图像修复方法、装置、计算机可读存储介质及电子设备

摘要

本公开涉及一种图像修复方法、装置、计算机可读存储介质及电子设备，所述方法包括：确定破损图像的第一特征图；根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图；根据所述目标特征图生成所述破损图像对应的修复图像。因此，通过上述技术方案，是通过确定出破损图像的缺失部分特征图对图像进行修复的，一方面在进行图像修复时，可以快速且准确的确定出破损图像中的缺失部分，从而有效提高图像修复结果的准确度和精度。另一方面，使得在进行图像修复时可以更关注破损图像中的缺失部分，从而可以有效提高图像修复方法的鲁棒性和可迁移性，提升用户使用体验。

权利要求

1.一种图像修复方法，其特征在于，所述方法包括：确定破损图像的第一特征图；

根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图；

根据所述目标特征图生成所述破损图像对应的修复图像；

其中，所述目标区域为多个，所述根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图，包括：

对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图；

基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，其中，第一目标区域初始为多个目标区域中的任一目标区域；

基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图；

若所述破损图像中存在未进行注意力特征提取的目标区域，则将所述第三特征图确定为新的第一特征图，将未进行注意力特征提取的一目标区域确定为新的第一目标区域，返回所述对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图的步骤，直至所述破损图像中的各个目标区域均进行注意力特征提取为止；

若各个目标区域均已进行注意力特征提取，则将最后一次确定出的所述第三特征图确定为所述目标特征图；

其中，所述基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图，包括：

将所述第二特征图对应的图像矩阵中的元素与所述第一目标区域的缺失部分特征图对应的图像矩阵中的对应位置的元素相乘，获得第一矩阵；

将所述第二特征图对应的图像矩阵与所述第一矩阵相加所得的矩阵确定为所述第三特征图对应的矩阵。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，包括：通过卷积层和池化层对所述第一特征图进行下采样，获得下采样特征图；

通过所述卷积层和上采样层对所述下采样特征图进行上采样，获得所述第一目标区域的缺失部分特征图。

3.一种图像修复装置，其特征在于，所述装置包括：第一确定模块，用于确定破损图像的第一特征图；

第二确定模块，用于根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图；

生成模块，用于根据所述目标特征图生成所述破损图像对应的修复图像；

其中，所述目标区域为多个，所述第二确定模块用于：对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图；

基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，其中，第一目标区域初始为多个目标区域中的任一目标区域；

基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图；

若所述破损图像中存在未进行注意力特征提取的目标区域，则将所述第三特征图确定为新的第一特征图，将未进行注意力特征提取的一目标区域确定为新的第一目标区域，返回所述对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图的步骤，直至所述破损图像中的各个目标区域均进行注意力特征提取为止；

若各个目标区域均已进行注意力特征提取，则将最后一次确定出的所述第三特征图确定为所述目标特征图；

其中，所述第二确定模块用于：将所述第二特征图对应的图像矩阵中的元素与所述第一目标区域的缺失部分特征图对应的图像矩阵中的对应位置的元素相乘，获得第一矩阵；

将所述第二特征图对应的图像矩阵与所述第一矩阵相加所得的矩阵确定为所述第三特征图对应的矩阵。

4.根据权利要求3所述的装置，其特征在于，所述第二确定模块用于：通过卷积层和池化层对所述第一特征图进行下采样，获得下采样特征图；

通过所述卷积层和上采样层对所述下采样特征图进行上采样，获得所述第一目标区域的缺失部分特征图。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1或2所述方法的步骤。

6.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1或2所述方法的步骤。

说明书

图像修复方法、装置、计算机可读存储介质及电子设备

技术领域

[0001] 本公开涉及图像处理领域，具体地，涉及一种图像修复方法、装置、计算机可读存储介质及电子设备。

背景技术

[0002] 图像修复的主要目的是还原图像中缺失的部分，在现实生活中有着广泛的应用。现有技术中，图像修复通常通过深度学习方法实现，在该图像修复方式中，是通过计算网络
修复的图像与完整图像之间的像素差异性来监督训练，使得训练所得的图像修复模型鲁棒
性较低。

