[发明专利]图像处理方法和装置

说明书

本申请提供了一种图像处理方法和装置，该方法包括：获取第一图像；通过卷积神经网络的第一图像处理层对该第一图像进行B倍的下采样处理，得到第二图像，该卷积神经网络包括多个图像处理层，该多个图像处理层包括该第一图像处理层，其中，B为大于1的整数；通过该多个图像处理层中的第二图像处理层对该第二图像进行A倍的上采样处理，得到第三图像，其中，A为大于1的整数，且A不等于B。采用本申请提供的图像处理方法和装置，能够实现对图像的非整数倍的上采样或非整数倍的下采样。

技术领域

本申请涉及图像处理领域，更具体地，涉及图像处理领域中的图像处理方法和装置。

背景技术

随着图像处理技术的不断发展，以及人们对图像显示画质要求的不断提升，基于深度学习的卷积神经网络(convolutional neural network，CNN)以其局部权值共享的特殊结构，在图像处理领域得到了快速发展，并逐渐成为了行业内一个重要的技术选择。

在实际应用中，经常存在需要将图像的分辨率由720逐行扫描(progressive，p)放大至1080p，即需要对图像进行非整数倍的上采样处理，或由1080p缩小至720p的场景，即需要对图像进行非整数倍的下采样处理。然而，目前采用由卷积层构成的卷积神经网络模型，例如有效亚像素卷积神经网络(efficient sub-pixel convolutional neural network，ESPCN)模型、快速超分辨率卷积神经网络(fast super-resolution convolutionalneural networks，FSRCNN)模型等，能够实现对图像的整数倍(包括倍率为1)上采样，例如图像超分辨率算法。

因此，需要提供一种图像处理方法解决如何实现图像的非整数倍的上采样或非整数倍的下采样的问题。

发明内容

本申请提供一种图像处理方法和装置，能够实现对图像的非整数倍的上采样或非整数倍的下采样。

第一方面，本申请提供了一种图像处理方法，该方法包括：

获取第一图像；

通过卷积神经网络的第一图像处理层对该第一图像进行B倍的下采样处理，得到第二图像，该卷积神经网络包括多个图像处理层，该多个图像处理层包括该第一图像处理层，其中，B为大于1的整数；

通过该多个图像处理层中的第二图像处理层对该第二图像进行A倍的上采样处理，得到第三图像，其中，A为大于1的整数，且A不等于B。

本申请实施例提供的图像处理方法，通过卷积神经网络的第一图像处理层对获取到的第一图像进行B倍的下采样处理，得到第二图像，再通过该卷积神经网络的第二图像处理层对该第二图像进行A倍的上采样处理，得到第三图像，能够实现对该第一图像的非整数倍的上采样或非整数倍的下采样。

此外，由于先进行下采样处理，再进行上采样处理，减少了卷积神经网络处理的数据量，从而能够降低图像处理的计算复杂度，以及提高图像处理效率。

应理解，图像的尺寸可以包括多个维度，当图像的维度为二维时，图像的尺寸包括高度和宽度；当图像的维度为三维时，图像的尺寸包括宽度、高度和深度。

还应理解，像素是组成图像的最基本的元素，是一种逻辑尺寸单位。

还应理解，图像的高度可以理解为该图像在高度方向上包括的像素的数量；图像的宽度可以理解为该图像在宽度方向上包括的像素的数量；图像的深度可以理解为该图像的通道数量。

还应理解，在卷积神经网络模型中，图像的深度可以理解为图像包括的特征图(feature maps)的数量，其中，该图像的任意一张特征图的宽度和高度都与该图像的其他特征图的宽度和高度相同。也就是说，一张图像为三维图像，可以理解为该三维图像是由多张二维特征图构成的，且该多张二维特征图的尺寸相同。