[发明专利]一种图片处理方法、装置及电子设备

权利要求书

1.一种图片处理方法，其特征在于，所述方法应用于电子设备，所述方法包括：

将同一原始图片缩放成解析度不同的N张缩放图片，所述N为大于等于2的自然数；

通过神经算法网络将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片，所述神经算法网络包括影像转换网络和损失网络，包括：通过所述损失网络计算重建损失，所述重建损失是原始影像与所述原始影像经过所述影像转换网络后的输出影像之间的损失；根据所述重建损失，确定所述神经算法网络的映射权重参数；基于所述映射权重参数将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片；

将所述N张内容图片缩放到同一解析度；

对同一解析度的所述N张内容图片进行编码组合成为一个动态影片。

2.如权利要求1所述的方法，其特征在于，所述N为所述动态影片的帧数与所述动态影片的播放时长的乘积值。

3.如权利要求1所述的方法，其特征在于，所述通过神经算法网络将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片包括：

在所述N张缩放图片中的每张缩放图片中添加讯噪背景图片；

将添加所述讯噪背景图片的所述N张缩放图片分别映射成相同预设风格特征的N张内容图片。

4.如权利要求1-3任意一项所述的方法，其特征在于，所述将同一原始图片缩放成解析度不同的N张缩放图片包括：

通过更改所述同一原始图片的图片属性，将所述同一原始图片缩放成解析度不同的N张缩放图片，所述图片属性包括图片大小、图片格式以及图片压缩方式中的至少一种。

5.一种图片处理装置，其特征在于，所述装置包括：

图片缩放模块，用于将同一原始图片缩放成解析度不同的N张缩放图片，所述N为大于等于2的自然数；

图片映射模块，用于通过神经算法网络将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片，所述神经算法网络包括影像转换网络和损失网络，包括：通过所述损失网络计算重建损失，所述重建损失是原始影像与所述原始影像经过所述影像转换网络后的输出影像之间的损失；根据所述重建损失，确定所述神经算法网络的映射权重参数；基于所述映射权重参数将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片；

所述图片缩放模块，还用于将所述N张内容图片缩放到同一解析度；

图片编码模块，用于对同一解析度的所述N张内容图片进行编码组合成为一个动态影片。

6.如权利要求5所述的装置，其特征在于，所述N张缩放图片的数量为所述动态影片的帧数与所述动态影片的播放时长的乘积值。

7.如权利要求5所述的装置，其特征在于，所述图片映射模块还用于：

在所述N张缩放图片中的每张缩放图片中添加讯噪背景图片；

将添加所述讯噪背景图片的所述N张缩放图片分别映射成相同预设风格特征的N张内容图片。

8.如权利要求5-7任意一项所述的装置，其特征在于，所述图片缩放模块具体用于：

通过更改所述同一原始图片的图片属性，将所述同一原始图片缩放成解析度不同的N张缩放图片，所述图片属性包括图片大小、图片格式以及图片压缩方式中的至少一种。

9.一种电子设备，其特征在于，包括：处理器、存储器、通信接口和总线；

所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信；

所述存储器存储可执行程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于：

将同一原始图片缩放成解析度不同的N张缩放图片，所述N为大于等于2的自然数；

通过神经算法网络将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片，所述神经算法网络包括影像转换网络和损失网络，包括：通过所述损失网络计算重建损失，所述重建损失是原始影像与所述原始影像经过所述影像转换网络后的输出影像之间的损失；根据所述重建损失，确定所述神经算法网络的映射权重参数；基于所述映射权重参数将所述N张缩放图片分别映射成相同预设风格特征的N张内容图片；

将所述N张内容图片缩放到同一解析度；

对同一解析度的所述N张内容图片进行编码组合成为一个动态影片。