CN106412590B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN106412590B CN106412590B CN201611039204.1A CN201611039204A CN106412590B CN 106412590 B CN106412590 B CN 106412590B CN 201611039204 A CN201611039204 A CN 201611039204A CN 106412590 B CN106412590 B CN 106412590B
- Authority
- CN
- China
- Prior art keywords
- processed
- image
- image block
- block
- blocks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像处理方法及装置，包括：针对于从待处理图像切分出的每一个待处理图像块，均执行：根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；计算所述待处理图像块与每一个所述训练图像块之间的欧式距离；根据计算出的每一个所述欧式距离，确定所述待处理图像块对应的表示系数矩阵；利用所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；将获得的各个所述转换后的待处理图像块进行组合，形成合成图像。该装置包括：获取单元、计算单元、处理单元、转换单元及组合单元。本方案能够提高对图像进行处理的效果。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种图像处理方法及装置。
背景技术
随着计算机技术的不断发展与进步，图像处理的技术被广泛应用于生活、生产中的各个领域，比如，将照片转换为素描图像以用作社交账号的头像，以及将犯罪嫌疑人的面部图像转换为画像以便从数据库中比对识别等。图像处理的过程主要包括图像分辨率的改变、照片图像与模拟图像之间的转换等。
目前的图像处理方法，主要基于机器学习思路，按照相同的划分方式，将图像划分成一定数量的图像块，并将每一个训练图像划分成具有相同数量的训练图像块；针对于每一个图像块，通过与其位置相邻的多个训练图像块来确定该图像块的表示系数，通过确定出的表示系数对图像块进行处理，将图像块转换为所需的合成图像块；将各个合成图像块进行组成形成合成图像，完成对图像的处理。
针对于目前的图像处理方法，在通过与图像块位置相邻的多个训练图像块来确定该图像块的表示系数的过程中，由于各个训练图像块与待处理图像块之间的差别各不相同，等同看待各个训练图像块导致确定出的表示系数不准确，从而造成图像处理的效果较差。
发明内容
本发明实施例提供了一种图像处理方法及装置，能够提高对图像进行处理的效果。
本发明实施例提供了一种图像处理方法，包括：
针对于从待处理图像切分出的每一个待处理图像块，均执行：
根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；
计算所述待处理图像块与每一个所述训练图像块之间的欧式距离；
根据计算出的每一个所述欧式距离，确定所述待处理图像块对应的表示系数矩阵；
利用所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；
将获得的各个所述转换后的待处理图像块进行组合，形成合成图像。
优选地，
所述根据计算出的每一个所述欧式距离确定所述待处理图像块对应的表示系数矩阵，包括：
以计算出的各个所述欧式距离作为对角线元素创建对角矩阵；
根据所述待处理图像块的灰度值，获取所述待处理图像块对应的待处理图像块矩阵；
根据所述至少两个训练图像块的灰度值，获取相对应的训练图像块集合矩阵；
根据所述对角矩阵、所述待处理图像块矩阵及所述训练图像块集合矩阵，通过如下公式一计算所述待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i,j)为所述待处理图像块(i，j)对应的所述待处理图像块矩阵；所述为所述待处理图像块(i，j)对应的所述训练图像块集合矩阵；所述w(i,j)为所述待处理图像块(i，j)对应的所述表示系数矩阵，其中所述表示系统矩阵为列矩阵；所述E(i,j)为所述待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系数矩阵所包括的行数。
优选地，
所述利用所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块，包括：
分别获取与每一个所述训练图像块相对应的合成图像块，其中所述合成图像块为相对应的所述训练图像块的处理后图像；
根据每一个所述合成图像块的灰度值，获取与所述待处理图像块相对应的合成图像块集合矩阵；
根据所述表示系数矩阵及所述合成图像块集合矩阵，通过如下公式二计算转换后的所述待处理图像块的灰度值；
根据转换后的所述待处理图像块的灰度值，获得转换后的所述待处理图像块；
所述公式二包括：
其中，所述(i，j)用于表示所述待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述y(i,j)为转换后的所述待处理图像块(i，j)的灰度值；所述为所述待处理图像块(i，j)对应的所述合成图像块集合矩阵；所述w(i,j)为所述待处理图像块(i，j)对应的所述表示系数矩阵。
优选地，
所述待处理图像包括：照片格式的待处理图像，或者素描格式的待处理图像。
优选地，
所述根据所述待处理图像块在所述待处理图像中的位置获取与所述待处理图像块相对应的至少两个训练图像块，包括：
根据所述待处理图像块在所述待处理图像中位置，获取至少三个邻近训练图像块；
计算所述待处理图像块与每一个所述邻近训练图像块之间的欧氏距离；
选择与所述待处理图像块之间欧式距离最小的至少两个邻近训练图像块作为所述训练图像块。
优选地，
所述计算所述待处理图像块与每一个所述邻近训练图像块之间的欧氏距离，包括：
根据所述待处理图像块及每一个所述邻近训练图像块的灰度值，通过如下公式三计算所述待处理图像块与每一个所述邻近训练图像块之间的欧式距离；
所述公式三包括：
其中，所述ej为所述待处理图像块与第j个所述邻近训练图像块之间的欧式距离；ai0为所述待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，所述待处理图像块包括的像素点的个数]，所述待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同。
优选地，
在所述根据所述待处理图像块在所述待处理图像中的位置获取与所述待处理图像块相对应的至少两个训练图像块之前，进一步包括：
将每一个训练图像切分成至少两个备选训练图像块；
根据所述至少两个备选训练图像块在所述训练图像中的位置，确定至少两个样本位置；
针对于每一个所述样本位置，均执行：
从切分出的至少两个所述备选训练图像块中，确定所述样本位置对应的至少两个邻近训练图像块；
将确定出的所述至少两个邻近训练图像块进行组合，形成与所述样本位置相对应的图像字典；
所述根据所述待处理图像块在所述待处理图像中位置获取至少三个邻近训练图像块，包括：
根据所述待处理图像块在所述待处理图像中的位置，确定所述待处理图像块对应的所述样本位置；
从确定出的所述样本位置对应的图像字典中获取至少三个邻近训练图像块。
本发明实施例还提供了一种图像处理装置，包括：获取单元、计算单元、处理单元、转换单元及组合单元；
所述获取单元，用于针对于从待处理图像切分出的每一个待处理图像块，根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；
所述计算单元，用于计算所述待处理图像块与所述获取单元获取到的每一个所述训练图像块之间的欧氏距离；
所述处理单元，用于根据所述计算单元计算出的每一个所述欧式距离，确定所述待处理图像块对应的表示系数矩阵；
所述转换单元，用于利用所述处理单元确定出的所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；
所述组合单元，用于将所述转换单元获得的各个所述转换后的待处理图像块进行组合，形成合成图像。
