本公开涉及图像处理
技术领域：
：，尤其涉及一种图像处理方法及装置。
背景技术：
：：随着通信技术的发展，手机的使用越来越广泛，用户可以使用手机拨打语音电话，通过手机安装的即时通信软件发送文字或图片，还可以使用手机上网浏览图片并进行保存。为了保证图片发送速率以及减小图片存储时占用的存储空间，手机通常会对图片进行压缩，常用的图片压缩格式包括jpeg(jointphotographicexpertsgroup，联合图像专家小组)，bmp(bitmap)，png(portablenetworkgraphicformat，图像文件存储格式)以及gif(graphicsinterchangeformat，图像互换格式)等。技术实现要素：为克服相关技术中存在的问题，本公开实施例提供一种图像处理方法及装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种图像处理方法，包括：获取待显示图像的灰度图和色度图；获取所述灰度图的骨架图和纹理图；分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图；根据所述修复骨架图和修复纹理图，获取修复灰度图；根据所述修复灰度图和所述色度图显示所述待显示图像的复原图像。本公开的实施例提供的技术方案可以包括以下有益效果：通过分别对待显示图像灰度图的骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，进而将该修复骨架图、修复纹理图以及待显示图像的色度图合成为复原图像并进行显示，降低了有损压缩对图像显示的影响，在不增加网络传输带宽和硬盘存储空间的前提下，提高了图像显示的清晰度，进而提高了用户体验。在一个实施例中，所述获取所述灰度图的骨架图和纹理图包括：通过全变分算法将所述灰度图分解为所述骨架图和所述纹理图。本公开的实施例提供的技术方案可以包括以下有益效果：通过全变分算法将灰度图分解为骨架图和纹理图，提高了灰度图分解的效率，同时提高了骨架图和纹理图的准确率。在一个实施例中，所述分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图包括：通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图；通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图。本公开的实施例提供的技术方案可以包括以下有益效果：分别通过第一全卷积网络和第二全卷积网络对骨架图和纹理图进行修复，提高了修复骨架图和纹理图的效率，同时提高了修复骨架图和纹理图的精确度。在一个实施例中，所述通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图包括：通过所述第一全卷积网络的第一卷积层对所述骨架图进行特征提取，获取特征骨架图，所述第一卷积层的卷积核为3*3，步长为1；通过所述第一全卷积网络的第二卷积层对所述特征骨架图进行降维，获取降维骨架图，所述第二卷积层的卷积核为3*3，步长为2；通过所述第一全卷积网络的第三卷积层对所述降维骨架图进行特征映射，获取映射骨架图，所述第三卷积层的卷积核为1*1，步长为2；通过所述第一全卷积网络的第四卷积层对所述映射骨架图进行升维采样，获取所述修复骨架图，所述第四卷积层为反卷积层，卷积核为3*3，步长为2。本公开的实施例提供的技术方案可以包括以下有益效果：在通过第一全卷积网络对骨架图进行修复时，通过不同卷积层的计算，在获取修复骨架图的同时，保证了骨架图和修复骨架图之间的尺寸一致，提高了骨架图修复的精确度。在一个实施例中，所述通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图包括：通过所述第二全卷积网络的第五卷积层对所述纹理图进行特征提取，获取特征纹理图，所述第五卷积层的卷积核为3*3，步长为1；通过所述第二全卷积网络的第六卷积层对所述特征纹理图进行降维，获取降维纹理图，所述第六卷积层的卷积核为3*3，步长为2；通过所述第二全卷积网络的第七卷积层对所述降维纹理图进行特征映射，获取映射纹理图，所述第七卷积层的卷积核为1*1，步长为2；通过所述第二全卷积网络的第八卷积层对所述映射纹理图进行升维采样，获取所述修复纹理图，所述第八卷积层为反卷积层，卷积核为3*3，步长为2。