一种图像处理方法以及相关设备与流程

技术特征：
1.一种图像处理方法，其特征在于，包括:获取第一图像；分割所述第一图像，获得n个第一图块，n为大于1的整数；从所述n个第一图块中获取n个第一自适应数据，所述n个第一自适应数据与所述n个第一图块一一对应；根据所述n个第一自适应数据对所述n个第一图块进行预处理；通过编码神经网络处理预处理后的n个第一图块，得到n组第一特征图；对所述n组第一特征图进行量化和熵编码，得到n个第一编码表示。2.根据权利要求1所述的方法，其特征在于，所述n个第一编码表示用于进行熵解码，得到n组第二特征图，所述n组第二特征图用于通过解码神经网络处理，得到n个第一重构图块，所述n个第一自适应数据用于对所述n个第一重构图块进行补偿，补偿后的n个第一重构图块用于组合成第二图像。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：向解码端发送所述n个第一编码表示，所述n个第一自适应数据和对应关系，所述对应关系包括所述n个第一自适应数据和所述n个第一编码表示的对应关系。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：量化所述n个第一自适应数据，获得n个第一自适应量化数据，所述n个第一自适应量化数据用于对所述n个第一重构图块进行补偿；所述向解码端发送所述n个第一自适应数据包括：向所述解码端发送所述n个第一自适应量化数据。5.根据权利要求4所述的方法，其特征在于，所述n越大，单个第一自适应量化数据的信息熵越小。6.根据权利要求3至5中任意一项所述的方法，其特征在于，所述n个第一编码表示的排列顺序和所述n个第一图块的排列顺序相同，所述n个第一图块的排列顺序为所述n个第一图块在所述第一图像中的排列顺序，所述对应关系包括所述n个第一编码表示的排列顺序和所述n个第一图块的排列顺序。7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述n个第一图块中的每个第一图块的大小相同。8.根据权利要求7所述的方法，其特征在于，当所述方法用于分割不同大小的所述第一图像时，所述第一图块的大小为固定值。9.根据权利要求1至8中任意一项所述的方法，其特征在于，所述第一图块的像素为a
×
b，所述a和所述b是根据目标像素得到的，所述目标像素为c
×
d，等于整数，等于整数，所述a和c为宽度方向上的像素点数量，所述b和d为高度方向上的像素点数量，所述目标像素是根据终端设备的目标分辨率得到的，所述终端设备包括摄像部件，所述摄像部件在所述目标分辨率的设置下得到的图像的像素为所述目标像素，所述第一图像由所述摄像部件获得。10.根据权利要求9所述的方法，其特征在于，所述目标分辨率是根据摄像应用中的设置界面对所述摄像部件的分辨率设置得到的。
11.根据权利要求9所述的方法，其特征在于，所述目标分辨率是根据所述摄像部件得到的图库中的目标图像组得到的，所述目标图像组的像素为所述目标像素，在不同像素的图像组中，所述目标图像组在所述图库中的比值最大。12.根据权利要求1至8中任意一项所述的方法，其特征在于，所述第一图块的像素为a
×
b，所述a为宽度方向上的像素点数量，所述b为高度方向上的像素点数量，所述第一图像的像素为r
×
t；在获取所述第一图像后，在分割所述第一图像之前，所述方法还包括：若不等于整数，和/或不等于整数，则用像素中值填充所述第一图像的边缘，使得等于整数，等于整数，填充后的所述第一图像的像素为r1
×
t1。13.根据权利要求12所述的方法，其特征在于，在获取所述第一图像后，在填充所述第一图像的边缘之前，所述方法还包括：若所述不等于整数，则等比放大所述r和所述t，得到像素为r2
×
t2的所述第一图像，所述等于整数；所述若不等于整数，和/或不等于整数，则用像素中值填充所述第一图像的边缘包括：若不等于整数，则用像素中值填充所述第一图像的边缘。14.根据权利要求1至13中任意一项所述的方法，其特征在于，所述n个第一图块包括第一目标图块，所述第一目标图块的像素值的范围小于所述第一图像的像素值的范围；在从所述n个第一图块中获取n个第一自适应数据之前，所述方法还包括：反量化所述第一目标图块的像素值；从所述n个第一图块中获取n个第一自适应数据包括：从反量化后的所述第一目标图块获取一个第一自适应数据。15.一种图像处理方法，其特征在于，包括:获取n个第一编码表示，n个第一自适应数据和对应关系，所述对应关系包括所述n个第一自适应数据和所述n个第一编码表示的对应关系，所述n个第一自适应数据与所述n个第一编码一一对应，n为大于1的整数；对所述n个第一编码表示进行熵解码，得到n组第二特征图；通过解码神经网络处理所述n组第二特征图，得到n个第一重构图块；通过所述n个第一自适应数据补偿所述n个第一重构图块；组合补偿后的n个第一重构图块，得到第二图像。16.根据权利要求15所述的方法，其特征在于，所述n个第一编码表示是通过n组第一特征图量化和熵编码得到的，所述n组第一特征图是通过编码神经网络处理预处理后的n个第一图块得到的，所述预处理后的n个第一图块是通过所述n个第一自适应数据对n个第一图块进行预处理得到的，所述n个第一自适应数据是从所述n个第一图块中得到的，所述n个第一图块是通过分割第一图像得到的。
