图片增强方法、装置、设备及介质与流程

1.本发明涉及图像处理领域，尤其涉及图片增强方法、装置、设备及介质。


背景技术：

2.图片增强是通过把图片放入已经训练完成的某种深度学习模型，使用与之相对应的运行api，执行推理，再从模型相关的输出中取出推理完成后的增强图片。图片增强是对图片的某种改变，其包括图像超分，图像变形，风格改变，上色等功能。
3.而现有的图片增强功能存在的局限性是只处理图像局部的信息以及图像羽化方向不明确，其去掉不合格的边界部分内容，使用预测的中心部分进行最终结果的填充，其存在预测有效部分不多，效率不是很理想，并且因为预测批次不同，在色彩变化大的地方还是有拼接痕迹问题。


技术实现要素：

4.本发明的主要目的在于提供一种解决上述技术问题的图片增强方法、装置、设备及介质。
5.本发明第一方面提供了一种图片增强方法，包括：
6.对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0，n和m均为正整数；
7.将n个所述切割图片分别进行预处理，得到n个预测数据；
8.将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；
9.基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；
10.新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片。
11.可选的，在本发明第一方面的第二种实现方式中，所述对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据包括：
12.采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效重叠区域的第二重合方向数据，其中，n≥1，m≥0，p≥0，n、m和p均为正整数；
13.设置所述第二重合方向数据为0。
14.可选的，在本发明第一方面的第三种实现方式中，在所述采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效
重叠区域的第二重合方向数据之前，还包括：
15.判断预置源图片的宽高尺寸是否均小于预置切片模型的宽高尺寸；
16.若是，则增加所述源图片的宽高尺寸，并在所述图片上设置resize标志以及对应放大倍数。
17.可选的，在本发明第一方面的第四种实现方式中，所述将n个所述切割图片分别进行预处理，得到n个预测数据包括：
18.将n个所述切割图片分别进行归一化处理，得到n个归一数据；
19.将n个所述归一数据与预置rgb数据进行计算，得到n个预测数据，其中，所述预测数据的数据类型为浮点型。
20.可选的，在本发明第一方面的第五种实现方式中，所述基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据包括：
21.将所述有效重叠区域中预置侧边重叠区域依照指定方向进行羽化，得到与所述侧边重叠区域相同重叠方向的侧边羽化区域，其中，所述指定方向为所述侧边重叠区域朝向所述预测图片的方向，所述侧边重叠区域为所述预测图片的侧边重叠位置；
22.根据所述第一重合方向数据，将互为相同重叠方向的所述侧边重叠区域与所述侧边羽化区域进行点对点相乘，得到侧边羽化数据。
23.可选的，在本发明第一方面的第六种实现方式中，所述基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据包括：
24.筛选出所述有效重叠区域中的预置对角重叠区域，其中，所述对角重叠区域为所述预测图片的对角重叠位置；
25.根据所述第一重合方向数据，将相邻于所述对角重叠区域两侧的两个侧边重叠区域分别与所述对角重叠区域进行点对点相乘，得到对角羽化数据；
26.将所述侧边羽化数据和所述对角羽化数据进行整合，得到羽化数据。
27.可选的，在本发明第一方面的第七种实现方式中，在所述新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片之后，还包括：
28.判断所述resize标志是否为0；
29.若所述resize标志不为0，则再判断所述切片模型是否为超分模型；
30.若所述切片模型为超分模型，则将所述增强图片调整至与根据所述放大倍数所放大后的所述源图片相同尺寸；
31.若所述切片模型不为超分模型，则将所述增强图片按比例缩小至与所述源图片相同尺寸。
32.本发明第二方面提供了一种图片增强装置，其包括：
33.切片模块，用于对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0；
34.预处理模块，用于将n个所述切割图片分别进行预处理，得到n个预测数据；
35.预测模块，用于将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；
36.羽化模块，用于基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；
37.增强模块，用于新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片。
38.本发明第三方面提供了一种图片增强设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述图片增强设备执行上述的图片增强方法。