本公开的实施例提供的技术方案可以包括以下有益效果：在通过第二全卷积网络对纹理图进行修复时，通过不同卷积层的计算，在获取修复纹理图的同时，保证了纹理图和修复纹理图之间的尺寸一致，提高了纹理图修复的精确度。根据本公开实施例的第二方面，提供一种图像处理装置，包括：第一获取模块，用于获取待显示图像的灰度图和色度图；第二获取模块，用于获取所述灰度图的骨架图和纹理图；修复模块，用于分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图；第三获取模块，用于根据所述修复骨架图和修复纹理图，获取修复灰度图；显示模块，用于根据所述修复灰度图和所述色度图显示所述待显示图像的复原图像。在一个实施例中，所述第二获取模块包括：第一获取子模块，用于通过全变分算法将所述灰度图分解为所述骨架图和所述纹理图。在一个实施例中，所述修复模块包括：第一修复子模块，用于通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图；第二修复子模块，用于通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图。在一个实施例中，所述第一修复子模块包括：第一修复单元，用于通过所述第一全卷积网络的第一卷积层对所述骨架图进行特征提取，获取特征骨架图，所述第一卷积层的卷积核为3*3，步长为1；第二修复单元，用于通过所述第一全卷积网络的第二卷积层对所述特征骨架图进行降维，获取降维骨架图，所述第二卷积层的卷积核为3*3，步长为2；第三修复单元，用于通过所述第一全卷积网络的第三卷积层对所述降维骨架图进行特征映射，获取映射骨架图，所述第三卷积层的卷积核为1*1，步长为2；第四修复单元，用于通过所述第一全卷积网络的第四卷积层对所述映射骨架图进行升维采样，获取所述修复骨架图，所述第四卷积层为反卷积层，卷积核为3*3，步长为2。在一个实施例中，所述第二修复子模块包括：第五修复单元，用于通过所述第二全卷积网络的第五卷积层对所述纹理图进行特征提取，获取特征纹理图，所述第五卷积层的卷积核为3*3，步长为1；第六修复单元，用于通过所述第二全卷积网络的第六卷积层对所述特征纹理图进行降维，获取降维纹理图，所述第六卷积层的卷积核为3*3，步长为2；第七修复单元，用于通过所述第二全卷积网络的第七卷积层对所述降维纹理图进行特征映射，获取映射纹理图，所述第七卷积层的卷积核为1*1，步长为2；第八修复单元，用于通过所述第二全卷积网络的第八卷积层对所述映射纹理图进行升维采样，获取所述修复纹理图，所述第八卷积层为反卷积层，卷积核为3*3，步长为2。根据本公开实施例的第三方面，提供一种图像处理装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取待显示图像的灰度图和色度图；获取所述灰度图的骨架图和纹理图；分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图；根据所述修复骨架图和修复纹理图，获取修复灰度图；根据所述修复灰度图和所述色度图显示所述待显示图像的复原图像。根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面任一实施例所述方法的步骤。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的有损压缩后的图像的示意图。图2a是根据一示例性实施例示出的图像处理方法的流程图。图2b是根据一示例性实施例示出的修复后的图像的示意图。图2c是根据一示例性实施例示出的原始图像的示意图。图2d是根据一示例性实施例示出的图像处理方法的流程图。图3是根据一示例性实施例示出的图像处理方法的流程图。图4a是根据一示例性实施例示出的图像处理装置的结构示意图。图4b是根据一示例性实施例示出的图像处理装置的结构示意图。图4c是根据一示例性实施例示出的图像处理装置的结构示意图。图4d是根据一示例性实施例示出的图像处理装置的结构示意图。图4e是根据一示例性实施例示出的图像处理装置的结构示意图。图5是根据一示例性实施例示出的图像处理装置的结构框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。本公开实施例提供的技术方案涉及终端，该终端可以为手机，平板电脑，个人电脑以及其他能够显示图像的设备，本公开实施例对此不作限定。