一种图像处理方法、装置、终端设备及存储介质与流程

本发明实施例涉及计算机，尤其涉及一种图像处理方法、装置、终端设备及存储介质。

背景技术：

1、现有技术中，常基于训练完成的卷积神经网络模型，对图像进行处理。

2、在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：由于模型参数较大、运算复杂，导致在资源有限的终端设备上实时性较差。

技术实现思路

1、本发明实施例提供一种图像处理方法、装置、终端设备及存储介质，能够实现实时性高的图像处理。

2、第一方面，本发明实施例提供了一种图像处理方法，应用于着色器，包括：

3、获取待处理图像以及各权重数组；其中，所述各权重数组包括基于训练完成的卷积神经网络模型中的卷积核所生成的数组；

4、循环根据预设滑动步长，从所述待处理图像中确定与所述各权重数组对应的当前待处理像素；

5、获取各所述当前待处理像素的像素值；

6、基于所述各权重数组中的权重值对对应的所述像素值进行处理，得到目标像素值；

7、直至待处理图像中各位置的像素处理完成为止，根据得到的各所述目标像素值生成目标图像。

8、第二方面，本发明实施例提供了一种图像处理装置，应用于着色器，包括：

9、获取模块，用于获取待处理图像以及各权重数组；其中，所述各权重数组包括基于训练完成的卷积神经网络模型中的卷积核所生成的数组；

10、待处理像素确定模块，用于循环根据预设滑动步长，从所述待处理图像中确定与所述各权重数组对应的当前待处理像素；

11、像素值获取模块，用于获取各所述当前待处理像素的像素值；

12、目标像素值确定模块，用于基于所述各权重数组中的权重值对对应的所述像素值进行处理，得到目标像素值；

13、目标图像生成模块，用于直至待处理图像中各位置的像素处理完成为止，根据得到的各所述目标像素值生成目标图像。

14、第三方面，本发明实施例提供了一种终端设备，包括：

15、一个或多个处理器；

16、存储器，用于存储一个或多个程序；

17、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本发明任意实施例所述的图像处理方法。

18、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的图像处理方法。

19、本发明实施例提供的一种图像处理方法、装置、终端设备及存储介质，其中该方法应用于着色器，包括：获取待处理图像以及各权重数组；其中，所述各权重数组包括基于训练完成的卷积神经网络模型中的卷积核所生成的数组；循环根据预设滑动步长，从所述待处理图像中确定与所述各权重数组对应的当前待处理像素；获取各所述当前待处理像素的像素值；基于所述各权重数组中的权重值对对应的所述像素值进行处理，得到目标像素值；直至待处理图像中各位置的像素处理完成为止，根据得到的各所述目标像素值生成目标图像。

20、本发明实施例提供的技术方案，可预先利用训练完成的模型中的卷积核生成权重数组，进而可通过运行在图形处理器(graphics processing unit，gpu)中的着色器代码，基于各权重数组对待处理图像进行处理，以实现通过着色器完成对待处理图像的卷积操作。本发明实施例的技术方案，能够充分利用gpu的算力加速卷积操作过程，可实现在中央处理器(central processing unit，cpu)算力有限的终端设备上，进行实时性高的图像处理。

技术特征：

1.一种图像处理方法，其特征在于，应用于着色器，包括：

2.根据权利要求1所述的方法，其特征在于，所述各权重数组的生成过程，包括：

3.根据权利要求1所述的方法，其特征在于，所述从所述待处理图像中确定与所述各权重数组对应的当前待处理像素，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述各权重数组中的权重值对对应的所述像素值进行处理，得到目标像素值，包括：

5.根据权利要求4中所述的方法，其特征在于，根据所述各权重数组中属于相同卷积核的权重值对应的所述调整值，确定目标像素值，包括：

6.根据权利要求1中所述的方法，其特征在于，所述基于所述各权重数组中的权重值对对应的所述像素值进行处理，包括：

7.根据权利要求1-6中任一所述的方法，其特征在于，所述方法应用于图像超分辨率重建；其中，所述待处理图像包括第一分辨率的图像，所述目标图像包括第二分辨率的图像，且所述第一分辨率低于所述第二分辨率。

8.一种图像处理装置，其特征在于，应用于着色器，包括：

9.一种终端设备，其特征在于，所述终端包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的图像处理方法。

技术总结
本发明实施例公开了一种图像处理方法、装置、终端设备及存储介质，其中该方法应用于着色器，包括：获取待处理图像以及各权重数组；其中，所述各权重数组包括基于训练完成的卷积神经网络模型中的卷积核所生成的数组；循环根据预设滑动步长，从所述待处理图像中确定与所述各权重数组对应的当前待处理像素；获取各所述当前待处理像素的像素值；基于所述各权重数组中的权重值对对应的所述像素值进行处理，得到目标像素值；直至待处理图像中各位置的像素处理完成为止，根据得到的各所述目标像素值生成目标图像。能够实现实时性高的图像处理。

技术研发人员：李秀睛
受保护的技术使用者：京东科技信息技术有限公司
技术研发日：
技术公布日：2024/2/1