39.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的图片增强方法。
40.在本发明的实施例中，通过采用图片切割、重叠区域的羽化方向设定，使得在得到增强图片中的重叠区域能够以指定方向进行羽化融合，确保拼接后得到不损失图片细节，没有拼接痕迹的结果图片。
附图说明
41.图1为本发明实施例中图片增强方法的第一个实施例示意图；
42.图2为本发明实施例中图片增强方法的第二个实施例示意图；
43.图3为本发明实施例中图片增强方法的第三个实施例示意图；
44.图4为本发明实施例中图片增强方法的第四个实施例示意图；
45.图5为本发明实施例中图片增强方法的第五个实施例示意图；
46.图6为本发明实施例中图片增强方法的第六个实施例示意图；
47.图7为本发明实施例中图片增强方法的第七个实施例示意图；
48.图8为本发明实施例中图片增强装置的一个实施例示意图；
49.图9为本发明实施例中图片增强设备的一个实施例示意图；
50.图10为本发明实施例中图片增强方法的第二个实施例中的演示图；
51.图11为本发明实施例中图片增强方法的第五个实施例中的演示图。
具体实施方式
52.本发明实施例提供了一种图片增强方法、装置、设备及介质。
53.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等如果存在是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
54.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1-附图7以及图10，本发明实施例中图片增强方法的一个实施例包括：
55.101、对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0，n和m均为正整数；
56.进一步的，步骤101中具体还可以执行：
57.1011、采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效重叠区域的第二重合方向数据，其中，n≥1，m≥0，p≥0，n、m和p均为正整数；
58.1012设置所述第二重合方向数据为0。
59.在步骤1011-1012中，切片模型是用于裁切的标准，其形状结构根据具体实施方案而定，在本实施例中的切片模型所采用的是正方形结构，在将切片模型对源图片进行滑窗裁切时，需要保留上一份裁切后的切割图片的部分内容，也就是层叠滑窗式切割，而这部分内容就是有效重叠区域，这里的有效重叠区域包括了切片模型在进行上、下、左、右裁切时所保留的下、上、右、左的重叠区域，需要注意的是，每次所控制保留的上一份的部分内容的尺寸是固定的，可以通过简单的计算方式得到：
60.从宽开始处理：(源图片的宽-重叠尺寸)/切片模型的步长＝宽方向的数量[取整]；
[0061]
从高开始处理：(源图片的高-重叠尺寸)/切片模型的步长＝高方向的数量[取整]。
[0062]
在正好被切割完全的源图片中，上面的公式所得到的：宽方向的数量和高方向的数量的乘积就是最后得到切割图片的总数。
[0063]
在无法被切割完全的源图片中，宽方向以及高方向都会存在余量，这些余量按照切片模型是无法有效被切割的，所切割出来的切割图片的尺寸也无法被后续步骤所使用，因此这边引入无效重叠区域的概念，也就是用来弥补得到符合后续步骤使用的切割图片，如附图10所示，整个框架就是切片模型，c是无效重叠区域，b是左侧以及下侧的有效重叠区域，d是对角重叠区域(具体如步骤1043中所提及)，a是切割图片中无需羽化的内容，其中需要注意的是，附图10是在宽方向存在余量且高方向至少有两个切片的情况下，以宽方向最右侧一列的第一个作为例子，其他方向或位置上a、b、c、d的位置可能存在不同，附图10这个框架就是用于将余量切割后模拟出完整切割图片，在后续步骤计算中，需要将c无效重叠区域剔除，避免计算重复而导致羽化效率以及效果不佳的情况出现，当然模拟的方式也说明了使用同一切片模型来实现切割步骤，无需根据不同余量情况来替换其他尺寸的切片模型，有效提高效率的同时，降低资源成本，而这里的切割图片的数据的计算方式就是：宽方向正好切割的数量*高方向正好切割的数量+宽方向模拟切割的数量+高方向模拟切割的数量+1，虽然可能在数量上与上述完整切割图片的数量相同，但是“宽方向模拟切割的数量+高方向模拟切割的数量”指的是需要剔除c无效重叠区域的模拟切割图片，而“1”就是宽方向和高方向的交界处。
[0064]
进一步的，在步骤1011之前，具体还可以执行：
[0065]
1001、判断预置源图片的宽高尺寸是否均小于预置切片模型的宽高尺寸；
[0066]
1002若是，则增加所述源图片的宽高尺寸，并在所述图片上设置resize标志以及
对应放大倍数。
[0067]
在步骤1001-1002中，在对源图片进行切割时，需要判断切片模型对应源图片的尺寸大小的对比，若是切片模型大过源图片，则需要增大源图片的尺寸，以方便切片模型的切割操作。
[0068]
102、将n个所述切割图片分别进行预处理，得到n个预测数据；
[0069]
进一步的，步骤102具体还可以执行：
[0070]
1021、将n个所述切割图片分别进行归一化处理，得到n个归一数据；
[0071]
1022、将n个所述归一数据与预置rgb数据进行计算，得到n个预测数据，其中，所述预测数据的数据类型为浮点型
[0072]