发明内容

[0003] 本公开的目的是提供一种准确度高的图像修复方法、装置、计算机可读存储介质及电子设备。

[0004] 为了实现上述目的，根据本公开的第一方面，提供一种图像修复方法，所述方法包括：

[0005] 确定破损图像的第一特征图；

[0006] 根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图；

[0007] 根据所述目标特征图生成所述破损图像对应的修复图像。

[0008] 可选地，所述目标区域为多个，所述根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征
图，包括：

[0009] 对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图；

[0010] 基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，其中，第一目标区域初始为多个目标区域中的任
一目标区域；

[0011] 基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图；

[0012] 若所述破损图像中存在未进行注意力特征提取的目标区域，则将所述第三特征图确定为新的第一特征图，将未进行注意力特征提取的一目标区域确定为新的第一目标区
域，返回所述对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图的步骤，直
至所述破损图像中的各个目标区域均进行注意力特征提取为止；

[0013] 若各个目标区域均已进行注意力特征提取，则将最后一次确定出的所述第三特征图确定为所述目标特征图。

[0014] 可选地，所述基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，包括：

[0015] 通过卷积层和池化层对所述第一特征图进行下采样，获得下采样特征图；

[0016] 通过所述卷积层和上采样层对所述下采样特征图进行上采样，获得所述第一目标区域的缺失部分特征图。

[0017] 可选地，所述基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图，包括：

[0018] 将所述第二特征图对应的图像矩阵中的元素与所述第一目标区域的缺失部分特征图对应的图像矩阵中的对应位置的元素相乘，获得第一矩阵；

[0019] 将所述第二特征图对应的图像矩阵与所述第一矩阵相加所得的矩阵确定为所述第三特征图对应的矩阵。

[0020] 根据本公开的第二方面，提供一种图像修复装置，所述装置包括：

[0021] 第一确定模块，用于确定破损图像的第一特征图；

[0022] 第二确定模块，用于根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图；

[0023] 生成模块，用于根据所述目标特征图生成所述破损图像对应的修复图像。

[0024] 可选地，所述目标区域为多个，所述第二确定模块用于：

[0025] 对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图；

[0026] 基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，其中，第一目标区域初始为多个目标区域中的任
一目标区域；

[0027] 基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图；

[0028] 若所述破损图像中存在未进行注意力特征提取的目标区域，则将所述第三特征图确定为新的第一特征图，将未进行注意力特征提取的一目标区域确定为新的第一目标区
域，返回所述对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图的步骤，直
至所述破损图像中的各个目标区域均进行注意力特征提取为止；

[0029] 若各个目标区域均已进行注意力特征提取，则将最后一次确定出的所述第三特征图确定为所述目标特征图。

[0030] 可选地，所述第二确定模块用于：

[0031] 通过卷积层和池化层对所述第一特征图进行下采样，获得下采样特征图；

[0032] 通过所述卷积层和上采样层对所述下采样特征图进行上采样，获得所述第一目标区域的缺失部分特征图。

[0033] 可选地，所述第二确定模块用于：

[0034] 将所述第二特征图对应的图像矩阵中的元素与所述第一目标区域的缺失部分特征图对应的图像矩阵中的对应位置的元素相乘，获得第一矩阵；

[0035] 将所述第二特征图对应的图像矩阵与所述第一矩阵相加所得的矩阵确定为所述第三特征图对应的矩阵。

[0036] 根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面任一所述方法的步骤。

[0037] 根据本公开的第四方面，提供一种电子设备，包括：

[0038] 存储器，其上存储有计算机程序；

[0039] 处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方面任一所述方法的步骤。

[0040] 在上述技术方案中，通过获取破损图像的第一特征图，基于该第一特征图确定出破损图像的缺失部分特征图，进一步确定目标特征图，从而可以根据目标特征图生成破损
图像对应的修复图像。因此，通过上述技术方案，通过确定出破损图像的缺失部分特征图对
图像进行修复，一方面可以快速且准确地确定出破损图像中的缺失部分，从而有效提高图
像修复结果的准确度和精度。另一方面使得在进行图像修复时，可以更关注破损图像中的
缺失部分，从而可以有效提高图像修复方法的鲁棒性和可迁移性，进一步保证图像修复的
准确度，提升用户使用体验。

