[发明专利]一种非均匀纹理的图片处理方法、装置和计算机设备

说明书

本申请涉及一种非均匀纹理的图片处理方法、装置和计算机设备，所述方法包括：由N张纹理样图得到样图集，从样图集中提取训练数据组；使用训练数据组对包括生成器网络的神经网络进行训练；选取N张纹理样图中的一张纹理样图同时作为指导图和纹理风格图，输入到训练后的生成器网络中，得到纹理扩展结果图；或者，选取N张纹理样图中的一张纹理样图作为纹理风格图，任意一张除选定纹理风格图之外的图片作为指导图，输入到训练后的生成器网络中，得到纹理迁移结果图。通过本方法改进的网络可以同时学习多套纹理扩展合成模式以及纹理迁移合成模式且生成器网络不会发生模式崩溃，用户可以通过选择纹理风格图片来控制纹理扩展或纹理迁移结果。

技术领域

本申请涉及图片处理技术领域，特别是涉及一种非均匀纹理的图片处理方法、装置和计算机设备。

背景技术

纹理合成是图片处理的基础问题之一，其目标是根据给定的纹理信息，合成符合该纹理信息的规律和结构，在视觉上具有真实感且具有任意分辨率的纹理图片。

YANG ZHOU等人发表的论文Non-stationary texture synthesis byadversarial expansion[J].ACM Transactions on Graphics,2018,37(4):1-13中提出纹理扩展合成方法是目前基于深度学习的纹理合成方法中能处理非均匀纹理的代表性方法，其核心思想为将小尺寸纹理到包含它的大尺寸纹理的映射视为一种纹理合成。但是该方法存在缺点：纹理扩展合成方法是一种单模型方法，即一套网络只能用于一种纹理的合成，多种纹理则需要训练多套网络，空间花销随之增长；若直接将该方法应用于多纹理扩展合成，可将训练集从单张纹理更改为多张纹理样图来进行训练，强制使其网络具有容纳多种纹理的能力，尽管如此，该方法依然存在着两个问题：

1.缺少防止生成器网络发生模式崩溃的手段，如图1所示，若给定的多张纹理图片风格较为接近，则经过训练后的神经网络无法将对应的纹理样图进行正确的扩展，风格相近的纹理样图的纹理扩展结果趋于单一；

2.缺少控制合成结果的手段，因为该方法的生成器网络的每一张输入图片仅对应一张输出图片，输出图片的内容由网络训练的结果决定，用户无法干涉。训练结束后，当用户使用生成器网络对其他图片进行纹理迁移时，永远只能得到其中一种迁移结果，如图2所示，即用户无法进行选择或控制生成器网络，使其输出指定的纹理迁移结果。

因此，现有技术有待改进。

发明内容

基于此，有必要针对上述技术问题，提供一种非均匀纹理的图片处理方法，装置及计算机设备。

一种非均匀纹理的图片处理方法，所述方法包括：

获取N张纹理样图，根据所述N张纹理样图得到样图集，从所述样图集中提取训练数据组；

使用所述训练数据组对包括生成器网络的神经网络进行多次迭代训练，得到训练后的神经网络；

选取N张纹理样图中的一张纹理样图同时作为指导图和纹理风格图，输入到训练后的神经网络的生成器网络中，得到纹理扩展结果图；或者，选取N张纹理样图中的一张纹理样图作为纹理风格图，任意一张除选定纹理风格图之外的图片作为指导图，输入到训练后的神经网络的生成器网络中，得到纹理迁移结果图。

可选的，所述神经网络包括：生成器网络、判别器网络和预训练的VGG19网络；所述判别器网络还包括分类器网络。

可选的，所述获取N张纹理样图，根据所述N张纹理样图得到样图集的步骤包括：

将所述N张纹理样图均作为指导图，将所述N张纹理样图均作为纹理风格图；

N张指导图与N张纹理风格图两两组合输入到预训练的VGG19网络中，采用反向传播优化的风格迁移方法对两两组合中的两张纹理图样进行风格迁移，得到N²张样图；