相关技术中，为了保证图片发送速率以及减小图片存储时占用的存储空间，终端通常会对图片进行压缩，常用的图片压缩格式包括jpeg，bmp，png以及gif等。但是这些压缩格式均为有损压缩，如果压缩率过大，会损失图像中的有用信息，对图像的清晰度造成影响，例如jpeg图片中的块效应，振铃效应和模糊效应等。如图1所示，图1为经过jpeg格式压缩过的图片，从图1中可以明显看出图片中的块效应，导致图像的清晰度较差，进而导致用户查看图片时的体验较差。本公开的实施例提供的技术方案中，通过分别对待显示图像灰度图的骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，进而将该修复骨架图、修复纹理图以及待显示图像的色度图合成为待显示图像的复原图像并进行显示，降低了有损压缩对图像显示的影响，在不增加网络传输带宽和硬盘存储空间的前提下，提高了图像显示的清晰度，进而提高了用户体验。图2a是根据一示例性实施例示出的一种图像处理方法的流程图，该方法用于终端，该终端可以为手机，平板电脑，个人电脑以及其他能够显示图像的设备。如图2a所示，该图像处理方法包括以下步骤201至步骤205：在步骤201中，获取待显示图像的灰度图和色度图。示例的，用户在浏览网页时，可以根据需要选择图像进行查看，假设该网页上设置有多个图像，用户可以点击第一图像，即此时用户需要查看第一图像，终端确认接收到用户的该次点击之后，可以获取网页上的第一图像的下载地址，然后根据该下载地址下载第一图像。此时下载得到的第一图像为有损压缩后的图像，如果直接显示可能会出现清晰度较差的情况，因此终端可以首先对该第一图像进行修复。具体的，第一图像即为待显示图像，终端可以首先将待显示图像从rgb(red-green-blue，红绿蓝)色彩空间转到yuv(luminance-chrominance，灰度色度)色彩空间，然后获取转换后y通道的图像作为待显示图像的灰度图，获取转换后uv通道的图像作为待显示图像的色度图。在步骤202中，获取灰度图的骨架图和纹理图。示例的，终端可以采用全变分算法将灰度图分解为骨架图和纹理图。例如，终端可以搭建全变分算法模型，然后将灰度图中每个像素的灰度输入至全变分算法模型，即输入全变分算法模型的为体现灰度图中每个像素灰度的分段平滑函数，经过全变分算法模型的运算，即可输出该灰度图的骨架图和纹理图。通过全变分算法将灰度图分解为骨架图和纹理图，提高了灰度图分解的效率，同时提高了骨架图和纹理图的准确率。在步骤203中，分别对骨架图和纹理图进行修复，获取修复骨架图和修复纹理图。示例的，终端可以通过全卷积网络分别对骨架图和纹理图进行修复，获取修复骨架图和修复纹理图。通常的全卷积网络由多个卷积层和全连接层组成，由于全连接层要求固定的输入大小，为了使得该全卷积网络能够修复不同尺寸的图像，本公开实施例所述的全卷积网络可以去掉全连接层，便于对任意尺寸的图像进行处理，且经过设计可以保证全卷积网络的输入的图像和输出的图像具有相同的尺寸。在步骤204中，根据修复骨架图和修复纹理图，获取修复灰度图。示例的，终端在获取到修复骨架图和修复纹理图之后，可以根据全变分的逆算法将修复骨架图和修复纹理图合成为修复灰度图。在步骤205中，根据修复灰度图和色度图显示待显示图像的复原图像。示例的，终端可以将待显示图像的修复灰度图和待显示图像的原始色度图合成为待显示图像的复原图像，并将该复原图像从yuv色彩空间转换至rgb色彩空间，然后在显示屏上显示该转换后的复原图像，终端显示的复原图像的清晰度远远大于待显示图像。例如，参考图1所示，有损压缩后的待显示图像的块效应明显，而经过修复后终端显示的复原图像如图2b所示，由图2b可知复原图像中的块效应明显减小，即清晰度得到了显著提高。同时，与图2c所示的原始图像相比，可以明显看出图2b所示的复原图像与图2c所示的原始图像的清晰度更接近，即复原图像更精确的反应了原始图像的信息。本公开的实施例提供的技术方案中，通过分别对待显示图像灰度图的骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，进而将该修复骨架图、修复纹理图以及待显示图像的色度图合成为复原图像并进行显示，降低了有损压缩对图像显示的影响，在不增加网络传输带宽和硬盘存储空间的前提下，提高了图像显示的清晰度，进而提高了用户体验。