优选地，
所述处理单元包括：矩阵形成子单元及矩阵解析子单元；
所述矩阵形成子单元，用于以计算出的各个所述欧式距离作为对角线元素创建对角矩阵；并根据所述待处理图像块的灰度值，获取所述待处理图像块对应的待处理图像块矩阵；以及根据所述至少两个训练图像块的灰度值，获取相对应的训练图像块集合矩阵；
所述矩阵解析子单元，用于根据所述矩阵形成子单元获得的所述对角矩阵、所述待处理图像块矩阵及所述训练图像块集合矩阵，通过如下公式一计算所述待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i,j)为所述待处理图像块(i，j)对应的所述待处理图像块矩阵；所述为所述待处理图像块(i，j)对应的所述训练图像块集合矩阵；所述w(i,j)为所述待处理图像块(i，j)对应的所述表示系数矩阵，其中所述表示系统矩阵为列矩阵；所述E(i,j)为所述待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系数矩阵所包括的行数。
优选地，
所述获取单元包括：获取子单元、运算子单元及选择子单元；
所述获取子单元，用于根据所述待处理图像块在所述待处理图像中位置，获取至少三个邻近训练图像块；
所述运算子单元，用于计算所述待处理图像块与所述获取子单元获取到的每一个所述邻近训练图像块之间的欧氏距离；
所述选择子单元，用于根据所述运算子单元的计算结果，选择与所述待处理图像块之间欧式距离最小的至少两个邻近训练图像块作为所述训练图像块。
优选地，
所述运算子单元，用于根据所述待处理图像块及每一个所述邻近训练图像块的灰度值，通过如下公式三计算所述待处理图像块与每一个所述邻近训练图像块之间的欧式距离；
所述公式三包括：
其中，所述ej为所述待处理图像块与第j个所述邻近训练图像块之间的欧式距离；ai0为所述待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，所述待处理图像块包括的像素点的个数]，所述待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同。
优选地，
进一步包括：字典形成单元；
所述字典形成单元，用于将每一个训练图像切分成至少两个备选训练图像块；根据所述至少两个备选训练图像块在所述训练图像中的位置，确定至少两个样本位置；针对于每一个所述样本位置，从切分出的至少两个所述备选训练图像块中，确定所述样本位置对应的至少两个邻近训练图像块，将确定出的所述至少两个邻近训练图像块进行组合，形成与所述样本位置相对应的图像字典；
所述获取子单元，用于根据所述待处理图像块在所述待处理图像中的位置，确定所述字典形成单元形成的与所述待处理图像块对应的所述样本位置；从确定出的所述样本位置对应的图像字典中获取至少三个邻近训练图像块。
本发明实施例提供了一种图像处理方法及装置，针对于从待处理图像中切分出的每一个待处理图像块，根据该待处理图像块在待处理图像中的位置，获取与该待处理图像块相对应的至少两个训练图像块，计算该待处理图像块与每一个训练图像块之间的欧氏距离，根据计算出的各个欧式距离确定该待处理图像块对应的表示系数矩阵，利用确定出的表示系数矩阵进行运算，获得转换后的该待处理图像块；将获得的各个转换后的待处理图像块进行组成，形成与待处理图像相对应的合成图像。由于将待处理图像块与各个训练图像块之间的欧式距离作为计算表示系数矩阵的一个参数，相对于等同看待各个训练图像块的计算方式提高了表示系数矩阵的准确性，表示系数矩阵的准确性提高可以获得更加准确的合成图像，从而可以提高对图像进行处理的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种图像处理方法流程图；
图2是本发明一个实施例提供的一种表示系统矩阵计算方法流程图；
图3是本发明一个实施例提供的一种待处理图像块转换方法流程图；
图4是本发明一个实施例提供的一种训练图像块获取方法流程图；
图5是本发明一个实施例提供的一种图像字典形成方法流程图；
图6是本发明另一个实施例提供的一种图像处理方法流程图；
图7是本发明一个实施例提供的一种图像处理装置的示意图；
图8是本发明一个实施例提供的一种处理单元的示意图；
图9是本发明一个实施例提供的一种获取单元的示意图；
图10是本发明另一个实施例提供的一种图像处理装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种图像处理方法，该方法可以包括以下步骤：
步骤101：依次从待处理图像切分出的各个待处理图像块中选择一个待处理图像块，针对该待处理图像块执行步骤102至步骤106；
步骤102：根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；
步骤103：计算所述待处理图像块与每一个所述训练图像块之间的欧式距离；
步骤104：根据计算出的每一个所述欧式距离，确定所述待处理图像块对应的表示系数矩阵；
步骤105：利用所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；
步骤106：判断所述待处理图像块是否为所述待处理图像的最后一个待处理图像块，如果是，执行步骤107，否则执行步骤101；
步骤107：将获得的各个所述转换后的待处理图像块进行组合，形成合成图像。
本发明实施例提供了一种图像处理方法，针对于从待处理图像中切分出的每一个待处理图像块，根据该待处理图像块在待处理图像中的位置，获取与该待处理图像块相对应的至少两个训练图像块，计算该待处理图像块与每一个训练图像块之间的欧氏距离，根据计算出的各个欧式距离确定该待处理图像块对应的表示系数矩阵，利用确定出的表示系数矩阵进行运算，获得转换后的该待处理图像块；将获得的各个转换后的待处理图像块进行组成，形成与待处理图像相对应的合成图像。由于将待处理图像块与各个训练图像块之间的欧式距离作为计算表示系数矩阵的一个参数，相对于等同看待各个训练图像块的计算方式提高了表示系数矩阵的准确性，表示系数矩阵的准确性提高可以获得更加准确的合成图像，从而可以提高对图像进行处理的效果。
在本发明一个实施例中，如图2所示，图1步骤104中根据计算出的每一个欧式距离确定待处理图像块对应的表示系数矩阵的过程可以包括以下步骤：
步骤201：以计算出的各个欧式距离作为对角线元素创建对角矩阵；
步骤202：根据待处理图像块的灰度值，获取该待处理图像块对应的待处理图像块矩阵；
步骤203：根据至少两个训练图像块的灰度值，获取相对应的训练图像块集合矩阵；
步骤204：根据对角矩阵、待处理图像块矩阵及训练图像块集合矩阵，通过如下公式一计算待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i,j)为所述待处理图像块(i，j)对应的所述待处理图像块矩阵；所述为所述待处理图像块(i，j)对应的所述训练图像块集合矩阵；所述w(i,j)为所述待处理图像块(i，j)对应的所述表示系数矩阵，其中所述表示系统矩阵为列矩阵；所述E(i,j)为所述待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系统矩阵所包括的行数。
具体地，
在步骤201中，计算出待处理图像块与各个训练图像块之间的欧式距离之后，以计算出的各个欧式距离作为主对角线元素，创建与待处理图像块对应的对角矩阵。
例如，根据预先设定的切分规则，将待处理图像A切分成20*20共400个具有相同形状和大小的待处理图像块，根据各个待处理图像块在待处理图像A中的位置，通过横纵坐标对400个待处理图像块进行标识，按照从左到右、从上到下的顺序，任意一个待处理图像块可以表示为待处理图像块(i，j)，其中i为该待处理图像块在待处理图像A中所处的行，j为该待处理图像块在待处理图像A中所处的列，比如待处理图像A上第1行第一列的待处理图像块可以表示为待处理图像块(1，1)。针对于400个待处理图像块中的每一个，以待处理图像块(1，1)为例，计算出待处理图像块(1，1)与相对应的200个训练图像块的欧式距离后，将计算出的200个欧式距离作为对角线元素形成待处理图像块(1，1)对应的对角矩阵E(1,1)，对角矩阵E(1,1)包括200行和200列，除主对角线元素外其他元素均为零。
