本申请涉及数字图像处理，特别是涉及可调参图像复原模型的训练方法和可调参的图像复原方法。
背景技术：
1、图像在生成、传输、存储过程中受到噪声干扰会导致图像出现颗粒感，并且在图像生成过程中于图像采集设备中光学系统的局限性、运动模糊等因素，会导致图像变得模糊，丢失重要的边缘和细节信息，影响图像的整体观感和后续处理的准确性。因此，需要对图像进行去噪以及锐化来提高图像的质量与清晰度，使得图像细节更加突出。
2、相关技术中，采用传统的ai（artificial intelligence，人工智能）图像复原方法对图像进行降噪和锐化处理。但是，传统的图像网络复原方法中的图像复原模型的模型参数是固定的，若需要针对不同的降噪参数和锐化参数生成噪声程度和锐化程度不同的图像，则通常需要根据不同的降噪参数和锐化参数分别训练多个图像复原模型。因此，如何得到一个可以生成不同噪声程度和锐化程度的图像的图像复原模型是相关技术人员关注的重点。
技术实现思路
1、本申请实施例的目的在于提供一种可调参图像复原模型的训练方法和图像复原方法，以使得可调参图像复原模型可以根据不同的降噪参数和锐化参数生成不同噪声程度和锐化程度的图像。具体技术方案如下：
2、第一方面，本申请实施例提供了一种可调参图像复原模型的训练方法，所述方法包括：
3、获取多个原始样本图像以及各原始样本图像对应的降噪参数和锐化参数，至少两个降噪参数不同，且至少两个锐化参数不同；
4、分别对各原始样本图像进行分解，得到各原始样本图像的边缘锐化图层、结构图层、边缘图层、纹理图层、模糊图层以及噪声图层；
5、分别根据各原始样本图像对应的降噪参数和锐化参数，确定各原始样本图像的各图层的叠加系数；
6、分别针对各原始样本图像，按照所确定的叠加系数对该原始样本图像的各图层进行加权叠加，得到该原始样本图像对应的真值图像；并叠加该原始样本图像的结构图层、边缘图层、纹理图层、模糊图层以及噪声图层，得到该原始样本图像对应的目标样本图像；
7、分别针对各原始样本图像，将该样本图像对应的降噪参数、锐化参数以及目标样本图像输入至原始可调参图像复原模型中，得到所述原始可调参图像复原模型输出的该样本图像对应的输出图像；
8、基于各原始样本图像对应的真值图像与输出图像之间的差异，调整所述原始可调参图像复原模型的模型参数，得到目标可调参图像复原模型。
9、第二方面，本申请实施例提供了一种可调参的图像复原方法，所述方法包括：
10、获取目标待复原图像、目标降噪参数和目标锐化参数；
11、将所述目标待复原图像、所述目标降噪参数和所述目标锐化参数输入至目标可调参图像复原模型中，得到目标复原图像；其中，所述目标可调参图像复原模型是根据第一方面所述的图像复原模型的训练方法训练得到的。
12、本申请实施例有益效果：
13、本申请实施例提供的可调参图像复原模型的训练方法和可调参的图像复原方法，将高质量的样本图像分解为不同的多个图层，并根据不同的降噪参数和锐化参数确定将各图层进行叠加时各图层的叠加系数，将各图层按照所确定的叠加系数进行加权叠加，得到多个真值图像，将各图层直接进行叠加得到目标样本图像，然后将目标样本图像和不同的降噪参数、锐化参数输入至原始可调参复原模型中得到对应的输出图像，再基于真值图像与输出图像之间的差异调整该模型的模型参数，得到目标可调参图像复原模型。
14、通过本申请实施例的方法，将原始样本图像分解为六个图层后，由于将高质量的原始样本图像对应的多个图层进行简单地直接叠加会丢失图像中的细节，叠加后的图像中存在明显的模糊、噪声或其他退化现象，因此可以得到用于模型训练的低质量的样本图像，且由于对各图层进行加权叠加时，可以通过调整各图层的权重值来强调各图层的特征，进而调整叠加后的图像的噪声程度和锐化程度，从而得到不同锐化程度和/或锐化程度的真值图像，而由于本申请是将低质量的样本图像、不同的降噪参数和锐化参数输入至原始可调参图像复原模型中生成不同的降噪参数和锐化参数对应的输出图像，然后基于不同的降噪参数和锐化参数对应的输出图像与真值图像之间的差异训练得到的目标可调参图像复原模型，因此，目标可调参图像复原模型可以基于不同的降噪参数、锐化参数控制生成不同风格的输出图像。
15、当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
1.一种可调参图像复原模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述分别对各原始样本图像进行分解，得到各原始样本图像的边缘锐化图层、结构图层、边缘图层、纹理图层、模糊图层以及噪声图层，包括：
3.根据权利要求2所述的方法，其特征在于，所述分别根据各原始样本图像对应的降噪参数和锐化参数，确定各原始样本图像的各图层的叠加系数，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述原始样本图像进行边缘锐化，得到边缘锐化图层，包括：
5.根据权利要求4所述的方法，其特征在于，所述用所述原始yuv图像减去所述低频边缘和所述中低频边缘，得到所述yuv图像的目标高频边缘，包括：
6.根据权利要求2所述的方法，其特征在于，所述对所述原始样本图像进行纹理滤波得到结构图层，对所述结构图层进行高斯滤波，得到边缘图层和纹理图层，包括：
7.根据权利要求2所述的方法，其特征在于，所述对所述原始样本图像分别进行模糊和退化，得到模糊图层和噪声图层，包括：
8.根据权利要求1所述的方法，其特征在于，所述基于各原始样本图像对应的真值图像与输出图像之间的差异，调整所述原始可调参图像复原模型的模型参数，得到目标可调参图像复原模型，包括：
9.一种可调参的图像复原方法，其特征在于，所述方法包括：
10.根据权利要求9所述的方法，其特征在于，所述目标可调参图像复原模型包括输入模块、风格控制模块以及输出模块，所述风格控制模块包括密集特征子模块和调制子模块；所述将所述目标复原图像、所述目标降噪参数和所述目标锐化参数输入至目标可调参图像复原模型中，得到目标复原图像，包括：