[0041] 本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

[0042] 附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

[0043] 图1是根据本公开的一种实施方式提供的图像修复方法的流程图；

[0044] 图2是根据本公开的一种实施方式提供的根据第一特征图确定破损图像的目标区域的缺失部分特征图，并根据第一特征图和缺失部分特征图，获得目标特征图的一种示例
性实现方式的流程图；

[0045] 图3是根据本公开的一种实施方式提供的图像修复装置的框图；

[0046] 图4是根据一示例性实施例示出的一种电子设备的框图；

[0047] 图5是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

[0048] 以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

[0049] 图1所示，为根据本公开的一种实施方式提供的图像修复方法的流程图，如图1所示，所述方法包括：

[0050] 在S11中，确定破损图像的第一特征图。

[0051] 其中，可以通过第一全卷积网络对破损图像进行特征提取，从而获得该第一特征图。示例地，全卷积网络的卷积核大小可以为3*3，步长为1，填充为1。可选地，在对破损图像
进行特征提取时，不改变破损图像的原始尺寸大小。

[0052] 在S12中，根据第一特征图确定破损图像的目标区域的缺失部分特征图，并根据第一特征图和缺失部分特征图，获得目标特征图。

[0053] 其中，目标区域可以为一个或多个，确定出的目标特征图即为修复图像对应的特征图。在提取出破损图像的第一特征图后，根据该第一特征图确定出目标区域的缺失部分
特征图，缺失部分特征图对应于破损图像中的缺失部分，通过直接确定出破损图像的缺失
部分以对图像进行修复，可以有效提高图像修复的效率和精度。

[0054] 在S13中，根据目标特征图生成破损图像对应的修复图像。在确定出修复图像对应的目标特征图后，可以直接基于该目标特征图生成修复图像。其中，根据特征图生成图像的
方式为现有方式，在此不再赘述。

[0055] 在上述技术方案中，通过获取破损图像的第一特征图，基于该第一特征图确定出破损图像的缺失部分特征图，进一步确定目标特征图，从而可以根据目标特征图生成破损
图像对应的修复图像。因此，通过上述技术方案，通过确定出破损图像的缺失部分特征图对
图像进行修复，一方面可以快速且准确地确定出破损图像中的缺失部分，从而有效提高图
像修复结果的准确度和精度。另一方面使得在进行图像修复时，可以更关注破损图像中的
缺失部分，从而可以有效提高图像修复方法的鲁棒性和可迁移性，进一步保证图像修复的
准确度，提升用户使用体验。

[0056] 为了使本领域技术人员更加理解本发明实施例提供的技术方案，下面对上述步骤进行详细的说明。

[0057] 可选地，所述目标区域为多个，所述根据第一特征图确定破损图像的目标区域的缺失部分特征图，并根据第一特征图和缺失部分特征图，获得目标特征图的一种示例性实
现方式如下所示，如图2所示，包括：

[0058] 在S21中，对第一特征图进行卷积处理，确定破损图像的第二特征图。其中，可以通过第二全卷积网络对第一特征图进行卷积处理，从而获得第二特征图。其中，第一全卷积网
络和第二全卷积网络可以是相同的卷积神经网络，也可以是不同的卷积神经网络，本公开
对此不进行限定。

[0059] 在S22中，基于第一特征图，对破损图像的第一目标区域进行注意力特征提取，确定第一目标区域的缺失部分特征图，其中，第一目标区域初始为多个目标区域中的任一目
标区域。

[0060] 在该实施例中，可以通过包含自注意力机制的神经网络对破损图像的第一目标区域进行特征提取。其中，该神经网络可以预先进行训练，使得该神经网络在进行特征提取
时，可以将注意力集中在破损图像中的第一目标区域的缺失部分，从而获得第一目标区域
的缺失部分特征图。

