一种图像处理方法、装置、电子设备及介质制造方法及图纸

本公开实施例提供了一种图像处理方法、装置、电子设备及介质。包括：确定待处理子图像；确定辅助图像，辅助图像与待处理子图像尺寸相等；将待处理子图像和辅助图像串联后输入至图像处理模型得到待处理图像的处理后的目标图像，待处理子图像和辅助图像的个数与图像处理模型在训练阶段作为输入的图像的个数均为设定个数。通过确定待处理子图像和辅助图像，辅助图像作为输入能够辅助扩大图像处理模型的感受野，采用图像串联的方式能够使得输入至图像处理模型的多个图像块的尺寸没有增加，避免了由于增加输入图像处理模型的图像块尺寸的大小而导致增加GPU显存占用与算力的问题，提高了图像处理模型的处理性能，从而提高了图像处理的可靠性。处理的可靠性。处理的可靠性。

【技术实现步骤摘要】
一种图像处理方法、装置、电子设备及介质


[0001]本公开实施例涉及计算机技术，尤其涉及一种图像处理方法、装置、电子设备及介质。

技术介绍

[0002]随着深度学习技术的快速发展，其应用于众多领域，特别是在计算机视觉领域与自然语言处理领域。就计算机视觉领域而言，可继续细分为low
‑
level领域(即低级领域)与high
‑
level领域(即高级领域)。其中，high
‑
level领域主要是提取图像的高级语义信息，如人脸检测、识别或图像分类等任务；这类任务更关注图像中的语义信息，对单个的像素信息并不太在意。对于low
‑
level领域的任务，如图像超分、去雾、去模糊和增强等任务，对图像的像素信息较为关注。
[0003]由于图形处理器(Graphics Processing Unit，GPU)显存和算力的限制，以及low
‑
level任务的特性，对图像处理模型的输入图像的尺寸大小有限制；目前所有针对low
‑
level领域的任务，例如图像超分或增强等任务，并非将整个图像输入对应的图像处理模型，都是在整个图像中随机裁剪一个固定大小的图像块(即patch)，然后将这一patch输入图像处理模型中进行相应的处理。这就限制了图像处理模型的处理性能。

