CN115239560A - 一种图像超分辨率处理方法、装置、设备及存储介质 - Google Patents
一种图像超分辨率处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115239560A CN115239560A CN202210874383.XA CN202210874383A CN115239560A CN 115239560 A CN115239560 A CN 115239560A CN 202210874383 A CN202210874383 A CN 202210874383A CN 115239560 A CN115239560 A CN 115239560A
- Authority
- CN
- China
- Prior art keywords
- image
- resolution
- super
- transparency
- transparency channel
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 4
- 239000002609 medium Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种图像超分辨率处理方法、装置、设备及存储介质。本申请实施例提供的技术方案通过将带透明度通道且为第一分辨率的待处理图像输入到图像重建模型中,由图像重建模型对待处理图像进行超分辨率重建处理,得到带透明度通道且为第二分辨率的目标图像,并输出目标图像,自动生成带透明度通道的待处理图像超分辨率图像,有效提高超分辨率图像的生成效率。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种图像超分辨率处理方法、装置、设备及存储介质。
背景技术
在图像处理技术领域,进行图像进行超分辨率重建,是提高图像和视频分辨率的一种重要图像处理技术。图像超分辨率技术是指从第一分辨率图像重建出相应的第二分辨率图像的技术,利用图像超分辨率技术,可以从第一分辨率图像获得第二分辨率图像,或去除模糊图像中的模糊部分,生成视觉效果更好的超分辨率图像,提升图像的质量和利用价值。
目前,对图像的超分辨率重建都是针对RGB图像进行,对于包含透明度通道的ARGB图像,超分辨率图像的获取一般需要通过重新制图的方式进行,超分辨率图像的生成效率较低。
发明内容
本申请实施例提供一种图像超分辨率处理方法、装置、设备及存储介质,以解决现有技术中需要通过重新制图的方式获取超分辨率图像,超分辨率图像的生成效率较低的技术问题,自动生成超分辨率图像,有效提高超分辨率图像的生成效率。
在第一方面,本申请实施例提供了一种图像超分辨率处理方法,包括:
获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像;
将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率;
输出所述图像重建模型生成的所述目标图像。
在第二方面,本申请实施例提供了一种图像超分辨率处理装置,包括图像获取模块、图像重建模块和图像输出模块,其中:
所述图像获取模块,用于获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像;
所述图像重建模块,用于将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率;
所述图像输出模块,用于输出所述图像重建模型生成的所述目标图像。
在第三方面,本申请实施例提供了一种图像超分辨率处理设备,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的图像超分辨率处理方法。
在第四方面,本申请实施例提供了一种存储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器执行时用于执行如第一方面所述的图像超分辨率处理方法。
本申请实施例通过将带透明度通道且为第一分辨率的待处理图像输入到图像重建模型中,由图像重建模型对待处理图像进行超分辨率重建处理,得到带透明度通道且为第二分辨率的目标图像,并输出目标图像,自动生成带透明度通道的待处理图像超分辨率图像,有效提高超分辨率图像的生成效率。
附图说明
图1是本申请实施例提供的一种图像超分辨率处理方法的流程图;
图2是本申请实施例提供的一种第二分辨率样本图像的示意图;
图3是本申请实施例提供的一种第一分辨率样本图像示意图;
图4是本申请实施例提供的一种待处理图像的超分辨率重建处理示意图;
图5是本申请实施例提供的一种图像超分辨率处理装置的结构示意图;
图6是本申请实施例提供的一种图像超分辨率处理设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时上述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。上述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1给出了本申请实施例提供的一种图像超分辨率处理方法的流程图,本申请实施例提供的图像超分辨率处理方法可以由图像超分辨率处理装置来执行,该图像超分辨率处理装置可以通过硬件和/或软件的方式实现,并集成在图像超分辨率处理设备(例如手机、平板、电脑等)中。
