CN111292268A - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents

图像处理方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111292268A
CN111292268A CN202010082635.6A CN202010082635A CN111292268A CN 111292268 A CN111292268 A CN 111292268A CN 202010082635 A CN202010082635 A CN 202010082635A CN 111292268 A CN111292268 A CN 111292268A
Authority
CN
China
Prior art keywords
image
image block
block
blocks
adjacent
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.)
Granted
Application number
CN202010082635.6A
Other languages
English (en)
Other versions
CN111292268B (zh
Inventor
王诗吟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010082635.6A priority Critical patent/CN111292268B/zh
Publication of CN111292268A publication Critical patent/CN111292268A/zh
Application granted granted Critical
Publication of CN111292268B publication Critical patent/CN111292268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本公开实施例涉及图像处理技术领域，公开了一种图像处理方法、装置、电子设备及计算机可读存储介质，其中，图像处理方法包括：通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；接着，针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；接着，基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。

Description

图像处理方法、装置、电子设备及计算机可读存储介质
技术领域
本公开实施例涉及图像处理技术领域，具体而言，本公开涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
图片可以记录生活的点滴，但是由于拍摄条件和技巧的影响，拍摄的图片往往还需要对其进行处理，例如需要对图片的某个区域进行提高处理，又例如对图片的某个区域进行加暗处理，再例如对额头、鼻梁和脸颊等高光区域进行处理。
本公开的发明人在具体实施过程中，发现现有的图像处理方法通常是通过图像增强网络学习到一系列参数，再通过这一系参数构成的参数矩阵，对图像块中的像素点进行单独处理，并不考虑相邻图像块的图像变化信息，因而造成较差的图像处理效果。
发明内容
本公开实施例的目的旨在至少能解决上述的技术缺陷之一，特提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
一方面，提供了一种图像处理方法，包括：
通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
一方面，提供了一种图像处理装置，包括：
第一处理模块，用于通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
确定模块，用于针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
第二处理模块，用于基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
一方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现上述的图像处理方法。
一方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述的图像处理方法。
本公开实施例提供的图像处理方法，通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，以及针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，并基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，来以完成对目标图像的处理，使得在对目标图像的目标图像块进行处理时，不仅充分考虑目标图像块的参数信息，而且充分考虑与目标图像块相邻的各个图像块的参数信息，使得在图像处理过程中，可以参考比较丰富的图像信息，从而可以更加准确地对目标图像块进行处理，提升处理后的目标图像块与相邻图像块之间的协调性，提供良好的图像修复效果。
本公开实施例附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
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。
图1为本公开实施例的图像处理方法的流程示意图；
