摩尔纹处理方法、计算机可读存储介质及终端设备与流程

技术特征：
1.一种摩尔纹处理方法，其特征在于，包括：获取待处理的原始图像，所述原始图像为含有摩尔纹的图像；使用预设的生成对抗网络模型中的生成模型对所述原始图像进行处理以去除摩尔纹，输出对应的图像，所述生成对抗网络模型由预设的训练数据集训练得到，所述训练数据集中包括若干训练数据对，每个训练数据对均包括一个含有摩尔纹的第一图像和一个不含摩尔纹的第二图像。2.根据权利要求1所述的摩尔纹处理方法，其特征在于，在使用预设的生成对抗网络模型中的生成模型对所述原始图像进行处理之前，还包括：获取屏幕拍摄图像集，所述屏幕拍摄图像集中包括若干对屏幕进行拍摄得到的图像；根据所述屏幕拍摄图像集构造所述训练数据集，其中，所述屏幕拍摄图像集中的每一个拍摄图像均生成所述训练数据集中的一个训练数据对；使用所述训练数据集对初始的生成对抗网络模型进行训练，直至满足预设的训练条件，以得到已训练的生成对抗网络模型。3.根据权利要求2所述的摩尔纹处理方法，其特征在于，所述根据所述屏幕拍摄图像集构造所述训练数据集包括：针对所述屏幕拍摄图像集中的每个拍摄图像，对所述拍摄图像进行下采样处理，得到与所述拍摄图像对应的第一图像；对所述拍摄图像进行去网格处理，得到与所述拍摄图像对应的去网格图像；对所述去网格图像进行下采样处理，得到与所述拍摄图像对应的第二图像；将所述第一图像和所述第二图像作为一个训练数据对添加入所述训练数据集中。4.根据权利要求2所述的摩尔纹处理方法，其特征在于，所述生成对抗网络模型包括生成模型和判别模型，所述使用所述训练数据集对初始的生成对抗网络模型进行训练包括：针对所述训练数据集中的每个训练数据对，使用所述生成模型对该训练数据对中的第一图像进行处理，得到第三图像；使用所述判别模型对所述第三图像和该训练数据对中的第二图像进行判别，并根据判别结果计算判别损失值；根据所述判别损失值对所述生成对抗网络模型的模型参数进行调整。5.根据权利要求2所述的摩尔纹处理方法，其特征在于，所述生成对抗网络模型包括生成模型、判别模型和重建模型，所述使用所述训练数据集对初始的生成对抗网络模型进行训练包括：针对所述训练数据集中的每个训练数据对，使用所述生成模型对该训练数据对中的第一图像进行去摩尔纹处理，得到第三图像；使用所述判别模型对所述第三图像和该训练数据对中的第二图像进行判别，并根据判别结果计算判别损失值；使用所述重建模型对所述第三图像进行摩尔纹重建处理，得到第四图像，并根据所述第一图像和所述第四图像计算重建损失值；根据所述判别损失值和所述重建损失值对所述生成对抗网络模型的模型参数进行调整。6.根据权利要求5所述的摩尔纹处理方法，其特征在于，所述根据判别结果计算判别损
失值包括：根据判别结果计算所述第三图像被判定为不含摩尔纹的图像的概率，并将该概率的负对数值确定为所述判别损失值。7.根据权利要求5所述的摩尔纹处理方法，其特征在于，所述根据所述第一图像和所述第四图像计算重建损失值包括：计算所述第一图像和所述第四图像之间的平方误差，并将该平方误差确定为所述重建损失值。8.根据权利要求5至7中任一项所述的摩尔纹处理方法，其特征在于，所述根据所述判别损失值和所述重建损失值对所述生成对抗网络模型的模型参数进行调整包括：将所述判别损失值和所述重建损失值之和作为所述生成对抗网络模型的训练损失值；根据所述训练损失值对所述生成对抗网络模型的模型参数进行调整。9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的摩尔纹处理方法的步骤。10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的摩尔纹处理方法的步骤。

技术总结
本申请属于图像处理技术领域，尤其涉及一种摩尔纹处理方法、计算机可读存储介质及终端设备。所述方法包括：获取待处理的原始图像，所述原始图像为含有摩尔纹的图像；使用预设的生成对抗网络模型中的生成模型对所述原始图像进行处理以去除摩尔纹，输出对应的图像。本申请引入了生成对抗网络模型来减弱图像中的摩尔纹，所述生成对抗网络模型由预设的训练数据集训练得到，所述训练数据集中包括若干训练数据对，通过所述训练数据集的训练，所述生成对抗网络模型中的生成模型可以从中逐步学习到从含有摩尔纹的图像到不含摩尔纹的图像的转换规律，从而可以在保证图像质量不受影响的同时，达到减弱原始图像中的摩尔纹的效果。达到减弱原始图像中的摩尔纹的效果。达到减弱原始图像中的摩尔纹的效果。


技术研发人员：马岚 杨顺 俞大海
受保护的技术使用者：TCL科技集团股份有限公司
技术研发日：2020.05.20
技术公布日：2021/11/25