在一个实施例中，如图2d所示，在步骤203中，分别对骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，可以通过步骤2031和步骤2032实现：在步骤2031中，通过第一全卷积网络对骨架图进行修复，获取修复骨架图。示例的，初始化时，终端可以搭建图像修复模型，该图像修复模型中包括用于修复骨架图的第一全卷积网络和用于修复纹理图的第二全卷积网络，然后将多个原始图像已知的训练图像输入图像修复模型，获取通过图像修复模型修复得到的多个训练图像的复原图像，通过不断调整第一全卷积网络和第二全卷积网络的参数，使得经过图像修复模型修复得到的训练图像的复原图像与训练图像的原始图像之间的差异小于或等于预设阈值，此时说明图像修复模型训练完成。实际应用中，也可以采用同一个全卷积网络同时对骨架图和纹理图进行修复，即终端搭建的图像修复模型中仅包括用于同时修复骨架图和纹理图的一个全卷积网络。在训练时，可以将无压缩的原始图像进行不同程度的压缩，得到不同程度的压缩后的图像，然后将压缩后的图像和其对应的原始图像，作为训练样本。具体的，终端在通过第一全卷积网络对骨架图进行修复，获取修复骨架图时，可以首先通过第一全卷积网络的卷积核为3*3，步长为1的第一卷积层对骨架图进行特征提取，获取特征骨架图，然后通过第一全卷积网络的卷积核为3*3，步长为2的第二卷积层对特征骨架图进行降维，同时进行特征增强，获取到降维骨架图，接着通过第一全卷积网络的卷积核为1*1，步长为2的第三卷积层对降维骨架图进行特征映射，获取映射骨架图，最后通过第一全卷积网络的卷积核为3*3，步长为2的反卷积层对映射骨架图进行升维采样，获取修复骨架图，该反卷积层即为第一全卷积网络的第四卷积层。通过不同卷积层的计算，在获取修复骨架图的同时，保证了骨架图和修复骨架图之间的尺寸一致，提高了骨架图修复的精确度。在步骤2032中，通过第二全卷积网络对纹理图进行修复，获取修复纹理图。示例的，终端在通过第二全卷积网络对纹理图进行修复，获取修复纹理图时，可以首先通过第二全卷积网络的卷积核为3*3，步长为1的第五卷积层对纹理图进行特征提取，获取特征纹理图，然后通过第二全卷积网络的卷积核为3*3，步长为2的第六卷积层对特征纹理图进行降维，同时进行特征增强，获取降维纹理图，接着通过第二全卷积网络的卷积核为1*1，步长为2第七卷积层对降维纹理图进行特征映射，获取映射纹理图，最后通过第二全卷积网络的卷积核为3*3，步长为2的反卷积层对映射纹理图进行升维采样，获取修复纹理图，该反卷积层即为第二全卷积网络的第八卷积层。通过不同卷积层的计算，在获取修复纹理图的同时，保证了纹理图和修复纹理图之间的尺寸一致，提高了纹理图修复的精确度。本公开的实施例提供的技术方案中，分别通过第一全卷积网络和第二全卷积网络对骨架图和纹理图进行修复，提高了修复骨架图和纹理图的效率，同时提高了修复骨架图和纹理图的精确度。下面通过几个实施例详细介绍实现过程。图3是根据一示例性实施例示出的一种图像处理方法的流程图，执行主体为终端，如图3所示，包括以下步骤301至步骤314：在步骤301中，将待显示图像从rgb色彩空间转换至yuv色彩空间，获取待显示yuv图像。在步骤302中，获取该待显示yuv图像的y通道的灰度图和uv通道的色度图。在步骤303中，通过全变分算法将该灰度图分解为骨架图和纹理图。在步骤304中，通过第一全卷积网络的卷积核为3*3，步长为1的第一卷积层对该骨架图进行特征提取，获取特征骨架图。在步骤305中，通过第一全卷积网络的卷积核为3*3，步长为2的第二卷积层对特征骨架图进行降维，获取降维骨架图。在步骤306中，通过第一全卷积网络的卷积核为1*1，步长为2的第三卷积层对降维骨架图进行特征映射，获取映射骨架图；在步骤307中，通过第一全卷积网络的卷积核为3*3，步长为2的反卷积层对映射骨架图进行升维采样，获取修复骨架图。在步骤308中，通过第二全卷积网络的卷积核为3*3，步长为1的第五卷积层对纹理图进行特征提取，获取特征纹理图。在步骤309中，通过第二全卷积网络的卷积核为3*3，步长为2的第六卷积层对特征纹理图进行降维，获取降维纹理图。在步骤310中，通过第二全卷积网络的卷积核为1*1，步长为2的第七卷积层对降维纹理图进行特征映射，获取映射纹理图。在步骤311中，通过第二全卷积网络的卷积核为3*3，步长为2的反卷积层对映射纹理图进行升维采样，获取修复纹理图。在步骤312中，将修复骨架图和修复纹理图合成为修复灰度图。