图2为本公开实施例的确定图像块与相邻图像块之间的相似度的示意图；
图3为本公开实施例的图像处理装置的结构示意图；
图4为本公开实施例的电子设备的结构示意图。
具体实施方式
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。
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。
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。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分，并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元，也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。
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”。
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。
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
下面以具体地实施例对本公开实施例的技术方案以及本公开实施例的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
本公开一个实施例提供了一种图像处理方法，该方法由计算机设备执行，该计算机设备可以是终端或者服务器。终端可以是台式设备或者移动终端。服务器可以是独立的物理服务器、物理服务器集群或者虚拟服务器。
如图1所示，该方法包括：
步骤S110，通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数。
具体地，在对目标图像(比如图像M)进行处理时，可以先将图像M输入到相应的图像增强网络中，通过图像增强网络对图像M进行相应的图像处理(记作第一图像处理)，该图像处理可以类似下采样的图像块划分处理，在图像增强网络的某一层可以得到N1*N2个图像块以及每个图像块各自对应的N3个特征参数，可以记作1*N3*N1*N2的形式，其中，N1与N2可以相等，也可以不相等，本申请实施例不对其作限制。
具体地，N1与N2的大小是由目标图像的大小以及下采样倍数决定的，假如目标图像的大小为256*256，且下采样倍数为16，则通过图像增强网可以将目标图像划分为16*16个1*1大小的图像块(即图像格子)，即N1等于16，N2等于16。又假如目标图像的大小为256*512，且下采样倍数为16，则通过图像增强网可以将目标图像划分为16*32个1*1大小的图像块。再假如目标图像的大小为256*256，且下采样倍数为64，则通过图像增强网可以将目标图像划分为4*4个1*1大小的图像块，如图2所示，其中，图2中的图像块分别记作A1、A2、…、A16。
具体地，当通过图像增强网络对图像M进行第一图像处理，得到N1*N2个图像块后，针对N1*N2个图像块中的每一个图像块可以得到N3个特征参数，也就是说，每个图像块具有各自对应的N3个特征参数。以图2中的16个图像块为例，图像块A1具有N3个特征参数，图像块A2具有N3个特征参数，依此类推，图像块A16具有N3个特征参数。虽然每个图像块都具有N3个特征参数，但是每个图像块的N3个特征参数可能是相同的特征参数，也可能是互不相同的特征参数，比如图像块A1的N3个特征参数不同于图像块A2的N3个特征参数。
具体地，对图像中每个像素的强度值的取值范围的划分，决定了N3的具体取值。在RGB模式下，每个像素的强度值的取值范围为0～255，如果根据需要将该取值范围划分为8段时，且每一段使用12参数，则N3的取值为96(即8*12)；如果根据需要将该取值范围划分为8段时，且每一段使用24参数时，该N3的取值为192(即8*24)；如果根据需要将该取值范围划分为16段时，且每一段使用12参数时，该N3的取值为192(即16*12)
步骤S120，针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度。
具体地，由于一幅图像的内容通常是有连续性的，即相邻的图像块中的大部分是比较接近的，因此，在得到N1*N2个图像块及各个图像块分别对应的N3个特征参数后，针对N1*N2个图像块中的每一图像块，可以根据N1*N2个图像块分别对应的N3个特征参数，计算该每一图像块与相邻图像块之间的相似度。比如，以图2的4*4个图像块中的图像块A6为例，可以各个图像块分别对应的N3个特征参数，确定图像块A6与相邻图像块之间的相似度。又比如，以图2的4*4个图像块中的图像块A4为例，可以各个图像块分别对应的N3个特征参数，确定图像块A4与相邻图像块之间的相似度。
步骤S130，基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
具体地，通过图像增强网络对目标图像进行第一图像处理得到的N1*N2个图像块，在目标图像中分别具有各自对应的目标图像块。于是，在确定出每一图像块与相邻图像块之间的相似度后，可以基于该相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，来完成对整个目标图像的处理，使得在图像处理过程中，可以充分考虑与目标图像块相邻的各个图像块的参数信息，提升处理后的目标图像块与相邻图像块之间的协调性。