在步骤202中，根据待处理图像块的灰度值，确定一个具有多个维度的向量来表示该待处理图像块的灰度值，将所确定出的向量表示为一个列矩阵，该列矩阵的行数等于所确定向量的维度，所获得的列矩阵即为该待处理图像块对应的待处理图像块矩阵。
例如，通过一个4维向量来表示待处理图像块(1，1)的灰度值，获得与该向量相对应的具有4行的列矩阵，将获得的列矩阵确定为待处理图像块(1，1)对应的待处理图像块矩阵t(1,1)。
在步骤203中，根据待处理图像块对应的每一个训练图像块的灰度值，获得用于表示每一个训练图像块灰度值的多维向量，根据各个训练图像块对应的多维向量，形成与待处理图像块相对应的训练图像块集合矩阵，该训练图像块集合矩阵包括的列数等于训练图像块的个数，包括的行数等于表示训练图像块灰度值的多维向量的维度。
例如，针对于待处理图像块(1，1)对应的每一个训练图像块，用一个4维向量表示该训练图像块的灰度值，根据200个训练图像块分别对应的4维向量，形成一个4行200列的矩阵，将该矩阵作为待处理图像块(1，1)对应的训练图像块集合矩阵该训练图像块集合矩阵中每一列的元素为表示一个训练图像块灰度值的4维向量包括的4个数值。
在步骤204中，根据步骤201至步骤203中依次获得的对角矩阵、待处理图像矩阵及训练图像块集合矩阵，通过公式一计算待处理图像块对应的表示系数矩阵。
例如，将步骤201中获得的待处理图像块(1，1)对应的对角矩阵E(1,)，步骤202中获得的待处理图像块(1，1)对应的待处理图像块矩阵t(1,1)及步骤203中获得的待处理图像块(1，1)对应的训练图像块集合矩阵代入公式一形成如下表达式：
对上述公式进行求解，获得待处理图像块(1，1)对应的表示系数矩阵w(1,1)，表示系数矩阵w(1,1)的表达式如下：
w(1,1)＝w′(1,1)/(1T·w′(1,1))
其中，
在上述表示系数矩阵w(1,1)表达式中，\和/表示矩阵的左右除法，1表示全部为1的列向量或者矩阵(具体可以根据公式环境判断)，表示全为1的列向量1与行向量的乘积(结果为一矩阵)，1T·w′(1,1)表示全为1的行向量1T与列向量w′(1,1)的乘积(结果为一数值)，即对列向量w′(1,1)中的元素求和。公式w(1,1)＝w′(1,1)/(1T·w′(1,1))的作用是将列向量归一化(即w(1,1)向量元素和为1)。
在上述表示系数矩阵w(1,1)表达式中，λ为平衡项与||E(1,1)w(1,1)||2项的系数，比如可以为0.5。
通过上述表示系数矩阵w(1,1)表达式，计算出待处理图像块(1，1)对应的表示系数矩阵w(1,1)为一个包括200个元素的列矩阵。
在本发明一个实施例中，如图3所示，图1步骤105中利用待处理图像块对应的表示系数矩阵进行运算获得换转后待处理图像块的过程可以包括以下步骤：
步骤301：分别获取与每一个训练图像块相对应的合成图像块，其中合成图像块为相对应的训练图像块的处理后图像；
步骤302：根据每一个合成图像块的灰度值，获取与待处理图像块相对应的合成图像块集合矩阵；
步骤303：根据表示系数矩阵及合成图像块集合矩阵，通过如下公式二计算转换后的待处理图像块的灰度值；
步骤304：根据转换后的待处理图像块的灰度值，获得转换后的待处理图像块；
所述公式二包括：
其中，所述(i，j)用于表示所述待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述y(i，j)为转换后的所述待处理图像块(i，j)的灰度值；所述为所述待处理图像块(i，j)对应的所述合成图像块集合矩阵；所述w(i,j)为所述待处理图像块(i，j)对应的所述表示系数矩阵。
具体地，
在步骤301中，每一个训练图像块均设置有对应的合成图像块，合成图像块是由对应的训练图像块进行处理后形成的。根据待处理图像块对应的各个训练图像块，获取各个训练图像块对应的合成图像块，其中所获取到的合成图像块与训练图像块一一对应。
例如，针对于待处理图像块(1，1)对应的200个训练图像块，获取该200个训练图像块对应的200个合成图像块，合成图像块与训练图像块一一对应，训练图像块与待处理图像具有相同的图像格式，合成图像块与待处理图像的处理目标具有相同的图像格式。将获取到的200个合成图像块作为待处理图像块(1，1)对应的合成图像块。
在步骤302中，根据待处理图像块对应的每一个合成图像块的灰度值，获取用于表示每一个合成图像块灰度值的多维向量，根据各个合成图像块对应的对位向量，形成与待处理图像块对应的合成图像块集合矩阵，该合成图像块集合矩阵包括的列数等于合成图像块的个数，包括的行数等于表示合成图像块灰度值的多维向量的维度。其中，表示合成图像块灰度值的多维向量的维度与表示训练图像块灰度值的多维向量的维度可以相同，也可以不同。
例如，针对于待处理图像块(1，1)对应的每一个合成图像块，用一个4维向量表示该合成图像块的灰度值，根据200个合成图像块分别对应的4维向量，形成一个4行200列的矩阵，将该矩阵作为待处理图像块(1，1)对应的合成图像块集合矩阵该合成图像块集合矩阵中每一列的元素为表示一个合成图像块灰度值的4维向量包括的4个数值；并且在合成图像块集合矩阵与训练图像块集合矩阵中，列数相同的数据为相互对应的合成图像块与训练图像块的4维向量数值。
在步骤303中，根据图1步骤104或图2步骤204获得的表示系数矩阵，以及步骤302获得的训练图像块集合矩阵，通过公式二计算转换后待处理图像块的灰度值。
例如，将图2中步骤204获得的表示系数矩阵w(1，1)和图3中步骤302获得的合成图像块集合矩阵代入公式二，形成如下表达式：
通过上述表达式计算出表示转换后待处理图像块(1，1)灰度值的列矩阵y(1,1)，其中列矩阵y(1,1)包括有4个元素。
在步骤304中，根据步骤303中计算出的用于表示转换后待处理图像块灰度值的矩阵，以该矩阵中各个元素作为表示转换后待处理图像块灰度值的多维向量，根据该多维向量确定出转换后的待处理图像块。
例如，根据步骤303中获得的列矩阵y(1,1)，将列矩阵y(1,1)包括的4个元素形成的4维向量，根据该4维向量逆向确定出相应的图像，确定出的图像即为转换后的待处理图像块(1，1)。
在本发明一个实施例中，待处理图像可以是照片格式的图像，也可以是素描格式的图像。当待处理图像为照片格式的图像时，各个训练图像块为照片格式的图像块，各个合成图像块为素描格式的图像块，转换后的待处理图像块为素描格式的图像块，转换后的待处理图像为素描格式的图像；当待处理图像为素描格式的图像时，各个训练图像块为素描格式的图像块，各个合成图像块为照片格式的图像块，转换后的待处理图像块为照片格式的图像块，转换后的待处理图像为照片格式的图像。因此，通过该图像处理方法可以将照片转换为素描画像，也可以将素描画像转换为照片，以应用于不同的领域，提高了该图像处理方法的适用性。
在本发明一个实施例中，如图4所示，图1步骤102中根据待处理图像块在待处理图像中的位置确定与待处理图像块相对应的至少两个训练图像块的过程可以包括以下步骤：
步骤401：根据待处理图像块在待处理图像中位置，获取至少三个邻近训练图像块；
步骤402：计算待处理图像块与每一个邻近训练图像块之间的欧氏距离；
步骤403：选择与待处理图像块之间欧式距离最小的至少两个邻近训练图像块作为训练图像块。
具体地，
在步骤401中，训练图像块来自多个训练图像，每个训练图像均被通过与待处理图像相同的切分规则切分为多个训练图像块，并且待处理图像块与各个训练图像块具有相同的形状和大小。在获取与待处理图像块相对应的训练图像块时，首先确定待处理图像块中待处理图像中的位置，将该位置确定为样本位置；在各个训练图像上以样本位置为中心的一定区域内获取至少三个邻近图像块，其中所选出的至少三个邻近图像块可以来自相同的训练图像，也可以来自不同的训练图像。
例如，训练图像共有2000个，采用与待处理图像A相同的切分规则，将每一个训练图像切分成20*20共400个备选训练图像块，共形成400*2000＝800000个备选训练图像块。待处理图像块(1，1)在待处理图像A中处于第1行第1列，将第1行第1列这个位置确定为样本位置，以该样本位置为中心，向上下左右扩展5个单位，将扩展形成的区域确定为备选区域，从200个训练图像上位于备选区域中的各个备选训练图像块中选择800个图像块作为待处理图像块(1，1)对应的邻近训练图像块。
