[发明专利]图像压缩、解压缩方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种图像压缩、解压缩方法、装置、电子设备及存储介质，包括：获取待压缩图像；利用卷积神经网络模型对待压缩图像进行压缩，得到网络压缩数据；其中，卷积神经网络模型利用预设的训练集训练获得，训练集包括多张分辨率低于分辨率阈值的低分辨率图像，以及低分辨率图像对应的分辨率高于分辨率阈值的图像；存储网络压缩数据。应用本申请实施例，降低了查看压缩后图像时的分辨率损失，提高了用户体验。

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压缩、解压缩方法、装置、电子设备及存储介质。

背景技术

目前，为减少图像的占用的存储空间，便于图像的传输等，常常需要对图像进行尺寸压缩，减小图像的尺寸，降低图像的分辨率。例如，将100*100像素的图像压缩为50*50像素的图像。但是这种压缩为有损压缩。当需要查看图像时，只能查看压缩后的图像，即分辨率低的图像，用户体验较差。

发明内容

本申请实施例的目的在于提供一种图像压缩、解压缩方法、装置、电子设备及存储介质，以降低查看压缩后图像时的分辨率损失，提高用户体验。具体技术方案如下：

第一方面，本申请实施例提供了一种图像压缩方法，所述方法包括：

获取待压缩图像；

利用CNN(Convolutional Neural Network，卷积神经网络)模型对所述待压缩图像进行压缩，得到网络压缩数据；其中，所述CNN模型利用预设的训练集训练获得，所述训练集包括多张分辨率低于分辨率阈值的低分辨率图像，以及低分辨率图像对应的分辨率高于所述分辨率阈值的图像；

存储所述网络压缩数据。

可选的，所述方法还包括：

在获取到所述待压缩图像之后，对所述待压缩图像进行尺寸压缩，得到尺寸压缩图像；

在得到所述网络压缩数据后，存储所述尺寸压缩图像与预设标识的关系；所述预设标识用于指示存在所述待压缩图像的网络压缩数据。

可选的，所述待压缩图像位于PDF文档中；或者所述待压缩图像位于Word文档中；或者所述待压缩图像位于Excel文档中。

第二方面，本申请实施例提供了一种图像解压缩方法，所述方法包括：

获取目标图像的网络压缩数据；

利用CNN模型对所述网络压缩数据进行解压缩，得到解压缩图像；其中，所述CNN模型利用预设的训练集训练获得，所述训练集包括多张分辨率低于分辨率阈值的低分辨率图像，以及低分辨率图像对应的分辨率高于所述分辨率阈值的图像；

输出所述解压缩图像。

可选的，所述获取目标图像的网络压缩数据的步骤，包括：

获取目标图像的尺寸压缩图像；

判断是否存储有所述尺寸压缩图像对应的预设标识；所述预设标识用于指示存在所述目标图像的网络压缩数据；

若存储有，则获取所述网络压缩数据。

可选的，所述方法还包括：

若未存储所述尺寸压缩图像对应的所述预设标识，则输出所述尺寸压缩图像。

第三方面，本申请实施例提供了一种图像压缩装置，所述装置包括：

获取模块，用于获取待压缩图像；

第一压缩模块，用于利用CNN模型对所述待压缩图像进行压缩，得到网络压缩数据；其中，所述CNN模型利用预设的训练集训练获得，所述训练集包括多张分辨率低于分辨率阈值的低分辨率图像，以及低分辨率图像对应的分辨率高于所述分辨率阈值的图像；