本公开实施例提供的图像处理方法，通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，以及针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，并基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，来以完成对目标图像的处理，使得在对目标图像的目标图像块进行处理时，不仅充分考虑目标图像块的参数信息，而且充分考虑与目标图像块相邻的各个图像块的参数信息，使得在图像处理过程中，可以参考比较丰富的图像信息，从而可以更加准确地对目标图像块进行处理，提升处理后的目标图像块与相邻图像块之间的协调性，提供良好的图像修复效果。
下面以图2所示的4*4个图像块为例，对本公开实施例的方法进行具体介绍：
在一种可能的实现方式中，可以通过确定每一图像块的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度，来根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度。
具体地，相邻图像块可以是与每一图像块直接相邻的至少一个图像块，也可以是与每一图像块间接相邻的至少一个图像块。
具体地，当相邻图像块包括多个与每一图像块直接相邻和/或间接相邻的图像块时，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，包括：
分别确定每一图像块的N3个特征参数与每个与每一图像块直接相邻和/或间接相邻的图像块的N3个特征参数之间的余弦相似度，得到多个初始余弦相似度；
计算多个初始余弦相似度的总和，并将总和确定为每一图像块与相邻图像块之间的相似度。
下面以图2中的图像块A6为例，对本实现方式进行具体介绍：
在一个示例中，可以通过计算图像块A6的N3个特征参数与各个相邻的图像块的N3个特征参数之间的余弦相似度，来确定图像块A6与相邻图像块之间的相似度，即相似度可以为余弦相似度。其中，在计算余弦相似度的过程中，可以将图像块的N3个特征参数作为图像块的一个特征向量，即计算图像块A6的特征向量与各个相邻的图像块的特征向量之间的余弦相似度。
具体地，图像块A6的相邻图像块可以是与图像块A6的直接相邻的至少一个图像块，如图2中的图像块A1、图像块A2、图像块A3、图像块A5、图像块A7、图像块A9、图像块A10与图像块A11。图像块A6的相邻图像块也可以是与图像块A6的间接相邻的至少一个图像块，如图2中的图像块A4、图像块A8、图像块A12、图像块A13、图像块A14、图像块A15与图像块A16。当然，图像块A6的相邻图像块还可以既包括与图像块A6直接相邻的至少一个图像块，也包括与图像块A6间接相邻的至少一个图像块。
具体地，当相邻图像块是与图像块A6直接相邻的多个图像块时，确定图像块A6的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度，具体为：首先，分别计算图像块A6的N3个特征参数与图像块A1的N3个特征参数之间的余弦相似度(记作C1)、图像块A6的N3个特征参数与图像块A2的N3个特征参数之间的余弦相似度(记作C2)、图像块A6的N3个特征参数与图像块A3的N3个特征参数之间的余弦相似度(记作C3)、图像块A6的N3个特征参数与图像块A5的N3个特征参数之间的余弦相似度(记作C4)、图像块A6的N3个特征参数与图像块A7的N3个特征参数之间的余弦相似度(记作C5)、图像块A6的N3个特征参数与图像块A9的N3个特征参数之间的余弦相似度(记作C6)、图像块A6的N3个特征参数与图像块A10的N3个特征参数之间的余弦相似度(记作C7)以及计算图像块A6的N3个特征参数与图像块A1的N3个特征参数之间的余弦相似度(记作C8)；接着，计算多个初始余弦相似度的总和，即对C1、C2、C3、C4、C5、C6及C7进行加法运算，得到C1+C2+C3+C4+C5+C6+C7的和值(记作C_sum)，并该和值C_sum作为图像块A6与相邻图像块之间的相似度。
具体地，当相邻图像块是与图像块A6间接相邻的多个图像块时，确定图像块A6的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度，与上述确定图像块A6与直接相邻的各个图像块之间的余弦相似度的过程相同，在此不再赘述。同样地，当相邻图像块既包括与图像块A6直接相邻的至少一个图像块，又包括与图像块A6间接相邻的至少一个图像块时，确定图像块A6的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度，与上述确定图像块A6与直接相邻的各个图像块之间的余弦相似度的过程相同，在此不再赘述。
在一种可能的实现方式中，在基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理的过程中，可以先将相似度与预定阈值进行比较，再根据比较结果，确定相应图像处理策略，再根据确定出的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理。
下面以图2中的图像块A6为例，对本实现方式进行具体介绍：
在确定出图像块A6与相邻图像块之间的相似度后，将该相似度与预定阈值进行比较，如果该相似度不小于预定阈值(即大于或等于预定阈值)，则说明图像块A6与其周围相邻的图像块的调整方向比较一致，此时可以不对图像块A6进行特殊处理，可以采用与相邻图像块一致的图像处理策略，对目标图像中与图像块A6相对应的目标图像块进行图像处理(即第二图像处理)。比如相邻图像块的图像处理策略都为提亮处理，则可以目标图像中与图像块A6相对应的目标图像块进行提高处理。