在步骤313中，将修复灰度图和色度图合成为待显示图像的复原图像。在步骤314中，将该复原图像转换至rgb色彩空间，并进行显示。需要说明的时，本公开实施例所述的步骤301至步骤314的顺序在实际应用中可以根据具体情况进行调整，本公开实施例对此不作限定。同时，第一全卷积网络和第二全卷积网络可以为相同的卷积网络也可以为不同的卷积网络，本公开实施例对此不作限定。本公开的实施例提供一种图像处理方法，通过分别对待显示图像灰度图的骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，进而将该修复骨架图、修复纹理图以及待显示图像的色度图合成为复原图像并进行显示，降低了有损压缩对图像显示的影响，在不增加网络传输带宽和硬盘存储空间的前提下，提高了图像显示的清晰度，进而提高了用户体验。下述为本公开装置实施例，可以用于执行本公开方法实施例。图4a是根据一示例性实施例示出的一种图像处理装置40的结构示意图，该装置40可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4a所示，该图像处理装置40包括第一获取模块401，第二获取模块402，修复模块403，第三获取模块404和显示模块405。其中，第一获取模块401，用于获取待显示图像的灰度图和色度图。第二获取模块402，用于获取所述灰度图的骨架图和纹理图。修复模块403，用于分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图。第三获取模块404，用于根据所述修复骨架图和修复纹理图，获取修复灰度图。显示模块405，用于根据所述修复灰度图和所述色度图显示所述待显示图像的复原图像。在一个实施例中，如图4b所示，所述第二获取模块402包括第一获取子模块4021。所述第一获取子模块4021，用于通过全变分算法将所述灰度图分解为所述骨架图和所述纹理图。在一个实施例中，如图4c所示，所述修复模块403包括第一修复子模块4031和第二修复子模块4032。其中，第一修复子模块4031，用于通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图。第二修复子模块4032，用于通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图。在一个实施例中，如图4d所示，所述第一修复子模块4031包括第一修复单元4031a，第二修复单元4031b，第三修复单元4031c和第四修复单元4031d。其中，第一修复单元4031a，用于通过所述第一全卷积网络的第一卷积层对所述骨架图进行特征提取，获取特征骨架图，所述第一卷积层的卷积核为3*3，步长为1。第二修复单元4031b，用于通过所述第一全卷积网络的第二卷积层对所述特征骨架图进行降维，获取降维骨架图，所述第二卷积层的卷积核为3*3，步长为2。第三修复单元4031c，用于通过所述第一全卷积网络的第三卷积层对所述降维骨架图进行特征映射，获取映射骨架图，所述第三卷积层的卷积核为1*1，步长为2。第四修复单元4031d，用于通过所述第一全卷积网络的第四卷积层对所述映射骨架图进行升维采样，获取所述修复骨架图，所述第四卷积层为反卷积层，卷积核为3*3，步长为2。在一个实施例中，如图4e所示，所述第二修复子模块4032包括第五修复单元4032a，第六修复单元4032b，第七修复单元4032c和第八修复单元4032d。其中，第五修复单元4032a，用于通过所述第二全卷积网络的第五卷积层对所述纹理图进行特征提取，获取特征纹理图，所述第五卷积层的卷积核为3*3，步长为1。第六修复单元4032b，用于通过所述第二全卷积网络的第六卷积层对所述特征纹理图进行降维，获取降维纹理图，所述第六卷积层的卷积核为3*3，步长为2。第七修复单元4032c，用于通过所述第二全卷积网络的第七卷积层对所述降维纹理图进行特征映射，获取映射纹理图，所述第七卷积层的卷积核为1*1，步长为2。第八修复单元4032d，用于通过所述第二全卷积网络的第八卷积层对所述映射纹理图进行升维采样，获取所述修复纹理图，所述第八卷积层为反卷积层，卷积核为3*3，步长为2。