技术实现思路

[0004]本公开提供一种图像处理方法、装置、电子设备及介质，以提高图像处理的可靠性。
[0005]第一方面，本公开实施例提供了一种图像处理方法，所述方法包括：
[0006]确定待处理子图像，所述待处理子图像为待处理图像的待处理区域内的图像；
[0007]确定辅助图像，所述辅助图像与所述待处理子图像尺寸相等，所述辅助图像内像素数据为零；
[0008]将所述待处理子图像和所述辅助图像串联后输入至图像处理模型，得到所述待处理图像的处理后的目标图像，所述待处理子图像和所述辅助图像的个数与所述图像处理模型在训练阶段作为输入的图像的个数均为设定个数。
[0009]第二方面，本公开实施例还提供了一种图像处理装置，所述装置包括：
[0010]第一确定模块，用于确定待处理子图像，所述待处理子图像为待处理图像的待处理区域内的图像；
[0011]第二确定模块，用于确定辅助图像，所述辅助图像与所述待处理子图像尺寸相等，所述辅助图像内像素数据为零；
[0012]处理模块，用于将所述待处理子图像和所述辅助图像串联后输入至图像处理模型，得到所述待处理图像的处理后的目标图像，所述待处理子图像和所述辅助图像的个数与所述图像处理模型在训练阶段作为输入的图像的个数均为设定个数。
[0013]第三方面，本公开实施例还提供了一种电子设备，包括：
[0014]一个或多个处理装置；
[0015]存储装置，用于存储一个或多个程序，
[0016]当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现本公开实施例提供的图像处理方法。
[0017]第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理装置执行时用于执行本公开实施例提供的图像处理方法。
[0018]本公开实施例，首先确定待处理子图像，待处理子图像为待处理图像的待处理区域内的图像；然后确定辅助图像，辅助图像与待处理子图像尺寸相等，辅助图像内像素数据为零；最后将待处理子图像和辅助图像串联后输入至图像处理模型，得到待处理图像的处理后的目标图像，待处理子图像和辅助图像的个数与图像处理模型在训练阶段作为输入的图像的个数均为设定个数。该方法通过确定待处理子图像和辅助图像，辅助图像作为输入能够辅助扩大图像处理模型的感受野，通过将待处理子图像和辅助图像串联后输入至图像处理模型以得到目标图像，采用图像串联的方式能够使得输入至图像处理模型的多个图像块的尺寸没有增加，避免了由于增加输入图像处理模型的图像块尺寸的大小而导致增加GPU显存占用与算力的问题，提高了图像处理模型的处理性能，从而提高了图像处理的可靠性。
附图说明
[0019]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0020]图1为本公开实施例所提供的一种图像处理方法的流程示意图；
[0021]图2为本公开实施例所提供的另一种图像处理方法的流程示意图；
[0022]图3为本公开实施例提供的一种样本图像的实现示意图；
[0023]图4为本公开实施例提供的一种辅助子图像水平对称翻转的实现示意图；
[0024]图5为本公开实施例提供的一种辅助子图像垂直对称翻转的实现示意图；
[0025]图6为本公开实施例提供的一种样本图像的实现示意图；
[0026]图7为本公开实施例提供的一种图像处理模型训练的实现示意图；
[0027]图8为本公开实施例提供的另一种图像处理模型训练的实现示意图；
[0028]图9为本公开实施例所提供的一种图像处理装置的结构示意图；
[0029]图10为本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0030]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0031]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，
和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0032]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0033]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0034]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0035]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0036]可以理解的是，在使用本公开各实施例公开的技术方案之本文档来自技高网...

【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：确定待处理子图像，所述待处理子图像为待处理图像的待处理区域内的图像；确定辅助图像，所述辅助图像与所述待处理子图像尺寸相等，所述辅助图像内像素数据为零；将所述待处理子图像和所述辅助图像串联后输入至图像处理模型，得到所述待处理图像的处理后的目标图像，所述待处理子图像和所述辅助图像的个数与所述图像处理模型在训练阶段作为输入的图像的个数均为设定个数。2.根据权利要求1所述的方法，其特征在于，所述待处理图像为待进行像素处理的图像，目标图像为进行像素处理后的图像。3.根据权利要求1所述的方法，其特征在于，所述图像处理模型的训练阶段包括如下步骤：获取样本集，所述样本集包括多个样本对，各所述样本对分别包括各自所对应的串联后的多个样本子图像和处理后图像，所述处理后图像为目标子图像处理后的图像，所述目标子图像为所述多个样本子图像中的待进行处理的一个样本子图像，各样本对间，目标子图像与所对应的其余样本子图像的相对位置关系相同；基于所述样本集对待训练的图像处理模型进行训练，得到训练后的图像处理模型。4.根据权利要求3所述的方法，其特征在于，所述获取样本集，包括：获取样本图像；从所述样本图像中获取目标子图像和位于所述目标子图像设定位置处的辅助子图像，所述辅助子图像的个数为至少一个，各辅助子图像与所述目标子图像的相对位置不同；对所述辅助子图像进行翻转处理，得到处理后的辅助子图像；将所述目标子图像和所述辅助子图像串联，得到串联后的多个样本子图像；将所述串联后的多个样本子图像和所对应处理后图像，作为所述样本图像的样本对。5.根据权利要求4所述的方法，其特征在于，不同的样本图像的多个样本子图像在进行串联时，各样本子图像间的顺序相同。6.根据权利要求4所述的方法，其特征在于...

【专利技术属性】
技术研发人员：李磊，赵世杰，程铭，李军林，
申请(专利权)人：脸萌有限公司，
类型：发明
国别省市：