如果该相似度小于预定阈值，则说明图像块A6与其周围相邻的图像块的调整方向不一致，比如相邻图像块的图像处理策略是提亮处理，而图像块A6的图像处理策略是加暗处理。此时，可以根据需要，采用增大图像块A6与相邻图像块之间的差异的图像处理策略，对目标图像中与图像块A6相对应的目标图像块进行图像处理，比如对图像块A6进行颜色更深的加暗处理；也可以根据需要，采用减小图像块A6与相邻图像块之间的差异的图像处理策略，对目标图像中与图像块A6相对应的目标图像块进行图像处理，比如对图像块A6进行颜色较浅的加暗处理，以弱化图像块A6与相信图像块之间的差异程度。
在一个示例中，可以通过将图像块A6的N3个特征参数分别乘以大于1的整数(即第一预定数值)，比如2、3、5等整数，来增大图像块A6与相邻图像块之间的差异，即将图像块A6的N3个特征参数放大2、3、5等整数倍，来增强差异。
在另一示例中，可以通过将图像块A6的N3个特征参数分别乘以小于1的整数(即第一预定数值)，比如1/2、1/3、1/5等正数，来减小图像块A6与相邻图像块之间的差异，即将图像块A6的N3个特征参数缩小2、3、5等，来弱化差异。
图3为本公开又一实施例提供的一种图像处理装置的结构示意图，如图3所示，该装置300可以包括第一处理模块301、确定模块302及第二处理模块303，其中：
第一处理模块301，用于通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
确定模块302，用于针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
第二处理模块303，用于基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
在一种可能的实现方式中，确定模块具体用于确定每一图像块的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度。
在一种可能的实现方式中，相邻图像块包括以下至少一种：
与每一图像块直接相邻的至少一个图像块；
与每一图像块间接相邻的至少一个图像块。
在一种可能的实现方式中，当相邻图像块包括多个与每一图像块直接相邻和/或间接相邻的图像块时，确定模块具体用于：
分别确定每一图像块的N3个特征参数与每个与每一图像块直接相邻和/或间接相邻的图像块的N3个特征参数之间的余弦相似度，得到多个初始余弦相似度；
计算多个初始余弦相似度的总和，并将总和确定为每一图像块与相邻图像块之间的相似度。
在一种可能的实现方式中，第二处理模块具体用于：
当相似度大于或等于预定阈值，采用与相邻图像块一致的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理；
当相似度小于预定阈值，采用增大或减小每一图像块与相邻图像块之间的差异的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理。
在一种可能的实现方式中，第二处理模块在增大或减小每一图像块与相邻图像块之间的差异时，用于执行以下任一项：
通过将每一图像块的N3个特征参数分别乘以第一预定数值，来增大每一图像块与相邻图像块之间的差异，第一预定数值为大于1的整数；
通过将每一图像块的N3个特征参数分别乘以第二预定数值，来减小每一图像块与相邻图像块之间的差异，第一预定数值为小于1的正数。
本公开实施例提供的装置，通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，以及针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，并基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，来以完成对目标图像的处理，使得在对目标图像的目标图像块进行处理时，不仅充分考虑目标图像块的参数信息，而且充分考虑与目标图像块相邻的各个图像块的参数信息，使得在图像处理过程中，可以参考比较丰富的图像信息，从而可以更加准确地对目标图像块进行处理，提升处理后的目标图像块与相邻图像块之间的协调性，提供良好的图像修复效果。
需要说明的是，本实施例为与上述的方法项实施例相对应的装置项实施例，本实施例可与上述方法项实施例互相配合实施。上述方法项实施例中提到的相关技术细节在本实施例中依然有效，为了减少重复，这里不再赘述。相应地，本实施例中提到的相关技术细节也可应用在上述方法项实施例中。
下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
电子设备包括存储器以及处理器，其中，这里的处理器可以称为下方所述的处理装置401，存储器包括下文中的只读存储器(ROM)402、随机访问存储器(RAM)403以及存储装置408中的至少一项，具体如下所示：
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；接着，针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；接着，基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块或单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取模块还可以被描述为“检测到发生预定直播事件时，获取预定直播事件对应的至少一种事件处理方式的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种图像处理方法，包括：
通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
在一种可能的实现方式中，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，包括：
确定每一图像块的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度。