本公开的实施例提供一种图像处理装置，该装置可以通过分别对待显示图像灰度图的骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，进而将该修复骨架图、修复纹理图以及待显示图像的色度图合成为复原图像并进行显示，降低了有损压缩对图像显示的影响，在不增加网络传输带宽和硬盘存储空间的前提下，提高了图像显示的清晰度，进而提高了用户体验。本公开实施例提供一种图像处理装置，该图像处理装置包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为：获取待显示图像的灰度图和色度图；获取所述灰度图的骨架图和纹理图；分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图；根据所述修复骨架图和修复纹理图，获取修复灰度图；根据所述修复灰度图和所述色度图显示所述待显示图像的复原图像。在一个实施例中，上述处理器还可被配置为：通过全变分算法将所述灰度图分解为所述骨架图和所述纹理图。在一个实施例中，上述处理器还可被配置为：通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图；通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图。在一个实施例中，上述处理器还可被配置为：通过所述第一全卷积网络的第一卷积层对所述骨架图进行特征提取，获取特征骨架图，所述第一卷积层的卷积核为3*3，步长为1；通过所述第一全卷积网络的第二卷积层对所述特征骨架图进行降维，获取降维骨架图，所述第二卷积层的卷积核为3*3，步长为2；通过所述第一全卷积网络的第三卷积层对所述降维骨架图进行特征映射，获取映射骨架图，所述第三卷积层的卷积核为1*1，步长为2；通过所述第一全卷积网络的第四卷积层对所述映射骨架图进行升维采样，获取所述修复骨架图，所述第四卷积层为反卷积层，卷积核为3*3，步长为2。在一个实施例中，上述处理器还可被配置为：通过所述第二全卷积网络的第五卷积层对所述纹理图进行特征提取，获取特征纹理图，所述第五卷积层的卷积核为3*3，步长为1；通过所述第二全卷积网络的第六卷积层对所述特征纹理图进行降维，获取降维纹理图，所述第六卷积层的卷积核为3*3，步长为2；通过所述第二全卷积网络的第七卷积层对所述降维纹理图进行特征映射，获取映射纹理图，所述第七卷积层的卷积核为1*1，步长为2；通过所述第二全卷积网络的第八卷积层对所述映射纹理图进行升维采样，获取所述修复纹理图，所述第八卷积层为反卷积层，卷积核为3*3，步长为2。本公开的实施例提供一种图像处理装置，该装置可以通过分别对待显示图像灰度图的骨架图和纹理图进行修复，获取修复骨架图和修复纹理图，进而将该修复骨架图、修复纹理图以及待显示图像的色度图合成为复原图像并进行显示，降低了有损压缩对图像显示的影响，在不增加网络传输带宽和硬盘存储空间的前提下，提高了图像显示的清晰度，进而提高了用户体验。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。图5是根据一示例性实施例示出的一种用于图像处理装置50的结构框图，该装置50适用于终端设备。例如，装置50可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。装置50可以包括以下一个或多个组件：处理组件502，存储器504，电源组件506，多媒体组件508，音频组件510，输入/输出(i/o)的接口512，传感器组件514，以及通信组件516。处理组件502通常控制装置50的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理组件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。存储器504被配置为存储各种类型的数据以支持在装置50的操作。这些数据的示例包括用于在装置50上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，2020欧洲杯投注官网 等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。电源组件506为装置50的各种组件提供电力。电源组件506可以包括电源管理系统，一个或多个电源，及其他与为装置50生成、管理和分配电力相关联的组件。