[发明专利]图像数据处理方法、装置、存储介质和计算机设备

说明书

本申请涉及一种图像数据处理方法、装置、存储介质和计算机设备，所述方法包括：获取图像数据；所述图像数据是将图像编码获得的适于传输的数据；对所述图像数据进行解码，获得相应的图像；将解码获得的图像输入神经网络模型，获得模型输出图像；所述神经网络模型根据作为训练样本的图像和作为训练标签的图像训练得到；所述作为训练样本的图像是将所述作为训练标签的图像依次经过缩小、编码和解码得到；根据所述模型输出图像，获得将所述解码获得的图像放大后的、且经过图像增强处理的图像。本申请提供的方案可以将图像数据解码得到的图像放大，尽量避免图像放大带来的失真，并使得放大后的图像边缘更清晰，细节更丰富，图像显示效果更优。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像数据处理方法、装置、存储介质和计算机设备。

背景技术

随着计算机技术的发展，图像的应用越来越广泛。图像是承载视觉可见信息的载体，比如拍照得到的图片格式的图像或者视频中的视频帧等。一般来讲，图像尺寸越大，图像所承载的信息越丰富，也更有利于信息的表达。

然而，图像尺寸变大，也会使得图像的数据量变大，存储和传输的代价也更高。因此，在某些应用场景下，比如实时传播图像的场景中，对实时性要求较高，就限制了图像尺寸。

目前，可以采用一些插值算法在图像中插值，以放大图像，得到高分辨率图像。插值算法比如最临近点插值算法、双线性插值算法或者双立方插值算法等。然而，目前采用插值算法放大图像得到的高分辨率图像，会存在明显的边缘锯齿现象，导致图像失真严重。

发明内容

基于此，有必要针对目前采用插值算法放大图像导致图像失真的技术问题，提供一种图像数据处理方法、装置、存储介质和计算机设备。

一种图像数据处理方法，所述方法包括：

获取图像数据；所述图像数据是将图像编码获得的适于传输的数据；

对所述图像数据进行解码，获得相应的图像；

将解码获得的图像输入神经网络模型，获得模型输出图像；所述神经网络模型根据作为训练样本的图像和作为训练标签的图像训练得到；所述作为训练样本的图像是将所述作为训练标签的图像依次经过缩小、编码和解码得到；

根据所述模型输出图像，获得将所述解码获得的图像放大后的、且经过图像增强处理的图像。

一种图像数据处理装置，所述装置包括：

图像数据获取模块，用于获取图像数据；所述图像数据是将图像编码获得的适于传输的数据；

解码模块，用于对所述图像数据进行解码，获得相应的图像；

神经网络模型，用于输入解码获得的图像，获得模型输出图像；所述神经网络模型根据作为训练样本的图像和作为训练标签的图像训练得到；所述作为训练样本的图像是将所述作为训练标签的图像依次经过缩小、编码和解码得到；

图像输出模块，用于根据所述模型输出图像，获得将所述解码获得的图像放大后的、且经过图像增强处理的图像。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取图像数据；所述图像数据是将图像编码获得的适于传输的数据；

对所述图像数据进行解码，获得相应的图像；

将解码获得的图像输入神经网络模型，获得模型输出图像；所述神经网络模型根据作为训练样本的图像和作为训练标签的图像训练得到；所述作为训练样本的图像是将所述作为训练标签的图像依次经过缩小、编码和解码得到；

根据所述模型输出图像，获得将所述解码获得的图像放大后的、且经过图像增强处理的图像。