CN100562135C - 图像质量评测系统 - Google Patents
图像质量评测系统 Download PDFInfo
- Publication number
- CN100562135C CN100562135C CNB2006101391440A CN200610139144A CN100562135C CN 100562135 C CN100562135 C CN 100562135C CN B2006101391440 A CNB2006101391440 A CN B2006101391440A CN 200610139144 A CN200610139144 A CN 200610139144A CN 100562135 C CN100562135 C CN 100562135C
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- assessment
- isp
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 118
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000004088 simulation Methods 0.000 claims description 42
- 230000007613 environmental effect Effects 0.000 claims description 33
- 230000000052 comparative effect Effects 0.000 claims description 26
- 238000013441 quality evaluation Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 13
- 230000006378 damage Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像质量评测系统。本发明模拟外部环境对参考图像进行破坏,利用需要评估的ISP算法对破坏后的图像进行还原处理,并将还原处理后的图像与参考图像进行比较,得到评估结果,提高了评估的可靠性和评估效率。而且,基于本发明的图像质量评测方法和系统实现对ISP算法的评估,降低了评估的延迟性,不需要创建理想外部环境,并得到了客观、精准的评估结果。
Description
技术领域
本发明涉及质量评估技术,特别涉及图像质量评测系统。
背景技术
现有的摄像头中都包括一个多媒体处理设备,用于对拍摄到的图像进行图像处理,以此来减小或消除外部环境的影响对图像的某些参数造成的破坏,例如图像色彩的饱和度和对比度、像素点间离等参数。其中,多媒体处理单元通常包括图像处理和图像压缩这两个单元。
图像处理单元中存储着多种图像信号处理(Image Signal Processing,ISP)算法,分别针对外部环境对图像的各种参数造成的破坏,对破坏后的图像进行还原。例如,对边缘模糊的图像进行边缘锐化处理等。而且,由于图像处理技术的不断发展,也会涌现出多种新算法。因此,需要先利用各种ISP算法进行图像处理,然后通过对图像质量的评测,对ISP算法的处理效果进行评估,再将处理效果最好或者较好的ISP算法配置到图像处理单元中,从而使得用户能够获得高质量的图像。
图1为现有图像质量评测系统。如图1所示,一般来说,用于对ISP算法进行评估的图像质量评测系统包括:摄像头101和图像处理单元102。
摄像头101为不包括多媒体处理设备的普通摄像头,采集外部图像并发送给图像处理单元102。图像处理单元102利用预先存储的ISP算法,对来自摄像头101的图像进行处理,并将处理后的图像发送给外部显示设备。评估人员再通过显示设备中所显示的图像,对图像处理单元102中的ISP算法的处理效果进行评估。
然而,采用上述图像质量评测系统对ISP算法的处理效果进行评估,存在以下不足:
首先,评估延迟性大。图像处理单元102通常为一个硬件设备,因此,对ISP算法的评估必须等待硬件设备生产出来之后才能够进行。
其次,创建理想外部环境困难大。由于不同的ISP算法都是针对外部环境的影响对不同图像参数的破坏,因此,在评估时,也需要尽可能地创建仅能够破坏相应图像参数的理想外部环境,实现较为困难;如果需要多个理想外部环境,则更进一步地增加了创建环境的复杂程度。
而且,评估结果带有主观性,评估的准确度低。由于处理后的图像质量是由评估人员主观判断的,因而不同的评估人员可能得出不同的评估结果;且在评估工作量较大时,评估人员的判断能力也会由于视觉疲劳而被削弱。
可见,现有用于对ISP算法进行评估的图像质量评测系统和方法,使得评估的延迟大、复杂性高、准确度低,进而使得评估的可靠性和效率不高。
发明内容
有鉴于此,本发明的一个主要目的在于,提供一种图像质量评测系统,能够提高对ISP算法进行评估的可靠性和效率。
根据上述的一个主要目的,本发明提供了一种图像质量评测系统,包括:主控单元、参考图像数据库、环境仿真处理单元、ISP算法单元和质量评估单元,其中,