在步骤1021-1022中，归一数据与预置rgb数据的计算实际就是切割图片的点位数据均除以255，所得到的预测数据均要转换为浮点型，以提高预测精度。
[0073]
103、将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；
[0074]
在本实施例中，这里所采用的是与预置预测模型配套的api进行推理预测。
[0075]
104、基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；
[0076]
进一步的，步骤104具体还可以执行：
[0077]
1041、将所述有效重叠区域中预置侧边重叠区域依照指定方向进行羽化，得到与所述侧边重叠区域相同重叠方向的侧边羽化区域，其中，所述指定方向为所述侧边重叠区域朝向所述预测图片的方向，所述侧边重叠区域为所述预测图片的侧边重叠位置；
[0078]
1042、根据所述第一重合方向数据，将互为相同重叠方向的所述侧边重叠区域与所述侧边羽化区域进行点对点相乘，得到侧边羽化数据；
[0079]
1043、筛选出所述有效重叠区域中的预置对角重叠区域，其中，所述对角重叠区域为所述预测图片的对角重叠位置；
[0080]
1044、根据所述第一重合方向数据，将相邻于所述对角重叠区域两侧的两个侧边重叠区域分别与所述对角重叠区域进行点对点相乘，得到对角羽化数据；
[0081]
1045、将所述侧边羽化数据和所述对角羽化数据进行整合，得到羽化数据。
[0082]
在步骤1041-1045中，第一重合方向数据是在对源图片采用切片模型进行切割时所对应记录重叠区域的点位数据，侧边重叠区域是切割图片四侧重叠内容，如附图11所示，其羽化的方向是当前侧边重叠区域下朝向预测图片的方向，也就是朝预测图片的中心方向，其中羽化方式采用像素点增量的渐变方式，假设增量总数为1，那么越远离预测图片中心位置，增量总数越趋近于0，这个渐变过程是均匀变化的，此时便是确定好羽化方式的侧边羽化数据，针对侧边重叠区域，则根据第一重合方向数据，将互为相同重叠方向的所述侧边重叠区域与所述侧边羽化区域进行点对点相乘，便可以得到四个侧边羽化数据，而对角重叠区域是由相邻两个侧边重叠区域所重叠的区域，因此计算羽化的方式与侧边重叠区域的不同，其采用的是将相邻于所述对角重叠区域两侧的两个侧边重叠区域分别与所述对角重叠区域进行点对点相乘以得到四个对角羽化数据，这里是单个预测图片的羽化数据计算方式，要求得n个切割图片的羽化数据，只需要重复上述操作，得到m个切割图片(即预测图片)的全部对角羽化数据以及侧边羽化数据。
[0083]
105、新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初
始化图片与n个所述羽化数据进行融合，得到增强图片
[0084]
进一步的，在步骤105之后，具体还可以执行：
[0085]
1061、判断所述resize标志是否为0；
[0086]
1062、若所述resize标志不为0，则再判断所述切片模型是否为超分模型；
[0087]
1063若所述切片模型为超分模型，则将所述增强图片调整至与根据所述放大倍数所放大后的所述源图片相同尺寸；
[0088]
1064、若所述切片模型不为超分模型，则将所述增强图片按比例缩小至与所述源图片相同尺寸。
[0089]
在步骤1061-1064中，这里的步骤设置是为了自适应不同尺寸的源图片，使得在固定尺寸切片模型下，均能对不同尺寸的源图片进行切割，并且增强后的图片还会还原至与源图片相同尺寸，提高适应能力的同时，确保增强后的图片不失真。
[0090]
在本实施例中，通过采用图片切割、重叠区域的羽化方向设定，使得在得到增强图片中的重叠区域能够以指定方向进行羽化融合，确保拼接后得到不损失图片细节，没有拼接痕迹的结果图片。
[0091]
上面对本发明实施例中图片增强方法进行了描述，下面对本发明实施例中图片增强装置进行描述，请参阅图8，本发明实施例中图片增强装置一个实施例包括：
[0092]
切片模块201，用于对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0，n和m均为正整数；
[0093]
预处理模块202，用于将n个所述切割图片分别进行预处理，得到n个预测数据；
[0094]
预测模块203，用于将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；
[0095]
羽化模块204，用于基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；
[0096]
增强模块205，用于新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片。
[0097]
本发明实施例中图片增强装置的另一个实施例包括：
[0098]
切片模块201，用于对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0，n和m均为正整数；
[0099]
预处理模块202，用于将n个所述切割图片分别进行预处理，得到n个预测数据；
[0100]
预测模块203，用于将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；
[0101]
羽化模块204，用于基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；
[0102]