在步骤402中，针对于步骤401中获取到的每一个邻近训练图像块，计算该邻近训练图像块与待处理图像块之间的欧式距离。
例如，针对于步骤401中获取到的与待处理图像块(1，1)相对应的800个邻近训练图像块，分别计算每一个邻近训练图像块与待处理图像块(1，1)之间的欧式距离，共计算出800个欧式距离。
在步骤403中，根据步骤402中计算出的每一个邻近训练图像块与待处理图像块之间的欧式距离，选择与待处理图像块之间欧式距离最小的至少两个邻近训练图像块作为待处理图像块对应的训练图像块。
例如，根据每个邻近训练图像块对应的欧式距离，按照欧式距离从小到大的顺序对800个邻近训练图像块进行排序；根据排序结果选择前200个邻近训练图像块作为待处理图像块(1，1)对应的训练图像块。
根据欧式距离从至少三个邻近训练图像块中选择至少两个作为待处理图像块对应的训练图像块，一方面，选择与待处理图像块之间欧式距离小的邻近训练图像块作为训练图像块，可以缩小待处理图像块与训练图像块之间的差距，提高计算出的表示系数矩阵的准确性，从而可以进一步提高对图像进行处理的效果；另一方面，减少了待处理图像块对应的训练图像块，可以缩短计算表示系统矩阵所需的时间，提高对图像进行处理的效率。
在本发明一个实施例中，图4中步骤402计算待处理图像块与每一个邻近训练图像之间欧氏距离的过程，可以包括：
根据待处理图像块以及每一个邻近训练图像块的灰度值，通过如下公式三计算待处理图像块与每一个邻近训练图像块之间的欧式距离；
所述公式三包括：
其中，所述ej为所述待处理图像块与第j个所述邻近训练图像块之间的欧式距离；ai0为所述待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，所述待处理图像块包括的像素点的个数]，所述待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同。
例如，
将待处理图像块(1，1)划分为4个像素点，相应的将每一个邻近训练图像块也划分为4个像素点，针对于800个邻近训练图像块中的第一个邻近训练图像块1，将待处理图像块(1，1)所包括的4个像素点的灰度值和邻近训练图像块1所包括的4个像素点的灰度值代入公式三，计算待处理图像块(1，1)与邻近训练图像块1之间的欧式距离，计算过程如下：
其中，a10至a40分别为待处理图像块(1，1)所包括的4个像素点的灰度值，b11至b41分别为邻近训练图像块1所包括的相应位置的4个像素点的灰度值。
在本发明一个实施例中，在图1中步骤102之前还可以创建图像字典，如图5所示，创建图像字典的过程可以包括如下步骤：
步骤501：将每一个训练图像切分成至少两个备选训练图像块；
步骤502：根据至少两个备选训练图像块在训练图像中的位置，确定至少两个样本位置；
步骤503：针对于每一个样本位置，从切分出的至少两个备选训练图像块中，确定样本位置对应的至少两个邻近训练图像块；
步骤504：针对于每一个样本位置，将确定出的至少两个邻近训练图像块进行组合，形成与样本位置相对应的图像字典。
具体地，
在步骤501中，针对于每一个训练图像，通过与切分待处理图像相同的切分规则，将该训练图像切分成至少两个备选训练图像块。
例如，将每一个训练图像切分成20*20共400个备选训练图像块。
在步骤502中，针对于任意一个训练图像，根据从该训练图像中切分出的至少两个备选训练图像块在该训练图像中所处的位置，确定至少两个样本位置。
例如，由于每一个训练图像被切分为20*20共400个备选训练图像块，根据每一个备选训练图像块在所处训练图像上的行位置和列位置，通过横纵坐标的形式确定出400个样本位置，每一个样本位置均可以表示为样本位置(i，j)，其中i为该样本位置在训练图像上的行数，j为该样本位置在训练图像上的列数，且i和j满足i∈[1，20]，j∈[1，20]。
在步骤503中，针对于步骤502中确定出的每一个样本位置，以该样本位置为中心确定对应的样本区域，从各个训练图像上位于该样本区域内的多个备选训练图像块中选择至少两个备选训练图像块作为该样本位置对应的邻近训练图像块。
例如，以任意一个样本位置(i，j)为中心，向上下左右扩展5个备选训练图像块的距离，作为该样本位置(i，j)对应的备选区域(i，j)，如果该样本位置(i，j)不在训练图像的边缘，则该备选区域(i，j)包括M·(2×5+1)2个备选训练图像块，其中M为训练图像的个数；如果该样本位置(i，j)位于训练图像的边缘位置，则该备选区域(i，j)包括的备选训练图像块个数小于M·(2×5+1)2。比如包括2000个训练图像时，可以从每一个备选区域(i，j)中选择800个备选训练图像块作为样本位置(i，j)对应的的邻近训练图像块。
在步骤504中，针对于每一个样本位置，将步骤503中获得的该样本位置对应的至少两个邻近训练图像块进行组成，形成与该样本位置对应的图像字典。
例如，针对于400个样本位置中的每一个样本位置，对步骤503中获取到的该样本位置对应的800个邻近训练图像块进行组合，形成该样本位置对应的图像字典。
相应地，在获取每一个样本位置对应的图像字典后，图4中步骤401根据待处理图像块在待处理图像中的位置获取至少三个邻近训练图像块的过程，可以包括：
根据待处理图像块在待处理图像中的位置，确定待处理图像块对应的样本位置，进而从确定出的样本位置对应的图像字典中获取至少三个邻近训练图像块。
例如，待处理图像块(1，1)位于待处理图像的左上角，则该待处理图像块(1，1)对应的样本位置为样本位置(1，1)。获取样本位置(1，1)对应的图像字典后，直接获取该图像字典包括的800个邻近训练图像块执行后续步骤。
由此可见，步骤501至步骤504预先为每一个样本位置创建了一个对应的图像字典，当需要获取用于计算待处理图像块表示系数矩阵的邻近训练图像块时，根据待处理图像块在待处理图像中的位置，确定待处理图像块对应的样本位置，直接将该样本位置所对应图像字典中包括的邻近训练图像块作为该待处理图像的邻近训练图像块。这样，通过预先创建图形字典的方式，在计算待处理图像块对应的表示系数矩阵时，可以直接从对应的图像字典中读取邻近训练图像块，节省了在线从各个备选训练图像块中选择邻近图像训练块所需的时间，从而可以进一步提高对图像进行处理的效率。
下面以将照片格式的图像转换为素描格式的图像为例，结合图1至图5所示的方法实施例，对本发明实施例提供的图像处理方法作进一步详细说明，如图6所示，该方法可以包括以下步骤：
步骤601：针对于每一个样本位置，创建对应的训练图像块字典及合成图像块字典。
在本发明一个实施例中，根据图5所示的方法，创建每一个样本位置对应的训练图像块字典，此处训练图像块字典即为图5所示实施例中的图像字典；针对于每一个训练图像块字典，根据该训练图像块字典所包括的邻近训练图像块，形成与该训练图像块字典相对应的合成图像块字典，其中，该合成图像块字典所包括的合成图像块与该训练图像块字典所包括的邻近训练图像块一一对应。训练图像块字典中包括的邻近训练图像块均为照片格式，合成图像块字典中包括的合成图像块均为素描格式。
例如，共包括有2000个训练图像，每一个训练图像均被划分为20*20共400个图像块，形成400个样本位置，为每一个样本位置创建的训练图像块字典及合成图像块字典，其中每个训练图像块字典中包括800个邻近训练图像块，每个合成图像块字典包括800个合成图像块。
步骤602：对待处理图像进行切分，获取两个待处理图像块。
在本发明一个实施例中，根据训练图像的切分规则，对待处理图像进行切分，获取至少两个待处理图像块。其中，待处理图像的形状、大小与训练图像相同，所切分出的各个待处理图像块与各个邻近训练图像块具有相同的形状和大小。
例如，待处理图像为照片格式图像，将待处理图像切分为20*20共400个待处理图像块。
步骤603：依次从至少两个待处理图像块中选择一个当前待处理图像块。
在本发明一个实施例中，根据各个待处理图像块在待处理图像中的位置，依次从至少两个待处理图像块中选择一个待处理图像块作为当前待处理图像块。例如可以按照从左到右，从上到下的顺序，依次将400个待处理图像块作为当前待处理图像块执行以下步骤。
步骤604：根据当前待处理图像块在待处理图像中的位置，获取至少三个邻近训练图像块。
在本发明一个实施例中，根据当前待处理图像块在待处理图像中的位置，确定当前待处理图像块对应的样本位置，根据确定出的样本位置确定当前待处理图像块对应的训练图像块字典，获取确定出的训练图像块字典中包括的各个邻近训练图像块，作为当前待处理图像块对应的邻近训练图像块。