下述以图像超分辨率处理装置执行图像超分辨率处理方法为例进行描述。
参考图1,该图像超分辨率处理方法包括:
S101:获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像。
本实施例提供的待处理图像为带透明度通道(Alpha通道)且分辨率为第一分辨率的图像,其中透明度通道可用于指示对应图像的透明和半透明度。需要进行解释的是,本方案提供的待处理图像为需要进行超分辨率重建的图像,以得到分辨率更高且同样带有透明度通道的超分辨率图像。
在相关技术中,在基于超分辨率重建技术对待处理图像进行超分辨率重建处理后,得到的是不带透明度通道的超分辨率图像。若需要带透明度通道且高分辨率的图像通常需要在超分辨率重建处理后的超分辨率图像的基础上添加透明度通道(例如基于PS等图像处理软件在超分辨率重建处理得到的超分辨率图像上人工添加透明度通道),或者是基于待处理图像重新绘制新的带透明度通道且更高分辨率的图像。以上在带透明度通道且分辨率在第一分辨率的待处理图像的基础上,获取带透明度通道且分辨率在第二分辨率的超分辨率图像的目标图像获取方式,需要人工进行图像的制作或重建,工作量较大,超分辨率图像的生成效率较低。为了解决上述技术问题,本方案通过图像重建模型对待处理图像进行超分辨率重建处理,自动生成带透明度通道的且更高分辨率的目标图像,不需要人工再对超分辨率重建后的图像进行处理,有效提高超分辨率图像的生成效率较低。
示例性的,在需要对第一分辨率且带透明度通道的待处理图像进行超分辨率重建处理时,将待处理图像提供给图像超分辨率处理装置。其中待处理图像可通过外部获取(例如通过网络下载获取或其他终端设备通过有线或无线的方式提供),也可以是通过在本地存储位置进行选择得到。图像超分辨率处理装置在获取到待处理图像后,可将待处理图像提交给图像重建模型进行后续处理。
S102:将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率。
本方案通过图像重建模型对待处理图像进行超分辨率重建处理,图像重建模型可基于神经网络进行搭建,并利用收集到的样本数据(包括多种分辨率且均带有透明度通道的样本图像)对图像重建模型进行训练,直至图像重建模型的损失函数在设定阈值之内或图像重建模型的正确率达到设定要求。在完成对图像重建模型的训练后,将图像重建模型配置在图像超分辨率处理装置中。
示例性的,在获取待处理图像后,将待处理图像输入到图像重建模型中,由图像重建模型对待处理图像进行超分辨率重建处理,以生成分辨率为第二分辨率且带透明通道的目标图像。
其中,本方案提供的第二分辨率图像的分辨率高于第一分辨率图像的分辨率。需要进行解释的是,本方案提供的第一分辨率和第二分辨率(包括训练过程中的第一分辨率样本图像和第二分辨率样本图像对应的分辨率)并非为指定的分辨率,第一分辨率和第二分辨率是相对概念。例如对分辨率为128*128的图像进行超分辨率重建处理得到256*256的图像时,128*128为第一分辨率,256*256为第二分辨率。而对分辨率为256*256的图像进行超分辨率重建处理得到512*512的图像时,256*256为第一分辨率,512*512为第二分辨率。
在一个可能的实施例中,本方案提供的图像重建模型基于带透明度通道的第一分辨率样本图像和带透明度通道的第二分辨率样本图像进行训练得到。并且带透明度通道的第二分辨率样本图像和带透明度通道的第一分辨率样本图像成对设置,其中,第二分辨率样本图像的分辨率高于第一分辨率样本图像的分辨率。
示例性的,在搭建好图像重建模型后,获取成对设置的第一分辨率样本图像和第二分辨率样本图像,并将第一分辨率样本图像作为输入,对应的第二分辨率样本图像作为输出,将第一分辨率样本图像和第二分辨率样本图像输入到图像重建模型中进行训练。
其中第一分辨率样本图像和第二分辨率样本图像成对设置,可理解为在成对的第一分辨率样本图像和第二分辨率样本图像所展示的是相同的内容,只是第二分辨率样本图像的分辨率高于第一分辨率样本图像。其中第一分辨率图像可通过对第二分辨率样本图像进行下采样处理得到,或者是第二分辨率样本图像通过对第一分辨率样本图像进行不带透明度通道的超分辨率重建处理后添加对应的透明度通道得到,或者是成对设置的第一分辨率样本图像和第二分辨率样本图像基于相同的内容进行制图得到。
在一个可能的实施例中,本方案提供的带透明度通道的第二分辨率样本图像通过对预先收集的不带透明度通道的第二分辨率样本图像进行透明度通道配置得到。即根据对图像重建模型的训练样本需求,收集多个不带透明度通道的第二分辨率样本图像(高分辨率样本图像),在得到不带透明度通道的第二分辨率样本图像后,对这些第二分辨率样本图像进行透明度通道配置,得到各个第二分辨率样本图像对应的带透明度通道的第二分辨率样本图像。
对应的,在对不带透明度通道的第二分辨率样本图像进行透明度通道配置时,包括:对不带透明度通道的第二分辨率样本图像增加透明度通道得到带透明度通道的第二分辨率样本图像;对带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置。