增强模块205，用于新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片。
[0103]
进一步的，切片模块201还可以具体执行：
[0104]
采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所
述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效重叠区域的第二重合方向数据，其中，n≥1，m≥0，p≥0，n、m和p均为正整数；
[0105]
设置所述第二重合方向数据为0。
[0106]
进一步的，在“采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效重叠区域的第二重合方向数据，其中，n≥1，m≥0，p≥0，n、m和p均为正整数”之前，还可以具体执行：
[0107]
判断预置源图片的宽高尺寸是否均小于预置切片模型的宽高尺寸；
[0108]
若是，则增加所述源图片的宽高尺寸，并在所述图片上设置resize标志以及对应放大倍数。
[0109]
进一步的，预处理模块202还可以具体执行：
[0110]
将n个所述切割图片分别进行归一化处理，得到n个归一数据；
[0111]
将n个所述归一数据与预置rgb数据进行计算，得到n个预测数据，其中，所述预测数据的数据类型为浮点型。
[0112]
进一步的，羽化模块204还可以具体执行：
[0113]
将所述有效重叠区域中预置侧边重叠区域依照指定方向进行羽化，得到与所述侧边重叠区域相同重叠方向的侧边羽化区域，其中，所述指定方向为所述侧边重叠区域朝向所述预测图片的方向，所述侧边重叠区域为所述预测图片的侧边重叠位置；
[0114]
根据所述第一重合方向数据，将互为相同重叠方向的所述侧边重叠区域与所述侧边羽化区域进行点对点相乘，得到侧边羽化数据；
[0115]
筛选出所述有效重叠区域中的预置对角重叠区域，其中，所述对角重叠区域为所述预测图片的对角重叠位置；
[0116]
根据所述第一重合方向数据，将相邻于所述对角重叠区域两侧的两个侧边重叠区域分别与所述对角重叠区域进行点对点相乘，得到对角羽化数据；
[0117]
将所述侧边羽化数据和所述对角羽化数据进行整合，得到羽化数据。
[0118]
进一步的，在增强模块205之后，还可以具体执行：
[0119]
判断所述resize标志是否为0；
[0120]
若所述resize标志不为0，则再判断所述切片模型是否为超分模型；
[0121]
若所述切片模型为超分模型，则将所述增强图片调整至与根据所述放大倍数所放大后的所述源图片相同尺寸；
[0122]
若所述切片模型不为超分模型，则将所述增强图片按比例缩小至与所述源图片相同尺寸。
[0123]
在本实施例中，通过采用图片切割、重叠区域的羽化方向设定，使得在得到增强图片中的重叠区域能够以指定方向进行羽化融合，确保拼接后得到不损失图片细节，没有拼接痕迹的结果图片。
[0124]
上面图8从模块化功能实体的角度对本发明实施例中的图片增强装置进行详细描述，下面从硬件处理的角度对本发明实施例中图片增强设备进行详细描述。
[0125]
图9是本发明实施例提供的一种图片增强设备的结构示意图，该图片增强设备300
可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器central processing units，cpu310例如，一个或一个以上处理器和存储器320，一个或一个以上存储应用程序333或数据332的存储介质330例如一个或一个以上海量存储设备。其中，存储器320和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块图示没标出，每个模块可以包括对图片增强设备300中的一系列指令操作。更进一步地，处理器310可以设置为与存储介质330通信，在图片增强设备300上执行存储介质330中的一系列指令操作。
[0126]
基于图片增强设备300还可以包括一个或一个以上电源340，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口330，和/或，一个或一个以上操作系统331，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图9示出的图片增强设备结构并不构成对基于图片增强设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0127]
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于图片增强方法的步骤。
