技术摘要：
本公开提供一种图像处理方法及装置、电子设备、存储介质，涉及图像处理技术领域。所述方法包括：获取待处理图像，对待处理图像进行分块，得到多个待处理图像块；针对每个待处理图像块，确定该待处理图像块对应的目标图像类别；基于目标图像类别对应的图像处理模型，对  全部
背景技术：
目前，神经网络越来越多地应用于各个领域。例如，可以通过卷积神经网络对图像 进行处理，具体可以通过训练得到的卷积核来实现特征的提取和对应的处理。但是，该方法 造成网络的复杂度过高，收敛难度较大，最终导致训练得到的模型的运算复杂度较高，并且 输出的图像质量较低。
技术实现要素：
本公开的目的在于提供一种图像处理方法、图像处理装置、电子设备以及计算机 可读存储介质，进而在一定程度上克服由于相关技术的限制和缺陷而导致的，在进行图像 处理时运算复杂度较高，输出图像质量较低的问题。 根据本公开的第一方面，提供一种图像处理方法，包括： 获取待处理图像，对所述待处理图像进行分块，得到多个待处理图像块； 针对每个待处理图像块，确定该待处理图像块对应的目标图像类别； 基于所述目标图像类别对应的图像处理模型，对该待处理图像块进行处理，得到 该待处理图像块对应的处理后的图像块； 根据得到的多个处理后的图像块，确定输出图像。 根据本公开的第二方面，提供一种图像处理装置，包括： 图像分块模块，用于获取待处理图像，对所述待处理图像进行分块，得到多个待处 理图像块； 图像类别确定模块，用于针对每个待处理图像块，确定该待处理图像块对应的目 标图像类别； 图像块处理模块，用于基于所述目标图像类别对应的图像处理模型，对该待处理 图像块进行处理，得到该待处理图像块对应的处理后的图像块； 输出图像确定模块，用于根据得到的多个处理后的图像块，确定输出图像。 根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储 所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述 图像处理方法。 根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序， 所述计算机程序被处理器执行时实现上述图像处理方法。 本公开示例性实施例可以具有以下部分或全部有益效果： 在本公开的一示例实施方式所提供的图像处理方法中，针对待处理图像中不同区 域的图像块，选取不同的图像处理模型进行图像处理。一方面，可以利用不同图像处理模型 4 CN 111598796 A 说　明　书 2/9 页 各自的优点，不仅解决了单一网络模型算法的稳定性差的问题，而且还降低了运算复杂度。 另一方面，针对不同区域的图像块进行不同的处理，可以提高图像块的输出质量，最终提高 输出图像的质量。 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。显而易见地，下面描述中的附图仅仅是本公开 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其他的附图。 图1示出了本公开实施例中电子设备的结构示意图； 图2示出了一种用于实现图像处理方法的计算机可读存储介质； 图3示出了本公开实施例中图像处理方法的一种流程图； 图4示出了图像块划分的一种示意图； 图5示出了本公开实施例中图像处理的一种示意图； 图6示出了本公开实施例中图像处理模型对应的权重的确定方法的一种流程图； 图7示出了本公开实施例中图像处理装置的结构示意图。