在一种可能的实现方式中，相邻图像块包括以下至少一种：
与每一图像块直接相邻的至少一个图像块；
与每一图像块间接相邻的至少一个图像块。
在一种可能的实现方式中，当相邻图像块包括多个与每一图像块直接相邻和/或间接相邻的图像块时，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，包括：
分别确定每一图像块的N3个特征参数与每个与每一图像块直接相邻和/或间接相邻的图像块的N3个特征参数之间的余弦相似度，得到多个初始余弦相似度；
计算多个初始余弦相似度的总和，并将总和确定为每一图像块与相邻图像块之间的相似度。
在一种可能的实现方式中，基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，包括：
当相似度大于或等于预定阈值，采用与相邻图像块一致的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理；
当相似度小于预定阈值，采用增大或减小每一图像块与相邻图像块之间的差异的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理。
在一种可能的实现方式中，增大或减小每一图像块与相邻图像块之间的差异，包括以下任一项：
通过将每一图像块的N3个特征参数分别乘以第一预定数值，来增大每一图像块与相邻图像块之间的差异，第一预定数值为大于1的整数；
通过将每一图像块的N3个特征参数分别乘以第二预定数值，来减小每一图像块与相邻图像块之间的差异，第一预定数值为小于1的正数。
根据本公开的一个或多个实施例，提供了一种图像处理装置，包括：
第一处理模块，用于通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
确定模块，用于针对N1*N2个图像块中的每一图像块，根据各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
第二处理模块，用于基于相似度，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理，以完成对目标图像的处理。
在一种可能的实现方式中，确定模块具体用于确定每一图像块的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度。
在一种可能的实现方式中，相邻图像块包括以下至少一种：
与每一图像块直接相邻的至少一个图像块；
与每一图像块间接相邻的至少一个图像块。
在一种可能的实现方式中，当相邻图像块包括多个与每一图像块直接相邻和/或间接相邻的图像块时，确定模块具体用于：
分别确定每一图像块的N3个特征参数与每个与每一图像块直接相邻和/或间接相邻的图像块的N3个特征参数之间的余弦相似度，得到多个初始余弦相似度；
计算多个初始余弦相似度的总和，并将总和确定为每一图像块与相邻图像块之间的相似度。
在一种可能的实现方式中，第二处理模块具体用于：
当相似度大于或等于预定阈值，采用与相邻图像块一致的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理；
当相似度小于预定阈值，采用增大或减小每一图像块与相邻图像块之间的差异的图像处理策略，对目标图像中与每一图像块相对应的目标图像块进行第二图像处理。
在一种可能的实现方式中，第二处理模块在增大或减小每一图像块与相邻图像块之间的差异时，用于执行以下任一项：
通过将每一图像块的N3个特征参数分别乘以第一预定数值，来增大每一图像块与相邻图像块之间的差异，第一预定数值为大于1的整数；
通过将每一图像块的N3个特征参数分别乘以第二预定数值，来减小每一图像块与相邻图像块之间的差异，第一预定数值为小于1的正数。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
针对所述N1*N2个图像块中的每一图像块，根据所述各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
基于所述相似度，对所述目标图像中与所述每一图像块相对应的目标图像块进行第二图像处理，以完成对所述目标图像的处理。
2.根据权利要求1所述的方法，其特征在于，所述根据所述各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，包括：
确定所述每一图像块的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度。
3.根据权利要求1或2所述的方法，其特征在于，所述相邻图像块包括以下至少一种：
与所述每一图像块直接相邻的至少一个图像块；
与所述每一图像块间接相邻的至少一个图像块。
4.根据权利要求3所述的方法，其特征在于，当所述相邻图像块包括多个与所述每一图像块直接相邻和/或间接相邻的图像块时，所述根据所述各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度，包括：
分别确定所述每一图像块的N3个特征参数与每个与所述每一图像块直接相邻和/或间接相邻的图像块的N3个特征参数之间的余弦相似度，得到多个初始余弦相似度；
计算所述多个初始余弦相似度的总和，并将所述总和确定为所述每一图像块与相邻图像块之间的相似度。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述相似度，对所述目标图像中与所述每一图像块相对应的目标图像块进行第二图像处理，包括：
当所述相似度大于或等于预定阈值，采用与所述相邻图像块一致的图像处理策略，对所述目标图像中与所述每一图像块相对应的目标图像块进行第二图像处理；