[0061] 可选地，所述基于第一特征图，对破损图像的第一目标区域进行注意力特征提取，确定第一目标区域的缺失部分特征图的一种示例性实现方式如下，包括：

[0062] 通过卷积层和池化层对所述第一特征图进行下采样，获得下采样特征图。

[0063] 通过所述卷积层和上采样层对所述下采样特征图进行上采样，获得所述第一目标区域的缺失部分特征图。

[0064] 其中，卷积层用于进行特征提取，池化层用于对输入的特征图进行压缩，一方面使特征图变小，简化网络计算复杂度；一方面进行特征压缩，提取主要特征。因此，通过卷积层
和池化层对第一特征图进行下采样时，可以获得图像中第一目标区域的下采样特征图。之
后，可以通过卷积层和上采样层将下采样特征图上采样到更高分辨率，从而获得第一目标
区域的缺失部分特征图。

[0065] 在上述技术方案中，通过对第一特征图进行下采样，可以在特征采样过程中针对第一目标区域的缺失部分进行采样，获得下采样特征图，之后通过对该下采样特征图进行
上采样，从而获得该第一目标区域的缺失部分特征图。因此，通过上述技术方案，可以在图
像的特征提取和修复过程中，分别对破损图像的缺失部分进行确定，为图像修复提供准确
的数据支持。

[0066] 在S23中，基于第二特征图和第一目标区域的缺失部分特征图确定第三特征图。

[0067] 可选地，所述基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图的一种示例性实现方式如下，包括：

[0068] 将第二特征图对应的图像矩阵中的元素与第一目标区域的缺失部分特征图对应的图像矩阵中的对应位置的元素相乘，获得第一矩阵；

[0069] 将第二特征图对应的图像矩阵与第一矩阵相加所得的矩阵确定为第三特征图对应的矩阵。

[0070] 示例地，通过如下公式确定第三特征图对应的矩阵：

[0071]

[0072] 其中，Q(x)表示第三特征图对应的矩阵；

[0073] T(x)表示第二特征图对应的图像矩阵；

[0074] M(x)表示第一目标区域的缺失部分特征图对应的图像矩阵。

[0075] 若破损图像中存在未进行注意力特征提取的目标区域，在S24中，将第三特征图确定为新的第一特征图，将未进行注意力特征提取的一目标区域确定为新的第一目标区域，
返回对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图的步骤S21，直至破
损图像中的各个目标区域均进行注意力特征提取为止；

[0076] 若各个目标区域均已进行注意力特征提取，在S25中，将最后一次确定出的第三特征图确定为目标特征图。

[0077] 其中，若破损图像中存在未进行注意力特征提取的目标区域，表示破损图像中尚存在部分目标区域未进行图像修复，此时需要针对该部分目标区域进行图像修复。当破损
图像中的各个目标区域均已进行注意力特征提取时，表示已对破损图像中的各个目标区域
中的缺失部分进行了修复，此时可以将最后一次确定出的第三特征图确定为目标特征图。

[0078] 可选地，破损图像的目标区域为一个时，可以在确定出第三特征图时，直接将该第三特征图确定为目标特征图。其中，第三特征图的确定方式已在上文进行详述，在此不再赘
述。

[0079] 在另一实施例中，每个目标区域可以分别对应一个子模型，该子模型用于执行上述S21、S22、S23对应的步骤，即通过该目标区域对应的子模型可以确定出破损图像的第三
特征图。其中，各个目标区域对应的子模型可以串联连接，从而可以直接将当前确定出的第
三特征图直接输入至下一个目标区域对应的子模型中，以继续对图像进行修复。其中，可以
对各个目标区域对应的子模型所合成的模型进行预先训练。在训练时，可以基于破损图像
和完整图像对各个目标区域对应的子模型对应的合成模型进行训练，通过修复图像和完整
图像的确定出的合成模型的损失值对合成模型进行反馈训练。基于该损失值的反馈训练不
断更新各个子模型的参数，使得该子模型可以关注与其对应的目标区域中的缺失部分。其
中，上述实施例仅为一示例性说明，不对本公开进行限定。

[0080] 在上述技术方案中，通过确定破损图像中的各个目标区域的缺失部分特征图，从而根据该缺失部分特征图对破损图像进行图像修复，一方面，在进行图像修复时，可以直接
确定出其缺失部分特征图，有效保证图像修复的准确性。另一方面，通过分别对各个目标区
域的缺失部分特征图进行提取，也可以有效保证该缺失部分特征图的准确性，从而保证图
像修复的准确度和精度。