例如，当前待处理图像块(1，1)位于待处理图像的左上角，确定该位置的样本位置(1，1)，获取样本位置(1，1)对应的训练图像块字典(1，1)，将训练图像块字典(1，1)中包括的800个邻近训练图像块作为当前待处理图像块(1，1)对应的邻近训练图像块。
步骤605：计算当前待处理图像块与各个邻近训练图像块之间的欧式距离。
在本发明一个实施例中，针对于当前待处理图像块对应的每一个邻近训练图像块，根据该邻近训练图像块的灰度值及当前待处理图像块的灰度值，通过如下公式三计算该邻近训练图像块与当前待处理图像块之间的欧式距离，从而获得当前待处理图像块与各个邻近训练图像块之间的欧式距离；
其中公式三包括：
其中，所述ej为当前待处理图像块与第j个所述邻近训练图像块之间的欧式距离；ai0为当前待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，当前待处理图像块包括的像素点的个数]，当前待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同，并且当前待处理图像块包括的像素点个数为正方形数。
例如，通过上述公式三计算出当前待处理图像块(1，1)与800个邻近训练图像块之间的欧式距离。
步骤606：根据欧式距离，从各个邻近训练图像块中获取至少两个训练图像块。
在本发明一个实施例中，根据当前待处理图像块与各个邻近训练图像块之间的欧式距离，选择与当前待处理图像块之前欧式距离最小的至少两个邻近训练图像块作为当前待处理图像块对应的训练图像块。
例如，根据当前待处理图像块(1，1)与800个邻近训练图像块之间的欧式距离，从800个邻近训练图像块中选择200个与当前待处理图像块(1，1)之间欧式距离最小的邻近训练图像块作为当前待处理图像块(1，1)对应的训练图像块。
步骤607：以各个训练图像块与当前待处理图像块之间的欧式距离作为对角线元素创建对角矩阵。
在本发明一个实施例中，针对于步骤606中获取到的至少两个训练图像块，根据步骤605中计算出的各个欧式距离，以至少两个训练图像块与当前待处理图像块之间的欧式距离作为对角线元素创建对角矩阵，对角矩阵的创建过程在图2所示实施例中的步骤201已经详细描述，再此不再赘述。
例如，形成与当前待处理图像块(1，1)对应的对角矩阵E(1,1)，该对角矩阵包括200行200列，出主对角线元素为欧式距离外，其他元素均为零。
步骤608：根据当前待处理图像块的灰度值，获取当前待处理图像块对应的待处理图像块矩阵。
在本发明一个实施例中，根据当前待处理图像块的灰度值，确定一个列向量作为当前待处理图像块对应的待处理图像块矩阵，具体的确定过程在图2所示实施例中的步骤202已经详细描述，再此不再赘述。
例如，根据当前待处理图像块(1，1)的灰度值，确定当前待处理图像块(1，1)对应的待处理图像块矩阵t(1,1)。
步骤609：根据当前待处理图像块对应的各个训练图像块的灰度值，获取当前待处理图像块对应的训练图像块集合矩阵。
在本发明一个实施例中，根据当前待处理图像块对应的各个训练图像块的灰度值，以每一个训练图像块对应的灰度表示向量作为一列，构建当前待处理图像块对应的训练图像块集合矩阵，具体的构建过程在图2所示实施例中的步骤203已经详细描述，再此不再赘述。
例如，根据当前待处理图像块(1，1)对应的200个训练图像块的灰度值，构建出当前待处理图像块(1，1)对应的训练图像块集合矩阵训练图像块集合矩阵包括200列，每一列对应一个训练图像块的灰度表示向量。
步骤610：根据当前待处理图像块对应的对角矩阵、待处理图像块矩阵及训练图像块集合矩阵，计算当前待处理图像块对应的表示系数矩阵。
在本发明一个实施例中，将步骤607确定的对角矩阵，步骤608确定的待处理图像块矩阵及步骤609确定的训练图像块集合矩阵，通过公式一计算当前待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示当前待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为当前待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为当前待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i,j)为当前待处理图像块(i，j)对应的待处理图像块矩阵；所述为当前待处理图像块(i，j)对应的训练图像块集合矩阵；所述w(i,j)为当前待处理图像块(i，j)对应的表示系数矩阵，其中表示系统矩阵为列矩阵；所述E(i,j)为当前待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系数矩阵所包括的行数。
表示系数矩阵的具体解析过程可以参照图2所示实施例中步骤204的描述，再此不再赘述。
例如，将当前待处理图像块(1，1)对应的对角矩阵E(1,1)、待处理图像块矩阵t(1,1)及训练图像块集合矩阵代入公式一进行计算，获得当前待处理图像块(1，1)对应的表示系数矩阵w(1,1)。
步骤611：根据当前待处理图像块对应的表示系数矩阵及合成图像块字典，获得转换后的当前待处理图像块的灰度值。
在本发明一个实施例中，根据当前待处理图像块在待处理图像中的位置，确定当前待处理图像块对应的样本位置，根据确定出的样本位置确定当前待处理图像块对应的合成图像块字典。根据当前待处理图像块对应的合成图像块字典的中包括的各个合成图像块的灰度值，确定当前待处理图像块对应的合成图像块集合矩阵，具体确定过程在图3所示实施例中步骤302已经详细描述，再此不再赘述。根据当前待处理图像块对应的合成图像块集合矩阵及表示系数矩阵，通过如下公式二进行运算，获得转换后的当前待处理图像块的灰度值；
所述公式二包括：
其中，所述(i，j)用于表示当前待处理图像块(i，j)在待处理图像中的位置信息，其中i为当前待处理图像块(i，j)在切分后待处理图像中所处的行，j为当前待处理图像块(i，j)在切分后待处理图像中所处的列；所述y(i,j)为转换后的当前待处理图像块(i，j)的灰度值；所述为当前待处理图像块(i，j)对应的合成图像块集合矩阵；所述w(i,j)为当前待处理图像块(i，j)对应的表示系数矩阵。
例如，根据当前待处理图像块(1，1)在待处理图像中的位置，确定当前待处理图像块(1，1)对应的合成图像块字典，根据合成图像块字典中包括的各个合成图像块的灰度值，获得当前待处理图像块(1，1)对应的合成图像块集合矩阵将当前待处理图像块(1，1)对应的合成图像块集合矩阵及表示系数矩阵w(1,1)代入上述公式二，运算获得转换后当前待处理图像块(1，1)的灰度值，该灰度值为列矩阵模拟，列矩阵中的各个元素表示当前待处理图像块(1，1)所包括的各个像素点的灰度值。
步骤612：根据转换后当前待处理图像块的灰度值，转换后当前待处理图像块。
在本发明一个实施例中，根据步骤611中获得的转换后当前待处理图像块的灰度值，创建一个新的空白图像块，按照表示该灰度值的列矩阵包括的各个元素，在该空白图像块上相应的像素点中添加灰度值，形成转换后的当前待处理图像块；或者，直接按照表示该灰度值的列矩阵包括的各个元素，对当前待处理图像块上相应像素点的灰度值进行更改，形成转换后的当前待处理图像块。
步骤613：判断当前待处理图像块是否为待处理图像包括的最后一个待处理图像块，如果是，执行步骤614，否则执行步骤603。
在本发明一个实施例中，如果对待处理图像包括的各个待处理图像块均已经完成转换，则执行步骤614，否则返回执行步骤603对没有转换的待处理图像块进行转换。
例如，判断当前待处理图像块对应的标识是否为(200，200)，如果是，执行步骤614，否则执行步骤603。
步骤614：根据各个待处理图像块在待处理图像上的位置，对各个转换后的待处理图像块进行组成，形成待处理图像对应的合成图像。
在本发明一个实施例中，根据每一个待处理图像块在待处理图像上的位置，调整各个转换后待处理图像块之间的连接位置，使各个转换后待处理图像块之间的位置关系与没有转换的各个待处理图像块之间的位置关系保持一致，对调整连接位置完成的各个转换后待处理图像块进行组成，形成待处理图像对应的合成图像，完成待处理图像的处理。