当所述相似度小于预定阈值，采用增大或减小所述每一图像块与所述相邻图像块之间的差异的图像处理策略，对所述目标图像中与所述每一图像块相对应的目标图像块进行第二图像处理。
6.根据权利要求5所述的方法，其特征在于，增大或减小所述每一图像块与所述相邻图像块之间的差异，包括以下任一项：
通过将所述每一图像块的N3个特征参数分别乘以第一预定数值，来增大所述每一图像块与所述相邻图像块之间的差异，所述第一预定数值为大于1的整数；
通过将所述每一图像块的N3个特征参数分别乘以第二预定数值，来减小所述每一图像块与所述相邻图像块之间的差异，所述第一预定数值为小于1的正数。
7.一种图像处理装置，其特征在于，包括：
第一处理模块，用于通过图像增强网络对目标图像进行第一图像处理，得到N1*N2个图像块及各个图像块分别对应的N3个特征参数，N1、N2及N3均为正整数；
确定模块，用于针对所述N1*N2个图像块中的每一图像块，根据所述各个图像块分别对应的N3个特征参数，确定每一图像块与相邻图像块之间的相似度；
第二处理模块，用于基于所述相似度，对所述目标图像中与所述每一图像块相对应的目标图像块进行第二图像处理，以完成对所述目标图像的处理。
8.根据权利要求7所述的装置，其特征在于，所述确定模块具体用于确定所述每一图像块的N3个特征参数与相邻图像块的N3个特征参数之间的余弦相似度。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现权利要求1-6任一项所述的方法。
CN202010082635.6A 2020-02-07 2020-02-07 图像处理方法、装置、电子设备及计算机可读存储介质 Active CN111292268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010082635.6A CN111292268B (zh) 2020-02-07 2020-02-07 图像处理方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010082635.6A CN111292268B (zh) 2020-02-07 2020-02-07 图像处理方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111292268A true CN111292268A (zh) 2020-06-16
CN111292268B CN111292268B (zh) 2023-07-25

Family

ID=71023569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010082635.6A Active CN111292268B (zh) 2020-02-07 2020-02-07 图像处理方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111292268B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140118578A1 (en) * 2012-10-25 2014-05-01 Canon Kabushiki Kaisha Image processing apparatus and image processing method
US20140334720A1 (en) * 2011-12-12 2014-11-13 Nec Corporation Image processing device, image processing method and computer readable medium
WO2015005196A1 (ja) * 2013-07-09 2015-01-15 株式会社日立国際電気 画像処理装置及び画像処理方法
WO2019029272A1 (en) * 2017-08-08 2019-02-14 Zhejiang Dahua Technology Co., Ltd. SYSTEMS AND METHODS FOR SEARCHING IMAGES
WO2019057041A1 (zh) * 2017-09-19 2019-03-28 北京市商汤科技开发有限公司 用于实现图像增强的方法、装置和电子设备
CN109766896A (zh) * 2018-11-26 2019-05-17 顺丰科技有限公司 一种相似度度量方法、装置、设备和存储介质
CN110222775A (zh) * 2019-06-10 2019-09-10 北京字节跳动网络技术有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN110378282A (zh) * 2019-07-18 2019-10-25 北京字节跳动网络技术有限公司 图像处理方法及装置
US20190347767A1 (en) * 2018-05-11 2019-11-14 Boe Technology Group Co., Ltd. Image processing method and device
WO2019214565A1 (en) * 2018-05-07 2019-11-14 Zhejiang Dahua Technology Co., Ltd. Systems and methods for image searching
WO2019233244A1 (zh) * 2018-06-08 2019-12-12 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备
