，用于通过多个图像尺度中每个图像尺度对应的样本图像对初始神经网络模型进行训练，得到目标神经网络模型；擦除单元，用于从原始图像中擦除目标对象，得到待填充图像；复原处理单元，用于将上述待填充图像输入至上述目标神经网络模型进行图像复原处理，输出目标图像。
[0010]根据本申请实施例的另一方面，还提供了一种图像处理客户端，包括：输入组件，用于获取原始图像；处理组件，用于从上述原始图像中擦除目标对象，得到待填充图像；通
信组件，用于将上述待填充图像发送至服务端，以及接收上述服务端返回的目标图像，其中，上述目标图像是由上述服务端通过多个图像尺度对上述待填充图像进行图像复原处理所得到的图像。
[0011]根据本申请实施例的另一方面，还提供了一种图像处理服务端，包括：通信组件，用于接收客户端发送的待填充图像，其中，上述待填充图像是由上述客户端从获取到的原始图像中擦除目标对象所得到的图像；处理组件，用于通过多个图像尺度对上述待填充图像进行图像复原处理，得到目标图像；上述通信组件，还用于向上述客户端返回上述目标图像。
[0012]根据本申请实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质包括存储的程序，其中，在上述程序运行时控制上述非易失性存储介质所在设备执行任意一项上述的图像处理方法。
[0013]根据本申请实施例的另一方面，还提供了一种图像处理设备，包括：处理器；以及存储器，与上述处理器连接，用于为上述处理器提供处理以下处理步骤的指令：获取原始图像；从上述原始图像中擦除目标对象，得到待填充图像；通过多个图像尺度对上述待填充图像进行图像复原处理，输出目标图像。
[0014]在本申请实施例中，通过获取原始图像；从上述原始图像中擦除目标对象，得到待填充图像；通过多个图像尺度对上述待填充图像进行图像复原处理，输出目标图像。
[0015]容易注意到的是，通过本申请实施例，将获取到的原始图像中的目标对象，例如干扰对象，从上述原始图像中擦除，得到待填充图像，通过多个图像尺度对上述待填充图像进行图像复原处理，得到并输出目标图像，达到了兼顾待复原图像的结构信息和细节信息的目的，从而实现了提升图像复原处理的性能的技术效果，进而解决了相关技术中的图像复原算法难以有效复原图像的技术问题。
附图说明
[0016]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0017]图1是根据本申请实施例的一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图；
[0018]图2是根据本申请实施例的一种图像处理方法的流程图；
[0019]图3是根据本申请实施例的一种采用生成器训练得到训练图像的场景示意图；
[0020]图4是根据本申请实施例的一种两层图像尺度对应的训练场景示意图；
[0021]图5是根据本申请实施例的另一种图像处理方法的流程图；
[0022]图6是根据本申请实施例的一种图像处理装置的结构示意图；
[0023]图7是根据本申请实施例的一种图像处理装置的结构示意图；
[0024]图8是根据本申请实施例的一种图像处理设备的结构示意图；
[0025]图9是根据本申请实施例的一种图像处理客户端的结构示意图；
[0026]图10是根据本申请实施例的一种图像处理服务端的结构示意图
[0027]图11是根据本申请实施例的一种计算机终端的结构框图。
具体实施方式
[0028]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
[0029]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
[0031]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取原始图像；从所述原始图像中擦除目标对象，得到待填充图像；通过多个图像尺度对所述待填充图像进行图像复原处理，输出目标图像。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：分别为所述多个图像尺度中的每个图像尺度设置对应的生成器和判别器；利用样本图像对所述生成器进行训练，得到训练图像；采用所述判别器对所述训练图像进行检验，并基于检验结果调整所述生成器中的参数，得到待使用的生成器结构。3.根据权利要求2所述的方法，其特征在于，利用所述样本图像对所述生成器进行训练包括：处理步骤，将当前图像尺度对应的样本图像输入至所述当前图像尺度对应的生成器进行图像复原处理，得到第一处理结果；融合步骤，将所述第一处理结果与第二处理结果进行融合，输出更新后的第二处理结果，其中，所述第二处理结果是由所述当前图像尺度相邻的下一层图像尺度对应的生成器输出的处理结果，所述下一层图像尺度小于所述当前图像尺度；判断步骤，判断是否存在尚未融合的图像尺度，如果存在，则转到所述处理步骤，如果不存在，则将所述更新后的第二处理结果确定为所述训练图像。4.根据权利要求3所述的方法，其特征在于，采用所述判别器对所述训练图像进行检验，并基于所述检验结果调整所述生成器中的参数包括：采用所述判别器将真实图像与所述训练图像进行比较，确定图像差异；基于所述图像差异调整所述生成器中的参数。5.根据权利要求2所述的方法，其特征在于，通过所述多个图像尺度对所述待填充图像进行图像复原处理，输出所述目标图像包括：将所述待填充图像输入所述待使用的生成器结构，进行图像复原处理，输出所述目标图像。6.根据权利要求5所述的方法，其特征在于，将所述待填充图像输入所述待使用的生成器结构，进行图像复原处理，输出所述目标图像包括：处理步骤，将所述待填充图像输入至当前图像尺度对应的生成器进行图像复原处理，得到第三处理结果；融合步骤，将所述第三处理结果与第四处理结果进行融合，输出更新后的第四处理结果，其中，所述第四处理结果是由所述当前图像尺度相邻的下一层图像尺度对应的生成器输出的处理结果，所述下一层图像尺度小于所述当前图像尺度；判断步骤，判断是否存在尚未融合的图像尺度，如果存在，则转到所...
【专利技术属性】
技术研发人员：牛振兴，屈书毅，齐默尔曼，葛迪，普罗特，马谭，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。