例如，将400个转换后的待处理图像块的位置进行调整并进行组合，形成对待处理图像相对应的合成图像，即将照片图像转换相对应的素描图像。
如图7所示，本发明一个实施例提供了一种图像处理装置，包括：获取单元701、计算单元702、处理单元703、转换单元704及组合单元705；
所述获取单元701，用于针对于从待处理图像切分出的每一个待处理图像块，根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；
所述计算单元702，用于计算所述待处理图像块与所述获取单元701获取到的每一个所述训练图像块之间的欧氏距离；
所述处理单元703，用于根据所述计算单元702计算出的每一个所述欧式距离，确定所述待处理图像块对应的表示系数矩阵；
所述转换单元704，用于利用所述处理单元703确定出的所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；
所述组合单元705，用于将所述转换单元704获得的各个所述转换后的待处理图像块进行组合，形成合成图像。
在本发明一个实施例中，如图8所示，所述处理单元703包括：矩阵形成子单元7031及矩阵解析子单元7032；
所述矩阵形成子单元7031，用于以计算出的各个所述欧式距离作为对角线元素创建对角矩阵；并根据所述待处理图像块的灰度值，获取所述待处理图像块对应的待处理图像块矩阵；以及根据所述至少两个训练图像块的灰度值，获取相对应的训练图像块集合矩阵；
所述矩阵解析子单元7032，用于根据所述矩阵形成子单元7032获得的所述对角矩阵、所述待处理图像块矩阵及所述训练图像块集合矩阵，通过如下公式一计算所述待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i,j)为所述待处理图像块(i，j)对应的所述待处理图像块矩阵；所述为所述待处理图像块(i，j)对应的所述训练图像块集合矩阵；所述w(i,j)为所述待处理图像块(i，j)对应的所述表示系数矩阵，其中所述表示系统矩阵为列矩阵；所述E(i,j)为所述待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系数矩阵所包括的行数。
在本发明一个实施例中，如图9所示，所述获取单元701包括：获取子单元7011、运算子单元7012及选择子单元7013；
所述获取子单元7011，用于根据所述待处理图像块在所述待处理图像中位置，获取至少三个邻近训练图像块；
所述运算子单元7012，用于计算所述待处理图像块与所述获取子单元7011获取到的每一个所述邻近训练图像块之间的欧氏距离；
所述选择子单元7013，用于根据所述运算子单元7012的计算结果，选择与所述待处理图像块之间欧式距离最小的至少两个邻近训练图像块作为所述训练图像块。
在本发明一个实施例中，如图9所示，所述运算子单元7012，用于根据所述待处理图像块及每一个所述邻近训练图像块的灰度值，通过如下公式三计算所述待处理图像块与每一个所述邻近训练图像块之间的欧式距离；
所述公式三包括：
其中，所述ej为所述待处理图像块与第j个所述邻近训练图像块之间的欧式距离；ai0为所述待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，所述待处理图像块包括的像素点的个数]，所述待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同。
在本发明一个实施例中，如图10所示，进一步包括：字典形成单元1006；
所述字典形成单元1006，用于将每一个训练图像切分成至少两个备选训练图像块；根据所述至少两个备选训练图像块在所述训练图像中的位置，确定至少两个样本位置；针对于每一个所述样本位置，从切分出的至少两个所述备选训练图像块中，确定所述样本位置对应的至少两个邻近训练图像块，将确定出的所述至少两个邻近训练图像块进行组合，形成与所述样本位置相对应的图像字典；
所述获取子单元，用于根据所述待处理图像块在所述待处理图像中的位置，确定所述字典形成单元形成的与所述待处理图像块对应的所述样本位置；从确定出的所述样本位置对应的图像字典中获取至少三个邻近训练图像块。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例提供的图像处理方法及装置，至少具有如下有益效果：
1、在本发明实施例提供的图像处理方法及装置中，针对于从待处理图像中切分出的每一个待处理图像块，根据该待处理图像块在待处理图像中的位置，获取与该待处理图像块相对应的至少两个训练图像块，计算该待处理图像块与每一个训练图像块之间的欧氏距离，根据计算出的各个欧式距离确定该待处理图像块对应的表示系数矩阵，利用确定出的表示系数矩阵进行运算，获得转换后的该待处理图像块；将获得的各个转换后的待处理图像块进行组成，形成与待处理图像相对应的合成图像。由于将待处理图像块与各个训练图像块之间的欧式距离作为计算表示系数矩阵的一个参数，相对于等同看待各个训练图像块的计算方式提高了表示系数矩阵的准确性，表示系数矩阵的准确性提高可以获得更加准确的合成图像，从而可以提高对图像进行处理的效果。
2、在本发明实施例提供的图像处理方法及装置中，将训练图像切分为至少两个备选训练图像块后，根据至少两个备选训练图像块在训练图像上的位置，确定至少两个样本位置；根据样本位置确定每一个样本位置对应的图像字典。由于图像字典是预先形成的，在计算待处理图像块对应的表示系数矩阵时，只需要根据待处理图像块的位置直接将从对应的图像字典中获取邻近训练图像块，节省了在线从各个备选训练图像块中选择邻近图像训练块所需的时间，从而可以进一步提高对图像进行处理的效率。
3、在本发明实施例提供的图像处理方法及装置中，针对于从图形字典中获取到的各个邻近训练图像块，计算各个邻近训练图像块与待处理图像块之间的欧式距离，选择与待处理图像块之间欧式距离小的至少两个邻近训练图像块作为最终计算表示系数矩阵的训练图像块，一方面，选择与待处理图像块之间欧式距离小的邻近训练图像块作为训练图像块，可以缩小待处理图像块与训练图像块之间的差距，提高计算出的表示系数矩阵的准确性，从而可以进一步提高对图像进行处理的效果；另一方面，减少了待处理图像块对应的训练图像块，可以缩短计算表示系统矩阵所需的时间，提高对图像进行处理的效率。
4、在本发明实施例提供的图像处理方法及装置中，针对于每一个样本位置预先生成相对应的训练图像块字典及合成图像块字典，由于训练图像块字典与合成图像块字典具有对应关系，因此训练图像块字典与合成图像块字典的位置可以互换，即可以将与训练图像块字典中图像块格式相同的待处理图像转换为与合成图像块字典中图像块格式相同的图像，也可以将与合成图像块字典中图像块格式相同的待处理图像转换为与训练图像块字典中图像块格式相同的图像，从而提高了该图像处理方法及装置的适用性。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (8)
1.一种图像处理方法，其特征在于，包括：
针对于从待处理图像切分出的每一个待处理图像块，均执行：
根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；
计算所述待处理图像块与每一个所述训练图像块之间的欧氏距离；
根据计算出的每一个所述欧氏距离，确定所述待处理图像块对应的表示系数矩阵；
利用所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；
将获得的各个所述转换后的待处理图像块进行组合，形成合成图像；
所述根据计算出的每一个所述欧氏距离确定所述待处理图像块对应的表示系数矩阵，包括：
以计算出的各个所述欧氏距离作为对角线元素创建对角矩阵；
根据所述待处理图像块的灰度值，获取所述待处理图像块对应的待处理图像块矩阵；
根据所述至少两个训练图像块的灰度值，获取相对应的训练图像块集合矩阵；
根据所述对角矩阵、所述待处理图像块矩阵及所述训练图像块集合矩阵，通过如下公式一计算所述待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i，j)为所述待处理图像块(i，j)对应的所述待处理图像块矩阵；所述为所述待处理图像块(i，j)对应的所述训练图像块集合矩阵；所述w(i，j)为所述待处理图像块(i，j)对应的所述表示系数矩阵，其中所述表示系统矩阵为列矩阵；所述E(i，j)为所述待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系数矩阵所包括的行数；
