[发明专利]一种图像处理方法、装置、存储介质及终端设备

说明书

本申请公开了一种图像处理方法、装置、存储介质及终端设备，所述方法包括获取待处理图像中的各像素点对应的图像块；基于图像块确定预设的若干滤波器中的各滤波器的滤波权重系数；基于各滤波器、各滤波器的滤波权重系数及图像块，确定该像素点对应的输出像素点，以得到待处理图像对应的输出图像。本申请在对待处理图像进行处理时，通过将每个像素点的图像块作为一个处理项，并各滤波器及各滤波权重系数确定该图像块的目标滤波器，并通过目标滤波器确定该像素点对应的输出像素点，这样通过若干滤波器确定该像素点的目标滤波器，可以保证该像素点对应的滤波效果，同时通过将图像块作为处理项，可以减少滤波过程的计算量，减少了滤波过程中的内存需求。

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像处理方法、装置、存储介质及终端设备。

背景技术

随着深度学习技术的不断发送，深度学习方法被广泛应用于图像增强技术领域。深度学习方法所达到的图像增强效果远超过于传统方法(例如，线性插值以及双线性插值等)达到的图像增强效果。但是，目前基于深度学习确定用于图像增强的图像处理模型，在处理过程所需计算量大进而需要占用很高内存，从而使其很难应用于移动终端上。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种图像处理方法、装置、存储介质及终端设备。

为了解决上述技术问题，本申请实施例第一方面提供了一种图像处理方法，所述方法包括：

对于待处理图像中的每个像素点，获取该像素点对应的图像块；基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数；基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点；

根据所述待处理图像中的各个像素点各自分别对应的输出像素点，确定所述待处理图像对应的输出图像。

所述图像处理方法，其中，所述基于所述图像块，确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数为：

将所述图像块输入经过训练的图像处理模型，通过所述图像处理模型确定预设的若干滤波器中的各滤波器各自对应的滤波权重系数。

所述图像处理方法，其中，所述基于所述若干滤波器中的各滤波器、各滤波器各自对应的滤波权重系数以及所述图像块，确定该像素点对应的输出像素点具体包括：

分别采用各滤波器对该图像块做卷积运算，以得到各滤波器各自对应的候选像素点；

基于各滤波器各自对应的滤波权重系数，将各滤波器各自对应的候选像素点进行加权以得到该像素点对应的输出像素点。

所述图像处理方法，其中，所述若干滤波器中至少存在第一滤波器和第二滤波器，第一滤波器的滤波器类型与第二滤波器的滤波器类型不同。

所述图像处理方法，其中，所述若干滤波器中的各滤波器各自对应的滤波核尺寸相同。

所述图像处理方法，其中，所述图像块的图像尺寸与若干滤波器中一滤波器的滤波核尺寸相等。

所述图像处理方法，其中，所述获取该像素点对应的图像块具体包括：

对于待处理图像中的每个像素点，获取所述若干滤波器对应的滤波核尺寸；

基于所述若干滤波器对应的滤波核尺寸及所述待处理图像确定一图像区域，并将该图像区域作为该像素点对应的图像块，其中，该像素点为该图像区域的中心点。

所述图像处理方法，其中，所述待处理图像中的像素点为按照行方向或列方向逐一获取的。

本申请实施例第二方面提供了一种图像处理装置，所述图像处理装置具体包括：