[发明专利]图像处理方法、装置、设备及存储介质

说明书

本申请公开了一种图像处理方法、装置、设备及存储介质，属于多媒体技术领域。本申请实施例可通过人工智能中计算机视觉技术实现，具体可使用图像处理、视频处理技术实现图像处理方法。本申请实施例中，引入一个梯度特征这个新的因素，根据这一因素来直接从已有的对应关系中确定目标卷积参数，这样该目标卷积参数的确定过程耗时不多，无需对图像进行精细的特征提取，也无需进行非线性映射，大大减少了特征提取和处理的耗时。且通过目标卷积参数进行一步卷积处理即可得到高分图像，相较于基于提取到的图像特征进行重建的方式，有效简化了图像处理步骤，因而能够提高图像处理效率。

技术领域

本申请涉及多媒体技术领域，特别涉及一种图像处理方法、装置、设备及存储介质。

背景技术

随着多媒体技术的发展，图像处理技术应用越来越广泛，例如，可以通过对图像进行超分处理，将低分辨率的图像处理为高分辨率的图像进行显示，以提高图像质量。

目前，图像处理方法通常是通过超分算法实现，该超分算法为插值超分算法和基于学习的超分算法等。例如，以基于机器学习的超分算法如SRCNN(Super ResolutionConvolutional Neural Networks，卷积神经网络超分)为例，结构也很简单，只有三层网络，第一层卷积层有64个卷积核，负责对插值后的低分图像特征提取，第二层负责对第一层提取的特征的非线性映射，第三层卷积层则是特征重建，生成最终的高分图像。

上述方法中，对图像进行特征提取，再进行非线性映射，然后基于特征重建的过程耗时比较久，即使是服务器这种性能比较好的设备上，也需要秒级时间才能计算出一帧，因而，图像处理耗时较长，效率很低，尤其是在对视频中图像进行超分处理，无法达到实时处理的效果。

发明内容

本申请实施例提供了一种图像处理方法、装置、设备及存储介质，能够减少耗时，提高图像处理效率。所述技术方案如下：

一方面，提供了一种图像处理方法，所述方法包括：

根据目标分辨率，对第一图像进行上采样，得到所述目标分辨率的第二图像，所述第一图像的分辨率小于所述目标分辨率；

对所述第二图像进行特征提取，得到所述第二图像的梯度特征，所述梯度特征用于指示所述第二图像中像素点与相邻像素点之间的关系；

根据梯度特征与卷积参数的对应关系，确定所述第二图像的梯度特征对应的目标卷积参数；

基于所述目标卷积参数对所述第二图像进行卷积处理，得到第三图像，所述第三图像的分辨率为所述目标分辨率。

在一种可能实现方式中，所述对所述第二图像中像素点的第一梯度信息进行平滑处理，得到第二梯度信息，包括：

对所述第二图像中像素点的第一梯度信息进行高斯模糊处理，得到第二梯度信息。

在一种可能实现方式中，所述根据所述第二图像中任一像素点的像素值以及第一相邻像素点的像素值，获取所述像素点处的像素值变化量，包括：

根据所述第二图像中任一像素点的像素值以及第一相邻像素点的像素值，获取在所述像素点处的微分，将所述微分作为所述第一梯度信息。

在一种可能实现方式中，所述获取所述第二图像中像素点的第一梯度信息，包括：

获取所述第二图像中像素点在亮度通道上的第一梯度信息。

在一种可能实现方式中，所述目标分辨率小于或等于分辨率阈值，所述方法应用于终端；

所述方法还包括：

对所述第三图像进行渲染。

在一种可能实现方式中，所述目标分辨率大于分辨率阈值，所述方法应用于服务器；

所述方法还包括：