所述主控单元存储有预先设置的图像参数信息、ISP算法与ISP算法标识的映射关系;接收来自外部的请求,该请求中包括需要评估的ISP算法对应的ISP算法标识;将所述ISP算法标识发送给所述ISP算法单元、将该ISP算法标识对应的图像参数信息发送给所述环境仿真处理单元;向所述质量评估单元发送需要评估的图像参数类型;
所述参考图像数据库将预先存储的参考图像提供给所述环境仿真处理单元和所述质量评估单元;
所述环境仿真处理单元,根据来自所述主控单元的图像参数信息,选择并利用对应的环境仿真处理算法模拟外部环境对图像的影响,针对图像参数信息指示的图像参数对来自参考图像数据库的参考图像进行破坏,将破坏后的图像提供给ISP算法单元;
所述ISP算法单元,存储需要评估的ISP算法、以及ISP算法标识与ISP算法的映射关系;根据来自所述主控单元的ISP算法标识,从预先存储的ISP算法中选择需要评估的ISP算法,对来自所述环境仿真处理单元的破坏后的图像进行还原处理,将还原后的图像提供给质量评估单元;
所述质量评估单元,根据来自所述主控单元的图像参数类型,选择内部存储的多个对应的评估算法,利用选择的多个评估算法将还原后的图像与参考图像进行比较,得到多个第一比较结果;再利用预先设定的加权因子对多个第一比较结果进行加权运算得到第二比较结果,将第二比较结果与预先设置的阈值进行比较,当所述第二比较结果大于阈值时,则通知外部评估未通过;当所述第二比较结果小于阈值时,则通知外部评估通过。
所述图像参数信息、及其对应的环境仿真处理算法包括:亮度、及其对应的数字增益算法;采样率、及其对应的差补算法;清晰度、及其对应的边缘提取和增强算法。
由上述技术方案可见,本发明模拟外部环境对参考图像进行破坏,利用需要评估的ISP算法对破坏后的图像进行还原处理,并将还原处理后的图像与参考图像进行比较,得到评估结果,提高了评估的可靠性和评估效率。而且,基于本发明的图像质量评测方法和系统实现对ISP算法的评估,降低了评估的延迟性,不需要创建理想外部环境,并得到了客观、精准的评估结果。
附图说明
图1为现有图像质量评测系统。
图2为本发明中图像质量评测系统的示例性结构图。
图3为本发明实施例中图像质量评测系统的结构图。
图4为本发明中图像质量评测方法的示例性流程图。
图5为本发明实施例中图像质量评测方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
本发明的基本思想是:模拟外部环境对参考图像进行破坏,利用需要评估的ISP算法对破坏后的图像进行还原处理,并将还原处理后的图像与参考图像进行比较,得到评估结果。
图2为本发明中图像质量评测系统的示例性结构图。如图2所示,本发明的图像质量评测系统包括:参考图像数据库201、环境仿真处理单元202、ISP算法单元203和质量评估单元204。
参考图像数据库201将预先存储的参考图像提供给环境仿真处理单元202和质量评估单元204;
环境仿真处理单元202模拟外部环境对图像的影响,对来自参考图像数据库201的参考图像进行破坏,并将破坏后的图像提供给ISP算法单元203;
ISP算法单元203存储需要评估的ISP算法;利用存储的ISP算法,对破坏后的图像进行还原处理,将还原后的图像提供给质量评估单元204;
质量评估单元204将还原后的图像与参考图像进行比较,并根据比较结果得到评估结果。
其中,参考图像数据库201中存储的参考图像,通常可以为对比度明显、锐度大的图像;环境仿真处理单元202对参考图像进行的破坏,是对应于ISP算法单元203中存储的ISP算法所要还原的图像参数;质量评估单元204是根据预先存储的相关参数来对还原后的图像与参考图像进行比较的。
下面,结合具体实施例,对本发明中的图像质量评测系统进行详细说明。
图3为本发明实施例中图像质量评测系统的结构图。如图3所示,本发明的图像质量评测系统包括:主控单元300、参考图像数据库301、环境仿真处理单元302、ISP算法单元303和质量评估单元304。
主控单元300根据来自外部的请求,分别向参考图像数据库301、环境仿真处理单元302、ISP算法单元303和质量评估单元304发送选择图像请求、仿真请求、图像处理请求和评估请求,请求各单元开始进行相应的处理。
参考图像数据库301根据来自主控单元300的选择图像请求,从预先存储的多幅参考图像中选择一幅,并将选择的参考图像提供给环境仿真处理单元302和质量评估单元304。
环境仿真处理单元302接收来自主控单元300的仿真请求,该请求中包括需要破坏的图像参数信息;根据仿真请求中的图像参数信息,从内部存储的环境仿真处理算法中,选择并利用对应的环境仿真处理算法,模拟相应的外部环境对图像的影响,针对图像参数信息指示的图像参数,对来自参考图像数据库301的参考图像进行处理,实现对该图像的破坏,将破坏后的图像提供给ISP算法单元303。
ISP算法单元303接收来自主控单元300的图像处理请求,该请求中包括需要评估的ISP算法标识;根据ISP算法标识,从预先存储的ISP算法中选择需要评估的ISP算法,利用需要评估的ISP算法,对来自环境仿真处理单元302的破坏后的图像进行还原处理,将还原后的图像提供给质量评估单元304。
