[发明专利]图像处理方法、装置、终端设备及计算机可读存储介质有效

专利信息
申请号: 201911058970.6 申请日: 2019-10-31
公开(公告)号: CN110740350B 公开(公告)日: 2021-12-21
发明(设计)人: 樊鸿飞;李果;张玉梅;张文杰;蔡媛 申请(专利权)人: 北京金山云网络技术有限公司;北京金山云科技有限公司
主分类号: H04N21/2343 分类号: H04N21/2343;H04N21/4402
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 董艳芳
地址: 100000 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 终端设备 计算机 可读 存储 介质
【说明书】:

发明提供了一种图像处理方法、装置、终端设备及计算机可读存储介质,涉及图像处理技术领域,服务端获取待处理的原始图像,对原始图像进行分辨率调整后,得到压缩图像,其中,压缩图像的分辨率小于原始图像的分辨率,然后将压缩图像发送至客户端;客户端获取服务端发送的该压缩图像,将该压缩图像的分辨率调整至目标分辨率,得到第一中间图像,其中,目标分辨率大于压缩图像的分辨率;对该第一中间图像进行图像修复处理,获得目标图像。这样在保证客户端的图像画质的基础上,提高了服务端到客户端的图像数据传输的效率,节省了服务端的带宽资源,从而提高了用户体验。

技术领域

本发明涉及图像处理技术领域,尤其是涉及一种图像处理方法、装置、终端设备及计算机可读存储介质。

背景技术

客户端(Client)或称为用户端,是指与服务器相对应,为客户提供本地服务的程序。服务端(Server)为客户端(Client)提供资源,保存客户端数据等,客户端可以从服务端获取图像数据。

目前,图像在服务端进行编码后,直接传输到客户端,并且由客户端进行解码和显示。随着移动终端客户量的快速增长,一种能够更高效地实现服务端到客户端的图像数据传输的需求与日俱增。

发明内容

本发明的目的在于提供一种图像处理方法、装置、终端设备及计算机可读存储介质,以在保证客户端的图像画质的基础上,提高服务端到客户端的图像数据传输的效率,节省服务端的带宽资源,从而提高用户体验。

第一方面,本发明提供了一种图像处理方法,包括:

获取服务端发送的压缩图像;其中,所述压缩图像为所述服务端对待发送的原始图像进行分辨率调整后得到的图像,所述压缩图像的分辨率小于所述原始图像的分辨率;

将所述压缩图像的分辨率调整至目标分辨率,得到第一中间图像;其中,所述目标分辨率大于所述压缩图像的分辨率;

对所述第一中间图像进行图像修复处理,获得目标图像;其中,所述目标图像相对于所述原始图像的峰值信噪比大于所述第一中间图像相对于所述原始图像的峰值信噪比。

进一步地,所述将所述压缩图像的分辨率调整至目标分辨率,得到第一中间图像,包括:

获取与所述目标分辨率对应的目标上采样倍数;其中,所述目标上采样倍数为预先设置好的上采样倍数,或者为通过对所述压缩图像对应的传输数据流中携带的倍数标识进行识别得到的,或者为通过对所述压缩图像的图像名称进行解析得到的;

对所述压缩图像进行所述目标上采样倍数的上采样处理,得到所述目标分辨率下的第一中间图像。

进一步地,所述对所述第一中间图像进行图像修复处理,获得目标图像,包括:

将所述第一中间图像输入至修复模型,并获得所述修复模型输出的所述目标图像;其中,所述修复模型用于对输入的图像进行图像修复。

进一步地,所述目标上采样倍数为预先设置好的上采样倍数;所述将所述第一中间图像输入至修复模型,并获得所述修复模型输出的目标图像,包括:

将所述第一中间图像输入至预先训练好的卷积神经网络模型,并获得所述卷积神经网络模型输出的目标图像,其中,训练所述卷积神经网络模型所使用的第二训练图像是对第一训练图像基于所述目标上采样倍数进行分辨率调整后得到的。

进一步地,训练所述卷积神经网络模型所使用的第二训练图像是对第一训练图像基于所述目标上采样倍数和第一插值法进行分辨率调整后得到的;

所述对所述压缩图像进行所述目标上采样倍数的上采样处理,得到所述目标分辨率下的第一中间图像,包括:

采用第二插值法对所述压缩图像进行所述目标上采样倍数的上采样处理,得到第一中间图像;其中,所述第二插值法的插值维度大于所述第一插值法的插值维度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京金山云网络技术有限公司;北京金山云科技有限公司,未经北京金山云网络技术有限公司;北京金山云科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911058970.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top