[发明专利]一种图像处理方法、智能终端及存储介质

说明书

本发明公开了一种图像处理方法、智能终端及存储介质，用于将待处理图像转换为目标图像。本发明提供的图像处理方法，通过根据待处理图像获取所述待处理图像对应的卷积核，利用所述卷积核对待处理图像中的像素数据进行卷积生成目标图像的像素数据，从而实现将待处理图像转换为目标图像，针对不同的待处理图像，利用不同的卷积核来进行卷积，实现了卷积核根据待处理图像的不同而动态变化，提升了图像处理方法对各种待处理图像的兼容性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法、智能终端及存储介质。

背景技术

图像处理任务是计算机视觉领域研究的热门领域，目前图像处理方法已经逐渐由传统方法逐渐过渡到深度学习方法。而现有的基于深度学习的图像处理方法中，往往采用比较固定的方式来进行，在对图像进行处理的神经网络中，使用的卷积核通过训练得到，而一旦训练完成，在实际处理时对于图像的任意区域都是采用同样的卷积核进行处理，而不能根据输入图像的不同来进行动态改变，对于多种不同的图像的兼容性较差。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种图像处理方法、智能终端及存储介质，旨在解决现有技术中不能根据输入图像的不同来动态改变卷积核，对于多种图像的兼容性较差的问题。

本发明的技术方案如下：

本发明的第一方面，提供了一种图像处理方法，所述图像处理方法包括：

获取待处理图像，根据所述待处理图像获取所述待处理图像对应的卷积核；

根据图像处理要求获取待生成的目标图像的各个第二像素点在所述待处理图像中对应的各个第一像素点；

根据所述卷积核获取所述待处理图像中的所述各个第一像素点对应的卷积值，并根据所述卷积值获取所述各个第二像素点的像素数据，生成所述目标图像。

所述的图像处理方法，其中，所述根据所述待处理图像获取所述待处理图像对应的卷积核具体包括：

将所述待处理图像输入至预先训练完成的卷积核生成神经网络，获取所述卷积核生成神经网络输出的所述卷积核。

所述的图像处理方法，其中，所述卷积核生成神经网络是根据数据集训练而成的，所述数据集有多组训练样本，每组训练样本包括第一样本图像、样本卷积核、根据所述样本卷积核对所述第一样本图像进行处理生成的第二样本图像以及对所述第二样本图像的评价数据。

所述的图像处理方法，其中，所述根据图像处理要求获取待生成的目标图像中的各个第二像素点在所述待处理图像中对应的各个第一像素点具体包括：

根据所述图像处理要求获取所述目标图像的第二分辨率；

根据所述第二分辨率获取所述目标图像中所述各个第二像素点分别念对应的第二坐标；

根据所述各个第二像素点的第二坐标获取所述各个第二像素点分别对应的所述各个第一像素点。

所述的图像处理方法，其中，所述根据所述各个第二像素点的第二坐标获取所述各个第二像素点分别对应的所述各个第一像素点具体包括：

获取所述待处理图像的第一分辨率，根据所述第一分辨率和所述第二分辨率获取所述目标图像相对于所述待处理图像的倍率；

将所述各个第二坐标的坐标值分别除以所述倍率后进行下取整获得所述各个第二像素点分别对应的各个第三坐标值；

获取所述各个第三坐标值在所述待处理图像中分别对应的所述各个第一像素点。

所述的图像处理方法，其中，所述根据所述卷积核获取所述待处理图像中的各个第一像素点对应的卷积值具体包括：