质量评估单元304接收来自主控单元300的评估请求,该请求中包括需要评估的参数类型;根据评估请求中包括的参数类型,选择内部存储的相应评估算法,利用选择的评估算法,将还原后的图像与参考图像进行比较;将比较结果与预先设置的阈值进行比较,得到评估结果,并将评估结果发送到外部。
其中,评估请求中包括的参数类型可以为一个或者多个;当参数类型为多个时,质量评估单元304可以对多个评估算法得到的结果进行加权运算,并将加权运算结果与预先设置的阈值进行比较,得到评估结果。
具体来说,质量评估单元304可以包括:评估算法模块和阈值比较模块。其中,评估算法模块接收来自ISP算法单元303的还原后的图像和来自参考图像数据库301的参考图像;利用预先设置的评估算法,将还原后的图像和参考图像进行比较,并将比较结果发送给阈值比较模块;阈值比较模块将来自评估算法模块的比较结果与预先存储的阈值进行比较,当比较结果大于阈值时,则通知外部评估未通过,即评估结果为不合格;当比较结果小于阈值时,则通知外部评估通过,即评估结果为合格。
上述系统中,主控单元300还可以存储图像参数信息、ISP算法与ISP算法标识的映射关系,ISP算法标识可以为任意标识,例如按照名称排列的编号、按照对应的图像参数类型的编号、或者ISP算法的名称等;当外部请求系统对某一个ISP算法进行评估时,其中,该请求中包括需要评估的ISP算法对应的ISP算法标识,则主控单元300可以将该ISP算法标识及其对应的图像参数信息分别发送给ISP算法单元303和环境仿真处理单元302。
ISP算法与ISP算法标识的映射关系也存储于ISP算法单元303的算法存储模块中。
环境仿真处理单元302中存储的图像参数信息与环境仿真处理算法的映射关系可以如表1所示。
图像参数信息 | 环境仿真处理算法 | 处理效果 |
亮度 | 数字增益(Digital Gain)算法 | 亮度变化 |
采样率 | 差补(Interpolation)算法 | 降低采样率 |
...... | ...... | ...... |
清晰度 | 边缘提取和增强(Edge extract andenhancement)算法 | 钝化图像 |
表1
本实施例中,参考图像数据库301和环境仿真处理单元302运行各种算法的方式和原理可以与现有技术类似。
以上是对本发明中的图像质量评测系统的说明,下面,对本发明中的图像质量评测方法进行说明。
图4为本发明中图像质量评测方法的示例性流程图。如图4所示,本发明的图像质量评测方法包括以下步骤:
步骤401,模拟外部环境对图像的影响,对预先选择的参考图像进行破坏;
步骤402,利用需要评估的ISP算法,对破坏后的图像进行还原处理;
步骤403,将还原处理后的图像与预先选择的参考图像进行比较,并根据比较结果得到评估结果。
其中,步骤401中对参考图像进行的处理产生的影响,与步骤402中使用的ISP算法所要减小或者消除的影响相对应;步骤403中的比较,是根据预先存储的相关参数来对还原后的图像与参考图像进行比较的。
下面,结合具体实施例,对本发明中的图像质量评测方法进行详细说明。
图5为本发明实施例中图像质量评测方法的流程图。如图5所示,本发明的图像质量评测方法包括以下步骤:
步骤501,选择需要评估的ISP算法及其对应的环境仿真处理算法。
步骤502,通过选择的环境仿真处理算法,对参考图像进行破坏,模拟外部环境对图像的影响。
本步骤中,对参考图像的破坏为:针对一个或者多个图像参数,例如图像的亮度、清晰度等,对图像进行处理,实现对该图像的破坏。
步骤503,利用需要评估的ISP算法,对破坏后的图像进行图像还原处理。
本步骤中,当需要评估的ISP算法能够还原外部环境对多个图像参数的影响时,则在步骤502中也需要针对多个图像参数,并通过一个或者多个环境仿真处理算法来对图像进行破坏。
步骤504,根据预先选择的评估参数类型,采用相应的评估算法,对还原后的图像和参考图像进行比较。
本步骤中,评估参数可以为:信噪比(Peak-Signal-to-Noise Ratio,PSNR),该参数的计算公式,即评估算法可以表示为:
其中,M×N表示图像的像素数量,即图像的大小;om,n为参考图像中的点(m,n)的像素值;rm,n为还原后的图像中的点(m,n)的像素值。
计算出的PSNR为比较结果。
本步骤中,还可以先利用Sobel算子、Canny算子、Prewitt算子等评估参数,对参考图像和还原后的图像进行边缘提取,然后比较两者的边缘,得到量化的比较结果。
当需要根据多个评估参数对还原后的图像和参考图像进行比较时,可以将每个评估参数对应的比较结果,利用预先设定的加权因子进行加权运算,得到综合的比较结果。其中,所有加权因子之和为1。
步骤505,将比较结果与预先设定的阈值进行比较,得到评估结果。
本步骤中,当步骤504得到的比较结果小于阈值时,评估结果为合格,即评估通过;当步骤504得到的比较结果大于阈值时,评估结果为不合格,即评估不通过。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (2)
1、一种图像质量评测系统,其特征在于,包括:主控单元、参考图像数据库、环境仿真处理单元、ISP算法单元和质量评估单元,其中,