通过对所述公式一进行求解获得w(i，j)＝w′(i，j)/(1T·w′(i，j))；
其中，\和/表示矩阵的左右除法，1表示全部为1的列向量或者矩阵，表示全为1的列向量1与行向量的乘积，1T·w′(i，j)表示全为1的行向量1T与列向量w′(i，j)的乘积。
2.根据权利要求1所述的方法，其特征在于，
所述利用所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块，包括：
分别获取与每一个所述训练图像块相对应的合成图像块，其中所述合成图像块为相对应的所述训练图像块的处理后图像；
根据每一个所述合成图像块的灰度值，获取与所述待处理图像块相对应的合成图像块集合矩阵；
根据所述表示系数矩阵及所述合成图像块集合矩阵，通过如下公式二计算转换后的所述待处理图像块的灰度值；
根据转换后的所述待处理图像块的灰度值，获得转换后的所述待处理图像块；
所述公式二包括：
其中，所述(i，j)用于表示所述待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述y(i，j)为转换后的所述待处理图像块(i，j)的灰度值；所述为所述待处理图像块(i，j)对应的所述合成图像块集合矩阵；所述w(i，j)为所述待处理图像块(i，j)对应的所述表示系数矩阵；
和/或，
所述待处理图像包括：照片格式的待处理图像，或者素描格式的待处理图像。
3.根据权利要求1所述的方法，其特征在于，
所述根据所述待处理图像块在所述待处理图像中的位置获取与所述待处理图像块相对应的至少两个训练图像块，包括：
根据所述待处理图像块在所述待处理图像中位置，获取至少三个邻近训练图像块；
计算所述待处理图像块与每一个所述邻近训练图像块之间的欧氏距离；
选择与所述待处理图像块之间欧氏距离最小的至少两个邻近训练图像块作为所述训练图像块。
4.根据权利要求3所述的方法，其特征在于，
所述计算所述待处理图像块与每一个所述邻近训练图像块之间的欧氏距离，包括：
根据所述待处理图像块及每一个所述邻近训练图像块的灰度值，通过如下公式三计算所述待处理图像块与每一个所述邻近训练图像块之间的欧氏距离；
所述公式三包括：
其中，所述ej为所述待处理图像块与第j个所述邻近训练图像块之间的欧氏距离；ai0为所述待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，所述待处理图像块包括的像素点的个数]，所述待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同。
5.根据权利要求3所述的方法，其特征在于，
在所述根据所述待处理图像块在所述待处理图像中的位置获取与所述待处理图像块相对应的至少两个训练图像块之前，进一步包括：
将每一个训练图像切分成至少两个备选训练图像块；
根据所述至少两个备选训练图像块在所述训练图像中的位置，确定至少两个样本位置；
针对于每一个所述样本位置，均执行：
从切分出的至少两个所述备选训练图像块中，确定所述样本位置对应的至少两个邻近训练图像块；
将确定出的所述至少两个邻近训练图像块进行组合，形成与所述样本位置相对应的图像字典；
所述根据所述待处理图像块在所述待处理图像中位置获取至少三个邻近训练图像块，包括：
根据所述待处理图像块在所述待处理图像中的位置，确定所述待处理图像块对应的所述样本位置；
从确定出的所述样本位置对应的图像字典中获取至少三个邻近训练图像块。
6.一种图像处理装置，其特征在于，包括：获取单元、计算单元、处理单元、转换单元及组合单元；
所述获取单元，用于针对于从待处理图像切分出的每一个待处理图像块，根据所述待处理图像块在所述待处理图像中的位置，获取与所述待处理图像块相对应的至少两个训练图像块；
所述计算单元，用于计算所述待处理图像块与所述获取单元获取到的每一个所述训练图像块之间的欧氏距离；
所述处理单元，用于根据所述计算单元计算出的每一个所述欧氏距离，确定所述待处理图像块对应的表示系数矩阵；
所述转换单元，用于利用所述处理单元确定出的所述待处理图像块对应的表示系数矩阵进行运算，获得转换后的所述待处理图像块；
所述组合单元，用于将所述转换单元获得的各个所述转换后的待处理图像块进行组合，形成合成图像；
所述处理单元包括：矩阵形成子单元及矩阵解析子单元；
所述矩阵形成子单元，用于以计算出的各个所述欧氏距离作为对角线元素创建对角矩阵；并根据所述待处理图像块的灰度值，获取所述待处理图像块对应的待处理图像块矩阵；以及根据所述至少两个训练图像块的灰度值，获取相对应的训练图像块集合矩阵；
所述矩阵解析子单元，用于根据所述矩阵形成子单元获得的所述对角矩阵、所述待处理图像块矩阵及所述训练图像块集合矩阵，通过如下公式一计算所述待处理图像块对应的表示系数矩阵；
所述公式一包括：
其中，所述(i，j)用于表示待处理图像块(i，j)在所述待处理图像中的位置信息，其中i为所述待处理图像块(i，j)在切分后所述待处理图像中所处的行，j为所述待处理图像块(i，j)在切分后所述待处理图像中所处的列；所述t(i，j)为所述待处理图像块(i，j)对应的所述待处理图像块矩阵；所述为所述待处理图像块(i，j)对应的所述训练图像块集合矩阵；所述w(i，j)为所述待处理图像块(i，j)对应的所述表示系数矩阵，其中所述表示系统矩阵为列矩阵；所述E(i，j)为所述待处理图像块(i，j)对应的所述对角矩阵；所述λ为常数形式的平衡系数；所述为所述表示系数矩阵中第k行的元素；所述K为所述表示系数矩阵所包括的行数；
所述矩阵解析子单元，用于通过对所述公式一进行求解获得w(i，j)＝w′(i，j)/ (1T·w′(i，j))，其中，\和/表示矩阵的左右除法，1表示全部为1的列向量或者矩阵，表示全为1的列向量1与行向量的乘积，1T·w′(i，j)表示全为1的行向量1T与列向量w′(i，j)的乘积。
7.根据权利要求6所述的装置，其特征在于，
所述获取单元包括：获取子单元、运算子单元及选择子单元；
所述获取子单元，用于根据所述待处理图像块在所述待处理图像中位置，获取至少三个邻近训练图像块；
所述运算子单元，用于计算所述待处理图像块与所述获取子单元获取到的每一个所述邻近训练图像块之间的欧氏距离；
所述选择子单元，用于根据所述运算子单元的计算结果，选择与所述待处理图像块之间欧氏距离最小的至少两个邻近训练图像块作为所述训练图像块。
8.根据权利要求7所述的装置，其特征在于，
所述运算子单元，用于根据所述待处理图像块及每一个所述邻近训练图像块的灰度值，通过如下公式三计算所述待处理图像块与每一个所述邻近训练图像块之间的欧氏距离；
所述公式三包括：
其中，所述ej为所述待处理图像块与第j个所述邻近训练图像块之间的欧氏距离；ai0为所述待处理图像块上第i个像素点的灰度值；bij为第j个所述邻近训练图像块上第i个像素点的灰度值；其中，i∈[1，所述待处理图像块包括的像素点的个数]，所述待处理图像块包括的像素点个数与所述邻近训练图像块包括的像素点个数相同；
和/或，
进一步包括：字典形成单元；
所述字典形成单元，用于将每一个训练图像切分成至少两个备选训练图像块；根据所述至少两个备选训练图像块在所述训练图像中的位置，确定至少两个样本位置；针对于每一个所述样本位置，从切分出的至少两个所述备选训练图像块中，确定所述样本位置对应的至少两个邻近训练图像块，将确定出的所述至少两个邻近训练图像块进行组合，形成与所述样本位置相对应的图像字典；
所述获取子单元，用于根据所述待处理图像块在所述待处理图像中的位置，确定所述字典形成单元形成的与所述待处理图像块对应的所述样本位置；从确定出的所述样本位置对应的图像字典中获取至少三个邻近训练图像块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611039204.1A CN106412590B (zh) | 2016-11-21 | 2016-11-21 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611039204.1A CN106412590B (zh) | 2016-11-21 | 2016-11-21 | 一种图像处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106412590A CN106412590A (zh) | 2017-02-15 |