示例性的,在采集到多个不带透明度通道的第二分辨率样本图像后,分别在每个不带透明度通道的第二分辨率样本图像中添加透明度通道,并配置每个增加了透明度通道后的第二分辨率样本图像对应透明度通道的透明度信息。
其中,一个不带透明度通道的第二分辨率样本图像在添加透明度通道后,在进行透明度信息配置时,可进行对透明度通道进行不同区域和/或透明度参数的配置,得到多个不同区域和/或透明度参数的组合的带透明度通道的第二分辨率样本图像。
在一个可能的实施例中,透明度信息包括对应图像的透明度区域(表示图像中具备透明度的范围)和透明度参数(表示图像在透明度区域的透明或不透明度),对第二分辨率样本图像的透明度信息配置可基于不同透明度区域以及透明度参数的组合进行。基于此,在对带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置时,具体为:对带透明度通道的第二分辨率样本图像的透明度通道进行随机区域透明度处理。
示例性的,在对一个不带透明度通道的第二分辨率样本图像在添加透明度通道后,基于随机确定的多个面积和/或形状在该第二分辨率样本图像中划定透明度区域,并随机确定每个透明度区域对应的透明度参数。可以理解的是,在对一个带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置后,可得到不同透明度区域以及透明度参数的组合的多个带透明度通道的第二分辨率样本图像,扩大了对图像重建模型进行训练的样本数量,提高训练样本的获取效率,并极大地提高了训练样本的多样性,提高图像重建模型的训练效率和准确率。
在一个可能的实施例中,在得到多个带透明度通道的第二分辨率样本图像后,可基于这些带透明度通道的第二分辨率样本图像生成带透明度通道的第一分辨率样本图像,从而得到成对设置的第一分辨率样本图像和第二分辨率样本图像。基于此,本方案提供的带透明度通道的第一分辨率样本图像通过对带透明度通道的第二分辨率样本图像进行下采样处理得到。
示例性的,在对不带透明度通道的第二分辨率样本图像添加透明度通道并配置透明度通道,得到带透明度通道的第二分辨率样本图像后,对每个带透明度通道的第二分辨率样本图像进行下采样处理,得到对应的带透明度通道的第一分辨率样本图像。
在一个可能的实施例中,本方案提供的图像重建模型基于超分辨率网络(例如增强型超分辨率生成对抗网络ESRGAN,Enhanced Super-Resolution GenerativeAdversarial Networks)进行搭建得到。其中,超分辨率网络的输入参数和输入参数均包括图像宽度、图像高度、图像颜色通道和图像透明度通道。例如,将超分辨率网络的输入和输出从(w,h,3)改为(w,h,4),使得超分辨率网络支持图像透明度通道,其中w表示图像的图像宽度,h表示图像的图像高度,3表示图像的三个颜色通道(例如RGB三个图像颜色通道,即红色、绿色和蓝色三通道),4表示图像的一个图像透明度通道以及三个颜色通道(例如ARGB四个通道,即图像透明度通道、红色、绿色和蓝色三个图像颜色通道)。
如图2提供的一种第二分辨率样本图像的示意图所示,其中B1为不带透明度通道的第二分辨率样本图像,B21和B22为带透明度通道的第二分辨率样本图像。假设该第二分辨率样本图像对应的分辨率为512*512,对该不带透明度通道的第二分辨率样本图像添加透明度通道,并对该带透明度通道的第二分辨率样本图像的透明度通道进行随机区域透明度处理,得到如图2中的带透明度通道的第二分辨率样本图像B21和B22。假设对第二分辨率样本图像随机设置2个透明度区域,得到对应不同透明度区域的第二分辨率样本图像,图中C21()为第二分辨率样本图像B21对应的透明度区域,C22为第二分辨率样本图像B22对应的透明度区域。进一步的,随机对每个带透明度通道的第二分辨率样本图像的透明度通道配置多个不同的透明度参数,得到不同透明度区域和透明度参数的组合的多个带透明度通道的第二分辨率样本图像。例如对两个第二分辨率样本图像的透明度通道均配置10个不同的透明度参数,那么不带透明度通道的第二分辨率样本图像对应生产20个不同透明度区域和透明度参数的组合的多个带透明度通道的第二分辨率样本图像。
进一步的,如图3提供的一种第一分辨率样本图像示意图所示,对上述生成的带透明度通道的第二分辨率样本图像进行下采样,得到一个或多个(可基于一种或多种下采样控制参数进行多次下采样)分辨率低于第二分辨率的带透明度通道的第一分辨率样本图像。图3中带透明度通道的第一分辨率样本图像A11和A12通过对图2中的带透明度通道的第二分辨率样本图像B21进行下采样得到,其中第一分辨率样本图像A11的分辨率为256*256,第一分辨率样本图像A12的分辨率为128*128。其中,一个带透明度通道的第二分辨率样本图像可对应一个或多个带透明度通道的第二分辨率样本图像,即一个带透明度通道的第二分辨率样本图像可与一个或多个带透明度通道的第二分辨率样本图像成对设置。
