1.一种图像修复方法，其特征在于，包括：

对待修复的目标图像进行边缘提取，得到所述目标图像对应的边缘图像；

基于所述目标图像和所述边缘图像，得到训练图像集；其中，所述训练图像集包括多个训练图像对，所述多个训练图像对中的任一训练图像对包括原图样本和边图样本，其中，所述原图样本是从所述目标图像中裁剪出的图像样本，所述边图样本是从所述边缘图像中裁剪出的图像样本，且属于同一训练图像对的所述原图样本和所述边图样本对应于相同的裁剪位置；其中，所述训练图像集中的所有训练图像对均是基于所述目标图像和所述边缘图像得到的；

对于所述多个训练图像对中的任一训练图像对，对所述原图样本和所述边图样本进行损坏处理，得到所述原图样本对应的原图损坏样本和所述边图样本对应的边图损坏样本；

将所述原图损坏样本和所述边图损坏样本输入第一神经网络，经由所述第一神经网络得到所述原图损坏样本对应的原图修复样本；

根据所述原图修复样本与所述原图样本之间的差异，训练所述第一神经网络；

确定所述目标图像中待修复的目标图像块；

在所述边缘图像中，确定所述目标图像块对应的第一边缘图像块；

采用预先训练的第一神经网络对所述目标图像块和所述第一边缘图像块进行处理，得到所述目标图像块对应的修复图像块。

2.根据权利要求1所述的方法，其特征在于，所述对所述原图样本和所述边图样本进行损坏处理，得到所述原图样本对应的原图损坏样本和所述边图样本对应的边图损坏样本，包括：生成所述原图样本和所述边图样本对应的掩码；

采用所述掩码对所述原图样本进行掩码操作，得到所述原图样本对应的原图损坏样本；

采用所述掩码对所述边图样本进行掩码操作，得到所述边图样本对应的边图损坏样本。

3.根据权利要求1所述的方法，其特征在于，所述将所述原图损坏样本和所述边图损坏样本输入第一神经网络，经由所述第一神经网络得到所述原图损坏样本对应的原图修复样本，包括：将所述边图损坏样本输入所述第一神经网络的第一子网络，经由所述第一子网络得到所述边图损坏样本对应的边图修复样本；

将所述原图损坏样本和所述边图修复样本输入所述第一神经网络的第二子网络，经由所述第二子网络得到所述原图损坏样本对应的原图修复样本。

4.根据权利要求3所述的方法，其特征在于，所述根据所述原图修复样本与所述原图样本之间的差异，训练所述第一神经网络，包括：根据所述原图修复样本与所述原图样本之间的差异，以及所述边图修复样本与所述边图样本之间的差异，训练所述第一神经网络。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述采用预先训练的第一神经网络对所述目标图像块和所述第一边缘图像块进行处理，得到所述目标图像块对应的修复图像块，包括：将所述第一边缘图像块输入预先训练的第一神经网络的第一子网络，经由所述第一子网络得到所述第一边缘图像块对应的第二边缘图像块；

采用所述第一神经网络的第二子网络对所述目标图像块和所述第二边缘图像块进行处理，得到所述目标图像块对应的修复图像块。

6.根据权利要求5所述的方法，其特征在于，所述采用所述第一神经网络的第二子网络对所述目标图像块和所述第二边缘图像块进行处理，得到所述目标图像块对应的修复图像块，包括：对所述目标图像块进行预处理，得到预处理后的目标图像块；

将所述预处理后的目标图像块和所述第二边缘图像块输入所述第一神经网络的第二子网络，经由所述第二子网络得到所述目标图像块对应的修复图像块。

7.根据权利要求6所述的方法，其特征在于，所述对所述目标图像块进行预处理，得到预处理后的目标图像块，包括：根据所述目标图像块和所述第二边缘图像块，确定所述目标图像块中的纹理复制区域；

确定与所述目标图像块的纹理相似的目标纹理；

将所述目标纹理复制至所述纹理复制区域，得到预处理后的目标图像块。

8.根据权利要求7所述的方法，其特征在于，所述根据所述目标图像块和所述第二边缘图像块，确定所述目标图像块中的纹理复制区域，包括：对所述目标图像块中的待修复区域和所述第二边缘图像块中的边缘所在区域进行形态学操作，确定所述目标图像块中的目标修复区域，其中，所述待修复区域表示所述目标图像块中属于损坏区域中的未修复区域的区域；

