【技术实现步骤摘要】
图像滤波方法、装置及设备
[0001]本申请实施例涉及图像处理
,尤其涉及一种图像滤波方法
、
装置及设备
。
技术介绍
[0002]数字视频技术可以并入多种视频装置中,例如数字电视
、
智能手机
、
计算机
、
电子阅 读器或视频播放器等
。
随着视频技术的发展,视频数据所包括的数据量较大,为了便于视 频数据的传输,视频装置执行视频压缩技术,以使视频数据更加有效的传输或存储
。
[0003]在视频压缩技术中会造成图像损失,为了降低损失,则对重建图像进行滤波
。
随着神 经网络技术的快速发展,在一些场景中,使用基于神经网络的滤波器对重建图像进行滤波
。
[0004]但是,由于基于神经网络的滤波器在训练过程与实际使用过程中的数据处理不一致, 使得基于神经网络的滤波器的滤波效果差
。
技术实现思路
[0005]本申请提供一种图像滤波方法
、
装置及设备,可以提高图像的滤波效果
。
[0006]第一方面,本申请提供一种图像滤波方法,包括:
[0007]获取待滤波图像;
[0008]确定基于神经网络的滤波器,并根据与所述基于神经网络的滤波器在训练过程中所使 用的训练图像的相同的分块方式,对所述待滤波图像进行划分,得到
N
个待滤波图像块, 所述
N
为正整数;
[0009]使 ...
【技术保护点】
【技术特征摘要】
1.
一种图像滤波方法,其特征在于,包括:获取待滤波图像;确定基于神经网络的滤波器;根据与所述基于神经网络的滤波器在训练过程中所使用的训练图像的相同的分块方式,对所述待滤波图像进行划分,得到
N
个待滤波图像块,所述
N
为正整数;使用所述基于神经网络的滤波器,对所述
N
个待滤波图像块分别进行滤波,得到滤波后图像
。2.
根据权利要求1所述的方法,其特征在于,若所述训练图像的分块方式包括将所述训练图像中的
M
个编码树单元
CTU
确定为一个训练图像块,所述
M
为正整数时,则所述根据与所述基于神经网络的滤波器在训练过程中所使用的训练图像的相同的分块方式,对所述待滤波图像进行划分,得到
N
个待滤波图像块,包括:将所述待滤波图像中的
M
个
CTU
确定为一个待滤波图像块,得到所述
N
个待滤波图像块
。3.
根据权利要求1所述的方法,其特征在于,若所述训练图像的分块方式包括将所述训练图像中的
P
个残缺编码树单元
CTU
确定为一个训练图像块,所述
P
为正整数时,则所述根据与所述基于神经网络的滤波器在训练过程中所使用的训练图像的相同的分块方式,对所述待滤波图像进行划分,得到
N
个待滤波图像块,包括:将所述待滤波图像中的
P
个残缺
CTU
确定为一个待滤波图像块,得到所述
N
个待滤波图像块
。4.
根据权利要求2或3所述的方法,其特征在于,若所述基于神经网络的滤波器是经过所述训练图像块的扩充图像块训练得到时,则所述使用所述基于神经网络的滤波器,对所述
N
个待滤波图像块分别进行滤波,得到滤波图像,包括:针对所述
N
个待滤波图像块中的每一个待滤波图像块,根据所述训练图像块的扩充方式对所述待滤波图像块进行扩充,得到扩充后的待滤波图像块;使用所述基于神经网络的滤波器,对所述扩充后的待滤波图像块进行滤波,得到滤波后的扩充图像块;将所述滤波后的扩充图像块中所述待滤波图像块对应的图像区域,确定为所述待滤波图像块的滤波后图像块
。5.
根据权利要求4所述的方法,其特征在于,若所述训练图像块的扩充方式包括对所述训练图像块的至少一个边界区域向外进行扩充,则所述根据所述训练图像块的扩充方式对所述待滤波图像块进行扩充,得到扩充后的待滤波图像块,包括:对所述待滤波图像块的至少一个边界区域向外进行扩充,得到所述扩充后的待滤波图像块
。6.
根据权利要求1‑
3、5
任一项所述的方法,其特征在于,所述训练图像包括输入图像和所述输入图像对应的目标图像,所述基于神经网络的滤波器是以输入图像块为输入,以目标图像块为目标进行训练得到,所述输入图像块是通过所述训练图像的分块方式对所述输入图像进行图像划分得到,所述目标图像块是通过所述训练图像的分块方式对所述目标图像进行图像划分得到
。7.
根据权利要求6所述的方法,其特征在于,若所述基于神经网络的滤波器在训练时还输入所述输入图像块的参考图像块时,则所述使用所述基于神经网络的滤波器,对所述
N
个
待滤波图像块分别进行滤波,得到滤波后图像,包括:针对所述
N
个待滤波图像块中的每一个待滤波图像块,确定所述待滤波图像块的参...
【专利技术属性】
技术研发人员:王力强,常仁杰,
申请(专利权)人:腾讯科技深圳有限公司,
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。