多媒体组件508包括在所述装置50和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当装置50处于操作模式，如拍摄模式或2020欧洲杯投注官网 模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(mic)，当装置50处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。i/o接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。传感器组件514包括一个或多个传感器，用于为装置50提供各个方面的状态评估。例如，传感器组件514可以检测到装置50的打开/关闭状态，组件的相对定位，例如所述组件为装置50的显示器和小键盘，传感器组件514还可以检测装置50或装置50一个组件的位置改变，用户与装置50接触的存在或不存在，装置50方位或加速/减速和装置50的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。通信组件516被配置为便于装置50和其他设备之间有线或无线方式的通信。装置50可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件516还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。在示例性实施例中，装置50可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子组件实现，用于执行上述方法。在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由装置50的处理器520执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。本公开实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置50的处理器执行时，使得装置50能够执行上述图像处理方法，所述方法包括获取待显示图像的灰度图和色度图；获取所述灰度图的骨架图和纹理图；分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图；根据所述修复骨架图和修复纹理图，获取修复灰度图；根据所述修复灰度图和所述色度图显示所述待显示图像的复原图像。在一个实施例中，所述获取所述灰度图的骨架图和纹理图包括：通过全变分算法将所述灰度图分解为所述骨架图和所述纹理图。在一个实施例中，所述分别对所述骨架图和纹理图进行修复，获取修复骨架图和修复纹理图包括：通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图；通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图。在一个实施例中，所述通过第一全卷积网络对所述骨架图进行修复，获取所述修复骨架图包括：通过所述第一全卷积网络的第一卷积层对所述骨架图进行特征提取，获取特征骨架图，所述第一卷积层的卷积核为3*3，步长为1；通过所述第一全卷积网络的第二卷积层对所述特征骨架图进行降维，获取降维骨架图，所述第二卷积层的卷积核为3*3，步长为2；通过所述第一全卷积网络的第三卷积层对所述降维骨架图进行特征映射，获取映射骨架图，所述第三卷积层的卷积核为1*1，步长为2；通过所述第一全卷积网络的第四卷积层对所述映射骨架图进行升维采样，获取所述修复骨架图，所述第四卷积层为反卷积层，卷积核为3*3，步长为2。在一个实施例中，所述通过第二全卷积网络对所述纹理图进行修复，获取所述修复纹理图包括：通过所述第二全卷积网络的第五卷积层对所述纹理图进行特征提取，获取特征纹理图，所述第五卷积层的卷积核为3*3，步长为1；通过所述第二全卷积网络的第六卷积层对所述特征纹理图进行降维，获取降维纹理图，所述第六卷积层的卷积核为3*3，步长为2；通过所述第二全卷积网络的第七卷积层对所述降维纹理图进行特征映射，获取映射纹理图，所述第七卷积层的卷积核为1*1，步长为2；通过所述第二全卷积网络的第八卷积层对所述映射纹理图进行升维采样，获取所述修复纹理图，所述第八卷积层为反卷积层，卷积核为3*3，步长为2。本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。当前第1页12当前第1页12