图4是本申请实施例提供的一种待处理图像的超分辨率重建处理示意图,其中待处理图像D3的分辨率为128*128,C31为待处理图像D3对应的透明度区域。如图4所示,在获取需要进行超分辨率重建处理的待处理图像D3后,将待处理图像D3输入到图像重建模型后,由图像重建模型对待处理图像D3进行超分辨率重建处理,输出待处理图像D3对应的目标图像D4,并且目标D4的分辨率为512*512,C41为目标图像D4对应的透明度区域。
S103:输出所述图像重建模型生成的所述目标图像。
示例性的,获取图像重建模型生成的目标图像并输出。其中,对目标图像的输出方式可以是将目标图像保存在设定图像存储位置、直接显示生成的目标图像、向请求对待处理图像进行超分辨率重建的终端设备或者是在设定图像处理软件中打开目标图像。
上述,通过将带透明度通道且为第一分辨率的待处理图像输入到图像重建模型中,由图像重建模型对待处理图像进行超分辨率重建处理,得到带透明度通道且为第二分辨率的目标图像,并输出目标图像,自动生成带透明度通道的待处理图像超分辨率图像,有效提高超分辨率图像的生成效率。同时,通过在超分辨率网络中添加图像透明度通道搭建图像重建模型,并基于成对设置的第二分辨率样本图像和带透明度通道的第一分辨率样本图像对图像重建模型进行训练,可通过图像重建模型自动生成带透明度通道的目标图像,提高超分辨率图像的生成效率。并通过对收集到的不带透明度通道的第二分辨率样本图像进行随机透明度通道配置得到带透明度通道的第二分辨率样本图像,以及对带透明度通道的第二分辨率样本图像进行下采样处理得到与带透明度通道的第二分辨率样本图像成对的第一分辨率样本图像,有效提高训练样本的多样性,提高图像重建模型的训练效率和准确率。
图5给出了本申请实施例提供的一种图像超分辨率处理装置的结构示意图。参考图5,该图像超分辨率处理装置包括图像获取模块51、图像重建模块52和图像输出模块53,其中:
所述图像获取模块51,用于获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像;所述图像重建模块52,用于将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率;所述图像输出模块53,用于输出所述图像重建模型生成的所述目标图像。
上述,通过将带透明度通道且为第一分辨率的待处理图像输入到图像重建模型中,由图像重建模型对待处理图像进行超分辨率重建处理,得到带透明度通道且为第二分辨率的目标图像,并输出目标图像,自动生成带透明度通道的待处理图像超分辨率图像,有效提高超分辨率图像的生成效率。
在一个可能的实施例中,所述图像超分辨率处理装置还包括模型训练模块,所述图像重建模型通过所述模型训练模块,基于带透明度通道的第一分辨率样本图像和带透明度通道的第二分辨率样本图像进行训练得到,所述带透明度通道的第二分辨率样本图像和所述带透明度通道的第一分辨率样本图像成对设置,其中,所述第二分辨率样本图像的分辨率高于所述第一分辨率样本图像的分辨率。
在一个可能的实施例中,所述图像超分辨率处理装置还包括样本采集模块,所述带透明度通道的第二分辨率样本图像通过所述样本采集模块对预先收集的不带透明度通道的第二分辨率样本图像进行透明度通道配置得到。
在一个可能的实施例中,所述样本采集模块在对所述不带透明度通道的第二分辨率样本图像进行透明度通道配置时,包括:
对不带透明度通道的第二分辨率样本图像增加透明度通道得到带透明度通道的第二分辨率样本图像;
对所述带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置。
在一个可能的实施例中,所述样本采集模块在对所述带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置时,包括:
对所述带透明度通道的第二分辨率样本图像的透明度通道进行随机区域透明度处理。
在一个可能的实施例中,所述图像超分辨率处理装置还包括样本采集模块,所述带透明度通道的第一分辨率样本图像通过所述样本采集模块对所述带透明度通道的第二分辨率样本图像进行下采样处理得到。
在一个可能的实施例中,所述图像重建模型基于超分辨率网络进行搭建得到,所述超分辨率网络的输入参数和输入参数均包括图像宽度、图像高度、图像颜色通道和图像透明度通道。
值得注意的是,上述图像超分辨率处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
本申请实施例还提供了一种图像超分辨率处理设备,该图像超分辨率处理设备可集成本申请实施例提供的图像超分辨率处理装置。图6是本申请实施例提供的一种图像超分辨率处理设备的结构示意图。参考图6,该图像超分辨率处理设备包括:输入装置63、输出装置64、存储器62以及一个或多个处理器61;存储器62,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器61执行,使得一个或多个处理器61实现如上述实施例提供的图像超分辨率处理方法。其中输入装置63、输出装置64、存储器62和处理器61可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器62作为一种计算设备可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例提供的图像超分辨率处理方法对应的程序指令/模块(例如,图像超分辨率处理装置中的图像获取模块51、图像重建模块52和图像输出模块53)。存储器62可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器62可进一步包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置63可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置64可包括显示屏等显示设备。