[0081] 本公开还提供一种图像修复装置，如图3所示，所述装置10包括：

[0082] 第一确定模块100，用于确定破损图像的第一特征图；

[0083] 第二确定模块200，用于根据所述第一特征图确定所述破损图像的目标区域的缺失部分特征图，并根据所述第一特征图和所述缺失部分特征图，获得目标特征图；

[0084] 生成模块300，用于根据所述目标特征图生成所述破损图像对应的修复图像。

[0085] 可选地，所述目标区域为多个，所述第二确定模块200用于：

[0086] 对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图；

[0087] 基于所述第一特征图，对所述破损图像的第一目标区域进行注意力特征提取，确定所述第一目标区域的缺失部分特征图，其中，第一目标区域初始为多个目标区域中的任
一目标区域；

[0088] 基于所述第二特征图和所述第一目标区域的缺失部分特征图确定第三特征图；

[0089] 若所述破损图像中存在未进行注意力特征提取的目标区域，则将所述第三特征图确定为新的第一特征图，将未进行注意力特征提取的一目标区域确定为新的第一目标区
域，返回所述对所述第一特征图进行卷积处理，确定所述破损图像的第二特征图的步骤，直
至所述破损图像中的各个目标区域均进行注意力特征提取为止；

[0090] 若各个目标区域均已进行注意力特征提取，则将最后一次确定出的所述第三特征图确定为所述目标特征图。

[0091] 可选地，所述第二确定模块200用于：

[0092] 通过卷积层和池化层对所述第一特征图进行下采样，获得下采样特征图；

[0093] 通过所述卷积层和上采样层对所述下采样特征图进行上采样，获得所述第一目标区域的缺失部分特征图。

[0094] 可选地，所述第二确定模块200用于：

[0095] 将所述第二特征图对应的图像矩阵中的元素与所述第一目标区域的缺失部分特征图对应的图像矩阵中的对应位置的元素相乘，获得第一矩阵；

[0096] 将所述第二特征图对应的图像矩阵与所述第一矩阵相加所得的矩阵确定为所述第三特征图对应的矩阵。

[0097] 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。

[0098] 图4是根据一示例性实施例示出的一种电子设备700的框图。如图4所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/
输出(I/O)接口704，以及通信组件705中的一者或多者。

[0099] 其中，处理器701用于控制该电子设备700的整体操作，以完成上述的图像修复方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操
作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以
及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702
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，例如静态随机存取存
储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器
(Electrically Erasable Programmable Read‑Only Memory，简称EEPROM)，可擦除可编程
只读存储器(Erasable Programmable Read‑Only Memory，简称EPROM)，可编程只读存储器
(Programmable Read‑Only Memory，简称PROM)，只读存储器(Read‑Only Memory，简称
ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中
屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括
一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储
器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O
接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，
按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他
设备之间进行有线或无线通信。无线通信，例如Wi‑Fi，蓝牙，近场通信(Near Field 
Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信
组件705可以包括：Wi‑Fi模块，蓝牙模块，NFC模块。

[0100] 在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital 
Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，
简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列
(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元
件实现，用于执行上述的图像修复方法。

[0101] 在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的图像修复方法的步骤。例如，该计算机可读存储介质
可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行
以完成上述的图像修复方法。

[0102] 图5是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图5，电子设备1900包括处理器1922，其数量可以为一个或多
个，以及存储器1932，用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计
算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器1922可
以被配置为执行该计算机程序，以执行上述的图像修复方法。

[0103] 另外，电子设备1900还可以包括电源组件1926和通信组件1950，该电源组件1926可以被配置为执行电子设备1900的电源管理，该通信组件1950可以被配置为实现电子设备
1900的通信，例如，有线或无线通信。此外，该电子设备1900还可以包括输入/输出(I/O)接
口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows 
ServerTM，Mac OS XTM，UnixTM,LinuxTM等等。

[0104] 在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的图像修复方法的步骤。例如，该计算机可读存储介质
可以为上述包括程序指令的存储器1932，上述程序指令可由电子设备1900的处理器1922执
行以完成上述的图像修复方法。

[0105] 以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简
单变型，这些简单变型均属于本公开的保护范围。

[0106] 另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可
能的组合方式不再另行说明。

[0107] 此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。