所述主控单元存储有预先设置的图像参数信息、ISP算法与ISP算法标识的映射关系;接收来自外部的请求,该请求中包括需要评估的ISP算法对应的ISP算法标识;将所述ISP算法标识发送给所述ISP算法单元、将该ISP算法标识对应的图像参数信息发送给所述环境仿真处理单元;向所述质量评估单元发送需要评估的图像参数类型;
所述参考图像数据库将预先存储的参考图像提供给所述环境仿真处理单元和所述质量评估单元;
所述环境仿真处理单元,根据来自所述主控单元的图像参数信息,选择并利用对应的环境仿真处理算法模拟外部环境对图像的影响,针对图像参数信息指示的图像参数对来自参考图像数据库的参考图像进行破坏,将破坏后的图像提供给ISP算法单元;
所述ISP算法单元,存储需要评估的ISP算法、以及ISP算法标识与ISP算法的映射关系;根据来自所述主控单元的ISP算法标识,从预先存储的ISP算法中选择需要评估的ISP算法,对来自所述环境仿真处理单元的破坏后的图像进行还原处理,将还原后的图像提供给质量评估单元;
所述质量评估单元,根据来自所述主控单元的图像参数类型,选择内部存储的多个对应的评估算法,利用选择的多个评估算法将还原后的图像与参考图像进行比较,得到多个第一比较结果;再利用预先设定的加权因子对多个第一比较结果进行加权运算得到第二比较结果,将第二比较结果与预先设置的阈值进行比较,当所述第二比较结果大于阈值时,则通知外部评估未通过;当所述第二比较结果小于阈值时,则通知外部评估通过。
2、如权利要求1所述的系统,其特征在于,所述图像参数信息、及其对应的环境仿真处理算法包括:亮度、及其对应的数字增益算法;采样率、及其对应的差补算法;清晰度、及其对应的边缘提取和增强算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101391440A CN100562135C (zh) | 2006-10-13 | 2006-10-13 | 图像质量评测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101391440A CN100562135C (zh) | 2006-10-13 | 2006-10-13 | 图像质量评测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1929625A CN1929625A (zh) | 2007-03-14 |
CN100562135C true CN100562135C (zh) | 2009-11-18 |
Family
ID=37859369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006101391440A Expired - Fee Related CN100562135C (zh) | 2006-10-13 | 2006-10-13 | 图像质量评测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100562135C (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101341025B1 (ko) * | 2010-08-11 | 2013-12-13 | 엘지디스플레이 주식회사 | 영상 표시장치의 화질 개선 시뮬레이션 방법과 그 장치 |
CN102378041B (zh) * | 2011-10-25 | 2016-06-22 | 中兴通讯股份有限公司 | 一种图像质量检测方法及装置 |
WO2019126916A1 (zh) * | 2017-12-25 | 2019-07-04 | 深圳市大疆创新科技有限公司 | 一种测试方法、装置及终端 |
CN112153371B (zh) * | 2020-08-24 | 2021-07-20 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
-
2006
- 2006-10-13 CN CNB2006101391440A patent/CN100562135C/zh not_active Expired - Fee Related
Non-Patent Citations (10)
Title |
---|
一种去椒盐噪声中值滤波的改进算法. 任洪海,纪玉波,张飞侠,艾志强.电脑开发与应用,第18卷第5期. 2005 |
一种去椒盐噪声中值滤波的改进算法. 任洪海等.电脑开发与应用,第18卷第5期. 2005 |
一种去椒盐噪声中值滤波的改进算法. 任洪海,纪玉波,张飞侠,艾志强.电脑开发与应用,第18卷第5期. 2005 * |
一种去椒盐噪声中值滤波的改进算法. 任洪海等.电脑开发与应用,第18卷第5期. 2005 * |
基于神经网络的降质图像恢复. 潘梅森,肖政宏.湖南文理学院学报(自然科学版),第17卷第3期. 2005 |
基于神经网络的降质图像恢复. 潘梅森,肖政宏.湖南文理学院学报(自然科学版),第17卷第3期. 2005 * |