处理器61通过运行存储在存储器62中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的图像超分辨率处理方法。
上述提供的图像超分辨率处理装置、设备和计算机可用于执行上述任意实施例提供的图像超分辨率处理方法,具备相应的功能和有益效果。
本申请实施例还提供一种存储计算机可执行指令的存储介质,上述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的图像超分辨率处理方法,该图像超分辨率处理方法包括:获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像;将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率;输出所述图像重建模型生成的所述目标图像。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种存储计算机可执行指令的存储介质,其计算机可执行指令不限于如上提供的图像超分辨率处理方法,还可以执行本申请任意实施例所提供的图像超分辨率处理方法中的相关操作。
上述实施例中提供的图像超分辨率处理装置、设备及存储介质可执行本申请任意实施例所提供的图像超分辨率处理方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的图像超分辨率处理方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里提供的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种图像超分辨率处理方法,其特征在于,包括:
获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像;
将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率;
输出所述图像重建模型生成的所述目标图像。
2.根据权利要求1所述的图像超分辨率处理方法,其特征在于,所述图像重建模型基于带透明度通道的第一分辨率样本图像和带透明度通道的第二分辨率样本图像进行训练得到,所述带透明度通道的第二分辨率样本图像和所述带透明度通道的第一分辨率样本图像成对设置,其中,所述第二分辨率样本图像的分辨率高于所述第一分辨率样本图像的分辨率。
3.根据权利要求2所述的图像超分辨率处理方法,其特征在于,所述带透明度通道的第二分辨率样本图像通过对预先收集的不带透明度通道的第二分辨率样本图像进行透明度通道配置得到。
4.根据权利要求3所述的图像超分辨率处理方法,其特征在于,在对所述不带透明度通道的第二分辨率样本图像进行透明度通道配置时,包括:
对不带透明度通道的第二分辨率样本图像增加透明度通道得到带透明度通道的第二分辨率样本图像;
对所述带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置。
5.根据权利要求4所述的图像超分辨率处理方法,其特征在于,在对所述带透明度通道的第二分辨率样本图像的透明度通道进行透明度信息配置时,包括:
对所述带透明度通道的第二分辨率样本图像的透明度通道进行随机区域透明度处理。
6.根据权利要求1所述的图像超分辨率处理方法,其特征在于,所述带透明度通道的第一分辨率样本图像通过对所述带透明度通道的第二分辨率样本图像进行下采样处理得到。
7.根据权利要求1所述的图像超分辨率处理方法,其特征在于,所述图像重建模型基于超分辨率网络进行搭建得到,所述超分辨率网络的输入参数和输入参数均包括图像宽度、图像高度、图像颜色通道和图像透明度通道。
8.一种图像超分辨率处理装置,其特征在于,包括图像获取模块、图像重建模块和图像输出模块,其中:
所述图像获取模块,用于获取待处理图像,所述待处理图像为带透明度通道的第一分辨率图像;
所述图像重建模块,用于将所述待处理图像加入训练好的图像重建模型中,由所述图像重建模型对所述待处理图像进行超分辨率重建处理并生成目标图像,所述目标图像为带透明度通道的第二分辨率图像,其中,所述第二分辨率图像的分辨率高于所述第一分辨率图像的分辨率;
所述图像输出模块,用于输出所述图像重建模型生成的所述目标图像。
9.一种图像超分辨率处理设备,其特征在于,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的图像超分辨率处理方法。