将所述待修复区域中所述目标修复区域以外的区域确定为纹理复制区域。

9.根据权利要求8所述的方法，其特征在于，所述对所述目标图像块中的待修复区域和所述第二边缘图像块中的边缘所在区域进行形态学操作，确定所述目标图像块中的目标修复区域，包括：对所述目标图像块中的待修复区域进行腐蚀操作，得到第一掩码区域；

对所述第二边缘图像块中的边缘所在区域进行膨胀操作，得到第二掩码区域；

将所述第一掩码区域和所述第二掩码区域的并集确定为所述目标图像块中的目标修复区域。

10.根据权利要求1至4中任意一项所述的方法，其特征在于，所述确定所述目标图像中待修复的目标图像块，包括：响应于所述目标图像的损坏区域中存在未修复区域，在所述未修复区域中确定目标位置；

根据所述目标位置，从所述目标图像中确定待修复的目标图像块，其中，所述目标图像块包含所述目标位置。

11.根据权利要求10所述的方法，其特征在于，所述在所述未修复区域中确定目标位置，包括：将所述未修复区域的边缘的任意一点确定为目标位置。

12.根据权利要求10所述的方法，其特征在于，所述根据所述目标位置，从所述目标图像中确定待修复的目标图像块，包括：以所述目标位置为几何中心，从所述目标图像中裁剪出第一预设尺寸的图像块作为待修复的目标图像块。

13.根据权利要求12所述的方法，其特征在于，在所述得到所述目标图像块对应的修复图像块之后，所述方法还包括：以所述目标位置为几何中心，从所述修复图像块中裁剪出第二预设尺寸的图像块作为替换图像块，其中，所述第二预设尺寸小于所述第一预设尺寸；

采用所述替换图像块替换所述目标图像中相应位置的图像块。

14.根据权利要求10所述的方法，其特征在于，在所述响应于所述目标图像的损坏区域中存在未修复区域，在所述未修复区域中确定目标位置之前，所述方法还包括：对所述目标图像进行预设类型的对象识别，确定所述目标图像中的预设类型的对象所在区域，并将所述预设类型的对象所在区域作为所述目标图像中的损坏区域。

15.根据权利要求10所述的方法，其特征在于，在所述响应于所述目标图像的损坏区域中存在未修复区域，在所述未修复区域中确定目标位置之前，所述方法还包括：将所述目标图像输入预先训练的第二神经网络，经由所述第二神经网络预测所述目标图像中的损坏区域，其中，所述第二神经网络是预先根据多个图像以及与多个图像一一对应的损坏区域的标注数据训练的。

16.根据权利要求1至4中任意一项所述的方法，其特征在于，所述目标图像为水墨画图像。

17.一种图像修复装置，其特征在于，包括：

边缘提取模块，用于对待修复的目标图像进行边缘提取，得到所述目标图像对应的边缘图像；基于所述目标图像和所述边缘图像，得到训练图像集；其中，所述训练图像集包括多个训练图像对，所述多个训练图像对中的任一训练图像对包括原图样本和边图样本，其中，所述原图样本是从所述目标图像中裁剪出的图像样本，所述边图样本是从所述边缘图像中裁剪出的图像样本，且属于同一训练图像对的所述原图样本和所述边图样本对应于相同的裁剪位置；其中，所述训练图像集中的所有训练图像对均是基于所述目标图像和所述边缘图像得到的；

损坏处理模块，用于对于所述多个训练图像对中的任一训练图像对，对所述原图样本和所述边图样本进行损坏处理，得到所述原图样本对应的原图损坏样本和所述边图样本对应的边图损坏样本；

第二修复模块，用于将所述原图损坏样本和所述边图损坏样本输入第一神经网络，经由所述第一神经网络得到所述原图损坏样本对应的原图修复样本；

训练模块，用于根据所述原图修复样本与所述原图样本之间的差异，训练所述第一神经网络；

第一确定模块，用于确定所述目标图像中待修复的目标图像块；

第二确定模块，用于在所述边缘图像中，确定所述目标图像块对应的第一边缘图像块；

第一修复模块，用于采用预先训练的第一神经网络对所述目标图像块和所述第一边缘图像块进行处理，得到所述目标图像块对应的修复图像块，其中，所述第一神经网络是预先采用训练图像集训练得到的，所述训练图像集中的训练图像是基于所述目标图像得到的。

18.一种电子设备，其特征在于，包括：

一个或多个处理器；

用于存储可执行指令的存储器；

其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至16中任意一项所述的方法。

19.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至16中任意一项所述的方法。