| CN106412590B true CN106412590B (zh) | 2019-05-14 |
Family
ID=58082631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611039204.1A Expired - Fee Related CN106412590B (zh) | 2016-11-21 | 2016-11-21 | 一种图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106412590B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1701339A (zh) * | 2002-09-19 | 2005-11-23 | 汤晓鸥 | 画像－照片识别 |
| CN101159064A (zh) * | 2007-11-29 | 2008-04-09 | 腾讯科技（深圳）有限公司 | 画像生成系统以及按照图像生成画像的方法 |
| CN101482925A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于局部嵌入式隐马尔可夫模型的照片生成方法 |
| CN104700439A (zh) * | 2015-03-12 | 2015-06-10 | 陕西炬云信息科技有限公司 | 基于单张目标画像的人脸画像合成方法 |
| CN105138951A (zh) * | 2015-07-08 | 2015-12-09 | 西安电子科技大学 | 基于图模型表示的人脸画像-照片识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6845171B2 (en) * | 2001-11-19 | 2005-01-18 | Microsoft Corporation | Automatic sketch generation |
-
2016
- 2016-11-21 CN CN201611039204.1A patent/CN106412590B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1701339A (zh) * | 2002-09-19 | 2005-11-23 | 汤晓鸥 | 画像－照片识别 |
| CN101159064A (zh) * | 2007-11-29 | 2008-04-09 | 腾讯科技（深圳）有限公司 | 画像生成系统以及按照图像生成画像的方法 |
| CN101482925A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于局部嵌入式隐马尔可夫模型的照片生成方法 |
| CN104700439A (zh) * | 2015-03-12 | 2015-06-10 | 陕西炬云信息科技有限公司 | 基于单张目标画像的人脸画像合成方法 |
| CN105138951A (zh) * | 2015-07-08 | 2015-12-09 | 西安电子科技大学 | 基于图模型表示的人脸画像-照片识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于局部约束邻域嵌入的人脸画像-照片合成";胡彦婷等;《计算机应用》;20150210;第35卷(第2期);参见第535页第0部分-第538第3部分 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106412590A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492343B (zh) | 一种扩充目标识别的训练数据的图像合成方法 | |
| CN110837870B (zh) | 基于主动学习的声呐图像目标识别方法 | |
| CN110222770B (zh) | 一种基于组合关系注意力网络的视觉问答方法 | |
| CN104134234A (zh) | 一种全自动的基于单幅图像的三维场景构建方法 | |
| US20220335600A1 (en) | Method, device, and storage medium for lesion segmentation and recist diameter prediction via click-driven attention and dual-path connection | |
| CN111507357B (zh) | 一种缺陷检测语义分割模型建模方法、装置、介质及设备 | |
| CN109284779A (zh) | 基于深度全卷积网络的物体检测方法 | |
| CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
| CN111368637B (zh) | 一种基于多掩模卷积神经网络的搬运机器人识别目标方法 | |
| CN107330873A (zh) | 基于多尺度双目融合和局部特征提取的立体图像质量客观评价方法 | |
| CN107533760B (zh) | 一种图像分割方法和装置 | |
| RU2361273C2 (ru) | Способ и устройство для распознавания изображений объектов | |
| CN109284702B (zh) | 一种基于图像模式的答题卷给分及阅卷系统 | |
| CN116503398B (zh) | 绝缘子污闪检测方法、装置、电子设备及存储介质 | |
| CN106412590B (zh) | 一种图像处理方法及装置 | |
| CN115880477A (zh) | 一种基于深度卷积神经网络的苹果检测定位方法与系统 | |
| CN109815889A (zh) | 一种基于特征表示集的跨分辨率人脸识别方法 | |
| CN106570910B (zh) | 基于自编码特征和近邻模型的图像自动标注方法 | |
| CN114373027A (zh) | 基于灰度共生矩阵的瓷砖图像数据集生成方法 | |
| CN115035193A (zh) | 一种基于双目视觉与图像分割技术的散装粮随机扦样方法 | |
| CN114611667A (zh) | 一种基于小规模参数矩阵计算特征图边界的重构方法 | |
| CN113128292A (zh) | 一种图像识别方法、存储介质及终端设备 | |
| KR102614742B1 (ko) | 격점상세도 전산화 데이터 처리 및 격점상세도 모델링파일 추천 방법 | |
| CN109740618A (zh) | 基于fhog特征的络试卷分数自动统计方法和装置 | |
| CN112115949B (zh) | 一种烟草证件以及订单的光学文字识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201019 Address after: 721000 robot intelligent manufacturing industrial park, Chencang District, Baoji City, Shaanxi Province Patentee after: Shaanxi Silk Road Robot Intelligent Manufacturing Research Institute Co.,Ltd. Address before: 710071, No. 2 Taibai South Road, Yanta District, Shaanxi, Xi'an Patentee before: XIDIAN University |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190514 Termination date: 20201121 |