10.一种存储计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一项所述的图像超分辨率处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210874383.XA CN115239560A (zh) | 2022-07-20 | 2022-07-20 | 一种图像超分辨率处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210874383.XA CN115239560A (zh) | 2022-07-20 | 2022-07-20 | 一种图像超分辨率处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239560A true CN115239560A (zh) | 2022-10-25 |
Family
ID=83675987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210874383.XA Pending CN115239560A (zh) | 2022-07-20 | 2022-07-20 | 一种图像超分辨率处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239560A (zh) |
-
2022
- 2022-07-20 CN CN202210874383.XA patent/CN115239560A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10861133B1 (en) | Super-resolution video reconstruction method, device, apparatus and computer-readable storage medium | |
WO2022057837A1 (zh) | 图像处理和人像超分辨率重建及模型训练方法、装置、电子设备及存储介质 | |
CN109472270B (zh) | 图像风格转换方法、装置及设备 | |
Possa et al. | A multi-resolution FPGA-based architecture for real-time edge and corner detection | |
US20180232853A1 (en) | Image conversion device and image conversion method therefor | |
CN109359556B (zh) | 一种基于低功耗嵌入式平台的人脸检测方法及系统 | |
US20230011823A1 (en) | Method for converting image format, device, and storage medium | |
CN108961268B (zh) | 一种显著图计算方法及相关装置 | |
CN108288247B (zh) | 一种多核dsp平台上的实时图像细节增强方法 | |
CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 | |
CN115239560A (zh) | 一种图像超分辨率处理方法、装置、设备及存储介质 | |
CN115147281A (zh) | 一种图像参数调整方法、装置、设备及存储介质 | |
CN115761091A (zh) | 游戏画面渲染方法、装置、电子设备和存储介质 | |
CN115866164A (zh) | 基于fpga的红外实时图像叠加字符信息的方法、系统及应用 | |
CN104517273A (zh) | 一种图像超分辨率处理方法及装置 | |
CN114022931A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
TW202228070A (zh) | 影像處理方法、電腦裝置 | |
CN112329384A (zh) | 一种文字阴影效果实现方法、装置、设备及存储介质 | |
CN112882960A (zh) | 一种数据获取方法和装置 | |
CN116420174A (zh) | 用于卷积神经网络的全尺度卷积 | |
CN112785498A (zh) | 一种基于深度学习的病理图像超分建模方法 | |
Tong et al. | Multi-source remote sensing image big data classification system design in cloud computing environment | |
CN105007398A (zh) | 一种图像增稳方法及装置 | |
EP4174644A1 (en) | Computing apparatus, integrated circuit chip, board card, electronic device, and computing method | |
CN116977154B (zh) | 可见光图像与红外图像融合储存方法、装置、设备和介质 |
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 |