[发明专利]图像处理方法、装置、电子设备和计算机可读存储介质

说明书

本发明实施例提供了一种基于卷积网络算法的图像处理方法、装置、电子设备和计算机可读存储介质，方法包括：确定卷积运算层各层所需的填充半径；计算所述卷积运算层各层所需的填充半径之和；获取卷积网络算法输入图像；依据所述填充半径之和对所述输入图像进行填充得到填充后的图像；确定所述卷积运算层各层的运算范围；依据所述卷积运算层各层依次分别对所述填充后的图像进行卷积网络算法运算；获得输出图像。本发明还提供了一种基于卷积网络算法的图像处理的装置、电子设备和计算机可读存储介质。根据本发明的技术方案，可减少重复占用CPU或硬件运算资源、简化代码编写、提升运行速度，从而总体上降低经济成本、降低管理难度的作用。

技术领域

本发明涉及图像处理技术领域，具体地涉及一种卷积网络算法预填充的方法、装置、电子设备和计算机可读存储介质。

背景技术

卷积网络技术在人工智能方面应用情况日益增多，特别在显示系统行业，用于图像超分辨率等算法，使可有效增强显示系统的图像品质。然而在卷积网络算法中，常见的情况需要对输入图像或中间图像进行卷积填充，在纯硬件系统中，一般采取直接使用硬件进行填充操作；在软硬件协作系统中，则可于软件系统或硬件系统中进行填充操作。图1示出了一般常见的卷积网络算法填充图像处理的方法。但依据一般的卷积网络算法填充图像处理方法，无论在软件系统还是硬件系统中进行填充操作，均有重复占用CPU或硬件运算资源，软、硬件代码的编写相对复杂等问题。

发明内容

有鉴于此，本发明提出图像处理方法、装置和计算机可读存储介质，以减少重复占用CPU或硬件运算资源、简化代码编写、提升运行速度。

为此，本发明实施例提供如下技术方案：

根据本发明一方面，提供一种图像处理方法，包括：

确定卷积运算层各层L₁,L₂,…,L_(n-1),L_n各自所需的填充半径R₁,R₂,…,R_(n-1),R_n，n大于等于2；

计算所述卷积运算层各层所需的填充半径R₁,R₂,…,R_n之和R_Σ；

获取卷积网络算法输入图像P₀；

依据所述填充半径之和R_Σ对所述输入图像P₀进行一次性填充后得到填充后的图像P_0Σ；

确定所述卷积运算层各层L₁,L₂,…,L_(n-1),L_n的运算范围；

依据所述卷积运算层第一层L₁及对应运算范围对所述填充后的图像P_0Σ进行卷积网络算法运算并得到运算后得到图像P_1Σ；

依据所述卷积运算层各层其他层L₂,…,L_n及各自对应运算范围依次分别对所述运算后得到的图像P_(n-1)Σ进行卷积网络算法运算并得到运算后得到的图像P_nΣ；

将卷积运算层最后一层运算后得到的图像P_nΣ作为输出图像输出。

进一步的，所述确定卷积运算层各层L₁,L₂,…,L_(n-1),L_n各自所需的填充半径R₁,R₂,…,R_(n-1),R_n的步骤包括解析卷积网络算法。