基于邻域信息的噪声图像的恢复. 李小春,陈鲸.电讯技术,第4期. 2003 |
基于邻域信息的噪声图像的恢复. 李小春,陈鲸.电讯技术,第4期. 2003 * |
模糊方法与遗传算法相结合的图像恢复. 徐立中,张敏.仪器仪表学报,第22卷第2期. 2001 |
模糊方法与遗传算法相结合的图像恢复. 徐立中,张敏.仪器仪表学报,第22卷第2期. 2001 * |
Also Published As
Publication number | Publication date |
---|---|
CN1929625A (zh) | 2007-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Unsupervised decomposition and correction network for low-light image enhancement | |
Ni et al. | ESIM: Edge similarity for screen content image quality assessment | |
Wang et al. | Just noticeable difference estimation for screen content images | |
Gu et al. | Hybrid no-reference quality metric for singly and multiply distorted images | |
US7873231B2 (en) | Determining sharpness predictors for digital images | |
Ciancio et al. | No-reference blur assessment of digital pictures based on multifeature classifiers | |
Ndajah et al. | SSIM image quality metric for denoised images | |
US8780996B2 (en) | System and method for encoding and decoding video data | |
US20070132865A1 (en) | Filtered noise reduction in digital images | |
DE112016006873T5 (de) | Erfassung von Menschen in Bildern unter Verwendung von Tiefeninformationen | |
CN107509115A (zh) | 一种获取游戏直播中精彩时刻画面的方法及装置 | |
DE112007002076T5 (de) | Verfahren und Systeme zum Identifizieren eines schlecht belichteten Bildes | |
Chen et al. | Perceptual quality assessment of cartoon images | |
CN100562135C (zh) | 图像质量评测系统 | |
CN109345480A (zh) | 一种基于图像修复模型的人脸自动去痘方法 | |
US7826678B2 (en) | Adaptive image sharpening method | |
CN104517264B (zh) | 图像处理方法及装置 | |
De Angelis et al. | A vector approach for image quality assessment and some metrological considerations | |
CN111317426A (zh) | 一种内窥镜参数自适应调整方法和装置 | |
Bianco et al. | Image quality assessment by preprocessing and full reference model combination | |
CN114881889A (zh) | 视频图像噪声评估方法及装置 | |
Ancuti et al. | Image decolorization based on information theory | |
Mohanty et al. | Mutual information based objective model for assessment of visual quality | |
Zachevsky et al. | Denoising of natural stochastic colored-textures based on fractional brownian motion model | |
CN114119609B (zh) | 图像污点浓度的检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091118 Termination date: 20121013 |