[发明专利]图片处理方法及装置

说明书

本申请提供图片处理方法及装置，其中所述图片处理方法包括：将获取的第一图片和第二图片进行分类，得到至少一个目标类别，其中每个目标类别中包含至少一张第一初始图片和至少一张第二初始图片，所述第一初始图片为任意一张第一图片，所述第二初始图片为任意一张第二图片，所述第一图片的分辨率高于所述第二图片的分辨率；根据同一个目标类别中每张第二初始图片与每张第一初始图片的相似度确定每张第二初始图片对应的相似集合；根据每张第二初始图片的特征信息矩阵对每张第二初始图片对应的相似集合中的每张第一初始图片进行下采样，得到每张第一初始图片对应的目标图片，其中所述目标图片的特征信息与所述第二初始图片的特征信息相同。

技术领域

本申请涉及计算机技术领域，特别涉及一种图片处理方法。本申请同时涉及一种图片处理装置、一种超分辨模型训练方法、一种超分辨模型训练装置、一种计算设备，以及一种计算机可读存储介质。

背景技术

随着计算机技术的迅速发展，计算机的硬件设备得到了迅速的更新。游戏客户端的显示设备的清晰度也大幅度提升，针对广泛使用的高分辨率的显示设备，各个游戏厂商纷纷推出了高清和超高清的游戏资源。但是对于经典游戏来说，由于其制作时间久远且只有分辨率较低的游戏素材，无法满足超高清版本的制作需求。因此，对低清游戏素材进行超分辨是势在必行的任务。

现有技术中，通常采用主流的超分辨模型进行对低清图片进行超分辨，即由高清图片下采样生成低清图片，构成低清——高清的配对训练样本，在这些配对的数据上训练深度网络模型。在这种模式下，模型的训练集和验证集的低清数据从同一种方法(下采样)得到，属于同一个域内，因此在训练数据上适用的模型在验证数据上同样适用。但是在实际应用中，以游戏贴图素材作为测试集，它不是利用下采样的方法得到的，而是由美术专家一张张绘制得到。它和一般下采样的低清图片不在同一个域内，因此，基于下采样构造的超分辨数据集训练的超分辨模型无法适用于低清游戏素材。此外，早期的游戏素材由于其风格、年代、制作人等差异，相互之间存在较大的差异性，不能假设其处于同一域内，因此需要根据实际情况差异化处理。

发明内容

有鉴于此，本申请实施例提供了一种图片处理方法。本申请同时涉及一种图片处理装置、一种超分辨模型训练方法、一种超分辨模型训练装置、一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的低清游戏素材与下采样的低清图片不在同一个域内且各个游戏素材差异较大的问题。

根据本申请实施例的第一方面，提供了一种图片处理方法，包括：

将获取的第一图片和第二图片进行分类，得到至少一个目标类别，其中每个目标类别中包含至少一张第一初始图片和至少一张第二初始图片，所述第一初始图片为任意一张第一图片，所述第二初始图片为任意一张第二图片，所述第一图片的分辨率高于所述第二图片的分辨率；

根据同一个目标类别中每张第二初始图片与每张第一初始图片的相似度确定每张第二初始图片对应的相似集合；

根据每张第二初始图片的特征信息矩阵对每张第二初始图片对应的相似集合中的每张第一初始图片进行下采样，得到每张第一初始图片对应的目标图片，其中所述目标图片的特征信息与所述第二初始图片的特征信息相同。

根据本申请实施例的第二方面，提供了一种超分辨模型训练方法，包括：

接收训练样本和标签，其中所述标签为第一初始图片，所述训练样本为所述第一初始图片对应的目标图片，所述目标图片是通过上述图片处理方法处理得到的；

将所述目标图片输入至超分辨模型中获得预测图片，根据所述预测图片和所述第一初始图片计算损失值；

根据所述损失值调整所述超分辨模型的参数，训练所述超分辨模型，直至达到训练停止条件。

根据本申请实施例的第三方面，提供了一种图片处理装置，包括：