[发明专利]一种图像处理方法和相关模型训练方法及相关装置

说明书

本申请公开了一种图像处理方法和相关模型训练方法及相关装置，图像处理方法包括：获取目标对象的原始图像；利用原始图像得到多张目标子图像，其中，每张目标子图像均包含部分目标对象，且多张目标子图像的组合包含目标对象；利用图像重构模型对多张目标子图像进行重构处理，得到分别与多张目标子图像对应的多张重构子图像，其中，图像重构模型是利用包含无缺陷状态的样本对象的正样本图像训练得到的，多张重构子图像的组合用于表示处于无缺陷状态的所述目标对象。通过上述方式能够实现无缺陷状态的对象图像重构，且减低重构难度。

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处理方法和相关模型训练方法及相关装置。

背景技术

目前，随着图形学和机器视觉的日益发展，人们将机器视觉应用于日常生活和各行业中，特别是关于生产得到的产品的异常检测上。例如，在各类商品的生产过程中，印刷商品标签容易出现各种类型的缺陷，如飞墨、斑点、褶皱、异物、漏印、划痕、刀丝等，故需利用机器视觉对印刷商品的这些缺陷情况进行检测。

现有的缺陷检测方式通常是，对待检测的对象进行图像拍摄，利用正常状态下的对象的图像与拍摄到的图像进行比对，确定该对象是否存在缺陷情况。然而，每次生产的对象本身存在差异，故用于参考的正常状态下的对象图像也需要随之改变，故如何获得正常状态下的对象图像对缺陷检测具有重大意义。

发明内容

本申请主要解决的技术问题是提供一种图像处理方法和相关模型训练方法及相关装置，能够实现无缺陷状态的对象图像重构，且减低重构难度。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种图像处理方法，该方法包括：获取目标对象的原始图像；利用原始图像得到多张目标子图像，其中，每张目标子图像均包含部分目标对象，且多张目标子图像的组合包含目标对象；利用图像重构模型对多张目标子图像进行重构处理，得到分别与多张目标子图像对应的多张重构子图像，其中，图像重构模型是利用包含无缺陷状态的样本对象的正样本图像训练得到的，多张重构子图像的组合用于表示处于无缺陷状态的目标对象。

其中，利用原始图像得到多张目标子图像，包括：将原始图像进行区域拆分，以得到多个第一图像区域，第一图像区域包含目标对象的不同部分；对于每个第一图像区域，利用原始图像中除第一图像区域以外的第二图像区域的像素值，得到与第一图像区域对应的目标子图像。

其中，将原始图像拆分成多个第一图像区域，包括：采用平均划分或随机划分的方式，将原始图像中的像素点划分为多份，其中，每份像素点组成一个第一图像区域；其中，原始图像和目标子图像的尺寸相同，且在与第一图像区域对应的目标子图像中，对应第一图像区域的像素值为预设像素值，且对应第二图像区域的像素值不变。

其中，多张重构子图像分别包含目标对象的不同部分；和/或，重构子图像与对应的目标子图像分别包含目标对象的不同部分，且每组重构子图像与对应的目标子图像的组合均包含目标对象。

其中，图像重构模型为卷积自编码器，卷积自编码器包括编码器模块和解码器模块；

其中，在利用图像重构模型对多张目标子图像进行重构处理，得到分别与多张目标子图像对应的多张重构子图像前，该图像处理方法还包括以下图像重构模型的训练步骤：利用正样本图像得到多张第一样本子图像，其中，每张第一样本子图像均包含部分无缺陷状态的样本对象，且多张第一样本子图像的组合包含无缺陷状态的样本对象；利用图像重构模型对多张第一样本子图像进行重构处理，得到分别与多张第一样本子图像对应的多张样本重构子图像；利用每张样本重构子图像和对应的第二样本子图像之间的差异，调整图像重构模型的网络参数，其中，与样本重构子图像对应的第二样本子图像与样本重构子图像均包含目标对象的相同部分。