[发明专利]图像处理方法、装置及存储介质

说明书

本公开关于一种图像处理方法、装置和存储介质，所述方法包括：针对目标图像帧中每个待预测的目标图像块，获取所述目标图像块的参考像素点；根据所述参考像素点、预先设定的矩阵，以及所述目标图像块对应的预先训练的偏移，获取所述目标图像块的预测结果；根据每个所述目标图像块的预测结果，获取所述目标图像帧对应的预测图像帧。从而取得了提高图像处理时帧内预测的偏移准确性，进而提高帧内预测结果准确性的有益效果。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置及存储介质。

背景技术

一般来说，对于一幅图像，相邻的两个像素的亮度和色度值之间经常是比较接近的，也就是颜色是逐渐变化的，不会一下子突变成完全不一样的颜色。而进行视频编码，目的就是利用这个相关性，来进行压缩。帧内预测是利用视频空间域的相关性，使用同一帧图像内邻近已编码像素预测当前的像素，以达到有效去除视频空域冗余的目的。

其中的帧内预测技术MIP(Matrix Weighted Intra Prediction，矩阵加权帧内预测)，其最初的思想来源于基于神经网络的帧内预测技术，即利用多层神经网络基于相邻像素预测当前图像块的像素值。但是这种预测方式复杂度太高，经过权衡，发展出基于线性仿射变换的帧内预测技术。具体地，对于当前图像帧中的一个W×H的图像块，MIP的输入为这个图像块上方的W个像素和左侧的H个像素，且原始的MIP预测模式可以通过当前的帧内预测模式加上一个偏移来简化。

但是相关技术中，MIP仅提供了一种帧内预测的框架，并没有提供偏移的获取方式，从而使得偏移不准确的情况下影响帧内预测结果的准确性，最终影响基于MIP帧内预测的编码结果的准确性。

发明内容

本公开提供一种图像处理方法、装置及存储介质，以至少解决相关技术中由于偏移不准确影响帧内预测结果准确性的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像处理方法，包括：

针对目标图像帧中每个待预测的目标图像块，获取所述目标图像块的参考像素点；

根据所述参考像素点、预先设定的矩阵，以及所述目标图像块对应的预先训练的偏移，获取所述目标图像块的预测结果；

根据每个所述目标图像块的预测结果，获取所述目标图像帧对应的预测图像帧。

可选地，所述偏移为根据已通过现有帧内预测方式获取得到编码残差的训练图像块，以及所述训练图像块上方的W+n个像素点，所述训练图像块左侧的H+m个像素点，所述训练图像块左上角的j个像素点训练得到的；所述W为所述训练图像块的宽度，所述H为所述训练图像块的高度，所述n、m、j均为正整数，且所述训练图像块的尺寸与所述目标图像块的尺寸相同。

可选地，在所述根据所述参考像素点、预先设定的矩阵，以及所述目标图像块对应的预先训练的偏移，获取所述目标图像块的预测结果的步骤之前，还包括：

通过现有帧内预测方式获取多个所述训练图像块的编码残差；

根据所述编码残差，以及所述训练图像块上方的W+n个像素点，所述训练图像块左侧的H+m个像素点，所述训练图像块左上角的j个像素点，获取所述偏移。

可选地，所述根据所述编码残差，以及所述训练图像块上方的W+n个像素点，所述训练图像块左侧的H+m个像素点，所述训练图像块左上角的j个像素点，获取所述偏移的步骤，包括：

根据所述训练图像块的编码残差，所述训练图像块上方的W+n个像素点、左侧的H+m个像素点、左上角的j个像素点，以及所述训练图像块的帧内预测模式训练预设的机器学习模型，直至所述机器学习模型的输出与所述编码残差之间的二范数满足第一预设阈值；

以所述机器学习模型的输出作为所述帧内预测模式对应的偏移。