17.根据权利要求15或16所述的方法，其特征在于，所述n越大，单个第一自适应量化数据的信息熵越小。18.根据权利要求15至17中任意一项所述的方法，其特征在于，所述方法还包括：通过融合神经网络处理所述第二图像，得到第三图像，以降低所述第二图像与所述第一图像的差异，所述差异包括块效应。19.一种编码装置，其特征在于，包括：第一获取模块，用于获取第一图像；分割模块，用于分割所述第一图像，获得n个第一图块，n为大于1的整数；第二获取模块，用于从所述n个第一图块中获取n个第一自适应数据，所述n个第一自适应数据与所述n个第一图块一一对应；预处理模块，用于根据所述n个第一自适应数据对所述n个第一图块进行预处理；编码神经网络模块，处理预处理后的n个第一图块，得到n组第一特征图；量化和熵编码模块，用于对所述n组第一特征图进行量化和熵编码，得到n个第一编码表示。20.根据权利要求19所述的装置，其特征在于，所述n个第一编码表示用于进行熵解码，得到n组第二特征图，所述n组第二特征图用于通过解码神经网络处理，得到n个第一重构图块，所述n个第一自适应数据用于对所述n个第一重构图块进行补偿，补偿后的n个第一重构图块用于组合成第二图像。21.根据权利要求19或20所述的装置，其特征在于，所述装置还包括：发送模块，用于向解码端发送所述n个第一编码表示，所述n个第一自适应数据和对应关系，所述对应关系包括所述n个第一自适应数据和所述n个第一编码表示的对应关系。22.根据权利要求21所述的装置，其特征在于，所述装置还包括：量化模块，用于量化所述n个第一自适应数据，获得n个第一自适应量化数据，所述n个第一自适应量化数据用于对所述n个第一重构图块进行补偿；所述发送模块具体用于向所述解码端发送所述n个第一自适应量化数据。23.根据权利要求22所述的装置，其特征在于，所述n越大，单个第一自适应量化数据的信息熵越小。24.根据权利要求21至23中任意一项所述的装置，其特征在于，所述n个第一编码表示的排列顺序和所述n个第一图块的排列顺序相同，所述n个第一图块的排列顺序为所述n个第一图块在所述第一图像中的排列顺序，所述对应关系包括所述n个第一编码表示的排列顺序和所述n个第一图块的排列顺序。25.根据权利要求19至24中任意一项所述的装置，其特征在于，所述n个第一图块中的每个第一图块的大小相同。26.根据权利要求25所述的装置，其特征在于，当所述装置用于处理不同大小的所述第一图像时，所述第一图块的大小为固定值。27.一种解码装置，其特征在于，包括:获取模块，用于获取n个第一编码表示，n个第一自适应数据和对应关系，所述对应关系包括所述n个第一自适应数据和所述n个第一编码表示的对应关系，所述n个第一自适应数据与所述n个第一编码一一对应，n为大于1的整数；
熵解码模块，对所述n个第一编码表示进行熵解码，得到n组第二特征图；解码神经网络模块，用于处理所述n组第二特征图，得到n个第一重构图块；补偿模块，用于通过所述n个第一自适应数据补偿所述n个第一重构图块；组合模块，用于组合补偿后的n个第一重构图块，得到第二图像。28.根据权利要求27所述的装置，其特征在于，所述n个第一编码表示是通过n组第一特征图量化和熵编码得到的，所述n组第一特征图是通过编码神经网络处理预处理后的n个第一图块得到的，所述预处理后的n个第一图块是通过所述n个第一自适应数据对n个第一图块进行预处理得到的，所述n个第一自适应数据是从所述n个第一图块中得到的，所述n个第一图块是通过分割第一图像得到的。29.根据权利要求27或28所述的装置，其特征在于，所述n越大，单个第一自适应量化数据的信息熵越小。30.根据权利要求27至29中任意一项所述的装置，其特征在于，所述装置还包括：融合神经网络模块，用于处理所述第二图像，得到第三图像，以降低所述第二图像与所述第一图像的差异，所述差异包括块效应。31.一种图像处理设备，包括：相互耦合的非易失性存储器和处理器，所述处理器调用存储在所述存储器中的程序代码以执行如权利要求1-18中任意一项所描述的方法。

技术总结
本申请涉及人工智能领域，公开了一种图像处理方法，包括：获取第一图像；分割所述第一图像，获得N个第一图块；从N个第一图块中获取N个第一自适应数据，N个第一自适应数据与N个第一图块一一对应；根据N个第一自适应数据对N个第一图块进行预处理；通过编码神经网络处理预处理后的N个第一图块，得到N组第一特征图；对N组第一特征图进行量化和熵编码，以获得N个第一编码表示。本申请通过提取多个自适应信息，该多个自适应信息可用于对多个重构图块进行补偿，从而凸显局部特性，提升第二图像的图像质量。量。量。


技术研发人员：赵政辉 马思伟 王晶
受保护的技术使用者：北京大学
技术研发日：2020.07.30
技术公布日：2022/2/18