[0128]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0129]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备可以是个人计算机，服务器，或者网络设备等执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器read-only memory，rom、随机存取存储器random access memory，ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0130]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种图片增强方法，其特征在于，包括：对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0，n和m均为正整数；将n个所述切割图片分别进行预处理，得到n个预测数据；将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片。2.根据权利要求1所述的图片增强方法，其特征在于，所述对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据包括：采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效重叠区域的第二重合方向数据，其中，n≥1，m≥0，p≥0，n、m和p均为正整数；设置所述第二重合方向数据为0。3.根据权利要求2所述的图片增强方法，其特征在于，在所述采用预置切片模型对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域、m个所述有效重叠区域的第一重合方向数据、p个无效重叠区域以及p个所述无效重叠区域的第二重合方向数据之前，还包括：判断预置源图片的宽高尺寸是否均小于预置切片模型的宽高尺寸；若是，则增加所述源图片的宽高尺寸，并在所述图片上设置resize标志以及对应放大倍数。4.根据权利要求1所述的图片增强方法，其特征在于，所述将n个所述切割图片分别进行预处理，得到n个预测数据包括：将n个所述切割图片分别进行归一化处理，得到n个归一数据；将n个所述归一数据与预置rgb数据进行计算，得到n个预测数据，其中，所述预测数据的数据类型为浮点型。5.根据权利要求4所述的图片增强方法，其特征在于，所述基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据包括：将所述有效重叠区域中预置侧边重叠区域依照指定方向进行羽化，得到与所述侧边重叠区域相同重叠方向的侧边羽化区域，其中，所述指定方向为所述侧边重叠区域朝向所述预测图片的方向，所述侧边重叠区域为所述预测图片的侧边重叠位置；根据所述第一重合方向数据，将互为相同重叠方向的所述侧边重叠区域与所述侧边羽化区域进行点对点相乘，得到侧边羽化数据。6.根据权利要求5所述的图片增强方法，其特征在于，所述基于预置羽化算法以及m个
所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据包括：筛选出所述有效重叠区域中的预置对角重叠区域，其中，所述对角重叠区域为所述预测图片的对角重叠位置；根据所述第一重合方向数据，将相邻于所述对角重叠区域两侧的两个侧边重叠区域分别与所述对角重叠区域进行点对点相乘，得到对角羽化数据；将所述侧边羽化数据和所述对角羽化数据进行整合，得到羽化数据。7.根据权利要求3所述的图片增强方法，其特征在于，在所述新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片之后，还包括：判断所述resize标志是否为0；若所述resize标志不为0，则再判断所述切片模型是否为超分模型；若所述切片模型为超分模型，则将所述增强图片调整至与根据所述放大倍数所放大后的所述源图片相同尺寸；若所述切片模型不为超分模型，则将所述增强图片按比例缩小至与所述源图片相同尺寸。8.一种图片增强装置，其特征在于，所述图片增强装置包括：切片模块，用于对预置源图片进行层叠滑窗式切割，得到n个切割图片、n个所述切割图片的点位数据、m个有效重叠区域和m个所述有效重叠区域的第一重合方向数据，其中，n≥1，m≥0，n和m均为正整数；预处理模块，用于将n个所述切割图片分别进行预处理，得到n个预测数据；预测模块，用于将n个所述预测数据放入预置预测模型中进行推理预测，得到n个预测图片；羽化模块，用于基于预置羽化算法以及m个所述第一重合方向数据，将所述预测图片中m个所述有效重叠区域进行羽化，得到m个羽化数据；增强模块，用于新建与所述源图片相同尺寸的初始化图片，根据n个所述点位数据，将所述初始化图片与n个所述羽化数据进行融合，得到增强图片。9.一种图片增强设备，其特征在于，所述图片增强设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述设备执行如权利要求1-7中任一项所述的图片增强方法。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的图片增强方法。

技术总结
本发明涉及图像处理领域，公开了图片增强方法、装置、设备及介质。该方法包括对预置源图片进行层叠滑窗式切割，得到切割图片、切割图片的点位数据、有效重叠区域和有效重叠区域的第一重合方向数据；将切割图片分别进行预处理，得到预测数据；将预测数据放入预置预测模型中进行推理预测，得到预测图片；基于预置羽化算法以及第一重合方向数据，将预测图片中有效重叠区域进行羽化，得到羽化数据；新建与源图片相同尺寸的初始化图片，根据点位数据，将初始化图片与羽化数据进行融合，得到增强图片，图片切割、重叠区域的羽化方向设定，使得在得到增强图片中的重叠区域能够以指定方向进行羽化融合，确保拼接后得到不损失图片细节，没有拼接痕迹的结果图片。没有拼接痕迹的结果图片。没有拼接痕迹的结果图片。


技术研发人员：朱志强 庄天源
受保护的技术使用者：深圳软牛科技有限公司
技术研发日：2023.05.24
技术公布日：2023/8/23