WO2020001222A1 (zh) * 2018-06-29 2020-01-02 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140334720A1 (en) * 2011-12-12 2014-11-13 Nec Corporation Image processing device, image processing method and computer readable medium
US20140118578A1 (en) * 2012-10-25 2014-05-01 Canon Kabushiki Kaisha Image processing apparatus and image processing method
WO2015005196A1 (ja) * 2013-07-09 2015-01-15 株式会社日立国際電気 画像処理装置及び画像処理方法
WO2019029272A1 (en) * 2017-08-08 2019-02-14 Zhejiang Dahua Technology Co., Ltd. SYSTEMS AND METHODS FOR SEARCHING IMAGES
WO2019057041A1 (zh) * 2017-09-19 2019-03-28 北京市商汤科技开发有限公司 用于实现图像增强的方法、装置和电子设备
WO2019214565A1 (en) * 2018-05-07 2019-11-14 Zhejiang Dahua Technology Co., Ltd. Systems and methods for image searching
US20190347767A1 (en) * 2018-05-11 2019-11-14 Boe Technology Group Co., Ltd. Image processing method and device
WO2019233244A1 (zh) * 2018-06-08 2019-12-12 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备
WO2020001222A1 (zh) * 2018-06-29 2020-01-02 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备
CN109766896A (zh) * 2018-11-26 2019-05-17 顺丰科技有限公司 一种相似度度量方法、装置、设备和存储介质
CN110222775A (zh) * 2019-06-10 2019-09-10 北京字节跳动网络技术有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN110378282A (zh) * 2019-07-18 2019-10-25 北京字节跳动网络技术有限公司 图像处理方法及装置

Also Published As

Publication number Publication date
CN111292268B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN111325704B (zh) 图像修复方法、装置、电子设备及计算机可读存储介质
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN110298851B (zh) 人体分割神经网络的训练方法及设备
WO2022105622A1 (zh) 图像分割方法、装置、可读介质及电子设备
CN110874853A (zh) 目标运动的确定方法、装置、设备及存储介质
CN112330788A (zh) 图像处理方法、装置、可读介质及电子设备
CN112465940B (zh) 图像渲染方法、装置、电子设备及存储介质
CN111783632B (zh) 针对视频流的人脸检测方法、装置、电子设备及存储介质
CN110097520B (zh) 图像处理方法和装置
CN116596748A (zh) 图像风格化处理方法、装置、设备、存储介质和程序产品
CN111292268B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN113963000B (zh) 图像分割方法、装置、电子设备及程序产品
CN115049572A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN115526796A (zh) 图像处理方法、装置、设备及存储介质
CN117474827A (zh) 图像清晰度的检测方法和装置
CN111369472B (zh) 图像去雾方法、装置、电子设备及介质
CN111258582B (zh) 一种窗口渲染方法、装置、计算机设备及存储介质
CN113744379A (zh) 图像生成方法、装置和电子设备
CN112818748B (zh) 确定视频中的平面的方法和装置、存储介质和电子设备
CN111949325B (zh) 显示方法、装置和电子设备
CN111783390B (zh) 维度标签的调整方法、装置以及电子设备
CN116977610A (zh) 图像处理方法、装置、介质和电子设备
CN112215774B (zh) 模型训练和图像去雾方法、装置、设备和计算机可读介质
CN111861936B (zh) 图像去雾方法、装置、电子设备及计算机可读存储介质
CN115185411B (zh) 光标移动方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: Tiktok vision (Beijing) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant