CN103093419A - 一种检测图像清晰度的方法及装置 - Google Patents
一种检测图像清晰度的方法及装置 Download PDFInfo
- Publication number
- CN103093419A CN103093419A CN2011103353497A CN201110335349A CN103093419A CN 103093419 A CN103093419 A CN 103093419A CN 2011103353497 A CN2011103353497 A CN 2011103353497A CN 201110335349 A CN201110335349 A CN 201110335349A CN 103093419 A CN103093419 A CN 103093419A
- Authority
- CN
- China
- Prior art keywords
- image
- noise reduction
- definition
- sharpness
- gradient
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例提供一种检测图像清晰度的方法及装置,所述检测图像清晰度的方法包括:获取输入的原始图像;将所述原始图像转换为灰度图像;对所述灰度图像进行去噪得到降噪图像;获取所述降噪图像的边缘点;对所述降噪图像作低通滤波操作获取模糊图像;分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。本发明实施例可以较精确的确定图像的清晰程度,所提出的清晰度估计方案可以适用于绝大部分图像。
Description
技术领域
本发明涉及图像质量评价技术领域,尤其涉及一种检测图像清晰度的方法及装置。
背景技术
图像质量是判断图像采集设备性能好坏、工作状态是否正常的一个重要指标,也较多地被用在图像处理算法性能优劣比较和优化系统参数。因此,在图像采集、编码压缩、网络传输等领域建立有效的图像质量评价机制具有重要的意义。
近些年来,随着图像处理技术的发展,该领域的研究已吸引了研究人员的广泛关注。图像质量评价算法层出不穷,图像质量评价从方法上可以分为主观评价方法和客观评价方法两大类。
主观评价方法采用人类观察者来参与评价,通过自身的主观感受来评价视频对象的质量。主观评价法在受控的环境下,将待评价的视频播放给评价者观看,同时记录下评价者的打分,并对所有评价者的打分进行统计,得出一个平均分作为评价结果。一般的主观评价方法包括DSCQS(双刺激连续质量标度方法,Double Stimulus Continuous Quality Scale)、SSCQE(单刺激连续质量评价法,Single Stimulus Continuous Quality evaluation)。一般来说,主观质量评价是一种可靠的方式,既适合于传统的模拟系统,也适合于数字系统,同时对于运动图像也能得到较可靠的结果。其缺点在于,测试环境要求严格、步骤复杂、测试时间长、缺乏实时性。前述的人工巡检方式有部分使用了主观评价方法。
一般的客观评价方法都是通过模拟人类视觉系统的一些生理特征来建立视觉感知模型,使用该模型来评价视频,将模型的输出值作为视频质量的评价。客观评价方法采用了定量的方法测量视频图像的质量,评价过程可以自动完成,无需人工参与。客观评价的研究焦点着重于如何提高主观评价结果和客观评价结果之间的相关性。按照评价是否需要原始视频,可以将客观评价方法分为全参考方法、部分参考方法、无参考方法。
全参考方法需要获取降质视频的未降质参考视频,通过比较降质视频和未降质视频来评价降质视频的质量。部分参考方法无法获取未降质视频,但能够得到未降质视频的一些特征,利用该特征来估计降质视频的质量。无参考方法一般是在无法获得未降质参考视频时使用,该方法先建立有关视频降质的模型,根据该模型来评估视频的质量。
清晰度是用来度量图像质量的指标之一。目前已有一些清晰度度量方法,绝大部分算法都是从图像中提取一些一定程度上能够反映图像清晰度的特征量,以这些特征量作为图像的清晰度度量值,这些特征量具有一定的效果,但普遍存在适用范围较狭窄的缺陷,只能对某些特定的图像具有一定效果,此外,由于场景差异较大,不同的场景所得到的特征量之间并不一定具有可比性。
发明内容
本发明实施例提供一种检测图像清晰度的方法及装置,以较精确的确定图像的清晰程度。
一方面,本发明实施例提供了一种检测图像清晰度的方法,所述检测图像清晰度的方法包括:获取输入的原始图像;将所述原始图像转换为灰度图像;对所述灰度图像进行去噪得到降噪图像;获取所述降噪图像的边缘点;对所述降噪图像作低通滤波操作获取模糊图像;分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。
可选的,在本发明一实施例中,所述对所述灰度图像进行去噪得到降噪图像,可以包括:利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
可选的,在本发明一实施例中,所述利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像,可以包括:选用双边滤波器,利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
可选的,在本发明一实施例中,所述获取所述降噪图像的边缘点,可以包括:使用索贝尔sobel算子提取所述降噪图像中水平、垂直两个方向的梯度,得到水平方向的梯度图像和垂直方向的梯度图像;使用所述水平方向的梯度图像和所述垂直方向的梯度图像求取梯度方向图像和梯度强度图;使用所述梯度方向图像和所述梯度强度图求取局部梯度极值图,并获取边缘密度小于预置阈值的边缘点。
可选的,在本发明一实施例中,所述对所述降噪图像作低通滤波操作获取模糊图像,可以包括:利用低通滤波器对所述降噪图像作低通滤波操作获取模糊图像,所述低通滤波器包括高斯滤波器。
可选的,在本发明一实施例中,所述图像清晰度特征量包括边缘宽度、梯度强度、梯度强度变化率。
可选的,在本发明一实施例中,当所述图像清晰度特征量为边缘宽度时,利用如下公式,根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值:
其中,D为边缘点的图像清晰度度量值,Wo表示所述降噪图像的边缘点的边缘宽度,Wb表示所述模糊图像的边缘点的边缘宽度,Tz表示一个固定参数。
可选的,在本发明一实施例中,所述计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度,可以包括:计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值后,将所述原始图像的图像清晰度度量值量化到0-100,以判断所述原始图像的图像清晰度。
另一方面,本发明实施例提供了一种检测图像清晰度的装置,所述检测图像清晰度的装置包括:
第一获取单元,用于获取输入的原始图像;
转换单元,用于将所述原始图像转换为灰度图像;
降噪单元,用于对所述灰度图像进行去噪得到降噪图像;
第二获取单元,用于获取所述降噪图像的边缘点;
低通滤波单元,用于对所述降噪图像作低通滤波操作获取模糊图像;
计算单元,用于分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。
可选的,在本发明一实施例中,所述降噪单元,具体用于利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
可选的,在本发明一实施例中,所述降噪单元可以包括:双边滤波器,用于利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
可选的,在本发明一实施例中,所述第二获取单元,具体用于使用索贝尔sobel算子提取所述降噪图像中水平、垂直两个方向的梯度,得到水平方向的梯度图像和垂直方向的梯度图像;使用所述水平方向的梯度图像和所述垂直方向的梯度图像求取梯度方向图像和梯度强度图;使用所述梯度方向图像和所述梯度强度图求取局部梯度极值图,并获取边缘密度小于预置阈值的边缘点。
可选的,在本发明一实施例中,所述低通滤波单元可以包括:低通滤波器,用于对所述降噪图像作低通滤波操作获取模糊图像,所述低通滤波器包括高斯滤波器。
可选的,在本发明一实施例中,所述图像清晰度特征量包括边缘宽度、梯度强度、梯度强度变化率。
可选的,在本发明一实施例中,当所述图像清晰度特征量为边缘宽度时,所述计算单元具体用于利用如下公式,根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值:
可选的,在本发明一实施例中,所述计算单元用于计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度,具体包括:计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值后,将所述原始图像的图像清晰度度量值量化到0-100,以判断所述原始图像的图像清晰度。
上述技术方案可以较精确的确定图像的清晰程度,所提出的清晰度估计方案可以适用于绝大部分图像,不同的场景所估计出来的清晰度度量值也具有一致性,此外估计结果比目前已有方法更加准确,同时运算速度也更快。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种检测图像清晰度的方法流程图;
图2为本发明实施例一种检测图像清晰度的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例一种检测图像清晰度的方法流程图,所述检测图像清晰度的方法包括:
101、获取输入的原始图像,原始图像可以记为fo;
102、将所述原始图像转换为灰度图像,灰度图像可以记为fgray;
103、对所述灰度图像进行去噪得到降噪图像;
可选的,在本发明一实施例中,所述对所述灰度图像进行去噪得到降噪图像,可以包括:利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像,其可以减少图像噪声对清晰度估计的影响。
可选的,在本发明一实施例中,所述利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像,可以包括:选用双边滤波器,利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。一般的滤波器在去除噪声这类高频信号的同时,也会在一定程度上去除边缘、线条等高频信号,保边能力是指在去除噪声的同时,能够保留边缘、线条。
104、获取所述降噪图像的边缘点;
可选的,在本发明一实施例中,所述获取所述降噪图像的边缘点,可以包括:
使用索贝尔sobel算子提取所述降噪图像中水平、垂直两个方向的梯度,得到水平方向的梯度图像Gx和垂直方向的梯度图像Gy;
sobel算子是图像处理中的算子之一,主要用作边缘检测。以下是x、y方向的sobel算子:
使用所述梯度方向图像和所述梯度强度图求取局部梯度极值图,并获取边缘密度小于预置阈值的边缘点:
求取的步骤为:对图像中的每一个点,判断该点是否满足如下条件:
Gcurrent≥G-&& Gcurrent≥G+,其中&&表示与运算符,即要求运算符两侧的条件都为真,其运算结果才为真;Gcurrent是当前点的梯度强度值;G-,G+是当前点在其梯度反、正方向上相邻的两个点的梯度强度值。
然后排除密度较高的边缘点以获取边缘密度小于预置阈值的边缘点:首先求取边缘密度,对每个边缘点,以边缘点为中心,统计其邻域内的边缘点个数Ne。以边缘点个数和领域面积的之比作为当前点的边缘密度:
然后将边缘密度小于预置阈值Td的边缘点保留下来,Td可以根据经验选择。
105、对所述降噪图像作低通滤波操作获取模糊图像;
可选的,在本发明一实施例中,所述对所述降噪图像作低通滤波操作获取模糊图像,可以包括:利用低通滤波器对所述降噪图像作低通滤波操作获取模糊图像,所述低通滤波器包括高斯滤波器。
106、分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;
可选的,在本发明一实施例中,所述图像清晰度特征量可以包括边缘宽度、梯度强度、梯度强度变化率等。
本发明实施例下述采用边缘宽度作为特征量,因为边缘宽度特征最符合人眼的观察特性。分别对原始图像和滤波后图像中的所有边缘点,求取边缘点宽度。求取梯度宽度的步骤如下:
对当前象素点,根据梯度方向图,获取该象素点对应梯度正、负方向上的梯度值。
分别在正、负方向上,以当前点为起点,顺序判断每一个点是否满足如下条件。
Gcur-Gpre≥Ts && Gcur≥Tg,其中,Gcur表示当前点的梯度强度值,Gpre是前一个点的梯度强度值,Ts、Tg分别是改变率阈值和梯度强度阈值,可以根据经验选择合适的阈值。
当前点满足上述条件,则处理下一个点,否则停止,以左右分别处理过的点数作为当前点宽度,即边缘宽度。
边缘宽度可以认为是,当上述条件结束时处理过的点数,这里以处理过的像素个数作为当前边缘点的边缘宽度。
107、根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;
可选的,在本发明一实施例中,当所述图像清晰度特征量为边缘宽度时,利用如下公式,根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值:
108、计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。
可选的,在本发明一实施例中,所述计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度,可以包括:计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值后,将所述原始图像的图像清晰度度量值量化到0-100,以判断所述原始图像的图像清晰度。
量化可以保障输出结果有界,以使不同图像所得出的结果之间具有可比性。量化方法很多,这里给出一个,但本发明实施例并不以此为限:
D′=m*atan(n(D-l))+h,其中的D′表示量化后的清晰度度量值,m、n、l、h是量化参数,这些参数需要根据输出值范围来确定。atan表示反正切函数。D是之前步骤计算得到的图像清晰度度量值。
本发明实施例上述方法能够较准确地估计出图像的清晰度,另外清晰度量化到0~100之间的数值的形式表示后,不同的图像计算出来的清晰程度值之间可以具有可比性。本发明实施例能够适用于绝大部分的图像,所得到的值能够用来评估摄像头的工作状态,摄像头的成像质量,还可以用于图像处理算法的参数优化等。
对应于上述方法实施例,如图2所示,为本发明实施例一种检测图像清晰度的装置结构示意图,所述检测图像清晰度的装置包括:
第一获取单元21,用于获取输入的原始图像;
转换单元22,用于将所述原始图像转换为灰度图像;
降噪单元23,用于对所述灰度图像进行去噪得到降噪图像;
第二获取单元24,用于获取所述降噪图像的边缘点;
低通滤波单元25,用于对所述降噪图像作低通滤波操作获取模糊图像;
计算单元26,用于分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。
可选的,在本发明一实施例中,所述降噪单元23,具体用于利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
可选的,在本发明一实施例中,所述降噪单元23可以包括:双边滤波器,用于利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
可选的,在本发明一实施例中,所述第二获取单元24,具体用于使用索贝尔sobel算子提取所述降噪图像中水平、垂直两个方向的梯度,得到水平方向的梯度图像和垂直方向的梯度图像;使用所述水平方向的梯度图像和所述垂直方向的梯度图像求取梯度方向图像和梯度强度图;使用所述梯度方向图像和所述梯度强度图求取局部梯度极值图,并获取边缘密度小于预置阈值的边缘点。
可选的,在本发明一实施例中,所述低通滤波单元25可以包括:低通滤波器,用于对所述降噪图像作低通滤波操作获取模糊图像,所述低通滤波器包括高斯滤波器。
可选的,在本发明一实施例中,所述图像清晰度特征量包括边缘宽度、梯度强度、梯度强度变化率。
可选的,在本发明一实施例中,当所述图像清晰度特征量为边缘宽度时,所述计算单元26具体用于利用如下公式,根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值:
本算法的基本原理是以模糊前后图像清晰度特征量的改变率作为图像清晰度度量值。这里清晰度度量值的计算公式原则上也不限于上述公式,这里使用该式只是因为计算快且基本上满足要求,其他符合基本原理的公式也都可以使用。
可选的,在本发明一实施例中,所述计算单元26用于计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度,具体包括:计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值后,将所述原始图像的图像清晰度度量值量化到0-100,以判断所述原始图像的图像清晰度。
本发明实施例根据图像从清晰到模糊的变化过程中,表征图像清晰度的特征量的变化过程是一致的。利用该特性,本发明实施例提出了新的图像清晰度估计方案。所提出的清晰度估计方案可以使用于绝大部分图像,不同的场景所估计出来的清晰度度量值也具有一致性,此外估计结果比目前已有方法更加准确,同时运算速度也更快。
本发明实施例提出了新的无参考图像清晰度估计方案,该方案假定图像模糊过程具有一致性,图像模糊过程是非线性的,同时结合了人眼成像特性,提出使用图像清晰特征量改变率作为图像清晰度的度量值。
应用本发明实施例后图像可以位于不同的模糊等级,能够反映图像清晰度的特征量具有不同的变化率,当图像位于最清晰状态时,使用同样的低通滤波器使图像从清晰到模糊连续变化,从每一个模糊等级的图像中提取出清晰度特征量,该特征量是一条改变量递减的曲线,处于不同模糊等级的特征量具有不同的曲率。利用该特性,本发明实施例可以较精确的确定图像的清晰程度。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrativelogical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrativecomponents),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电脑、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不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,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种检测图像清晰度的方法,其特征在于,所述检测图像清晰度的方法包括:
获取输入的原始图像;
将所述原始图像转换为灰度图像;
对所述灰度图像进行去噪得到降噪图像;
获取所述降噪图像的边缘点;
对所述降噪图像作低通滤波操作获取模糊图像;
分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;
根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;
计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。
2.如权利要求1所述检测图像清晰度的方法,其特征在于,所述对所述灰度图像进行去噪得到降噪图像,包括:
利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
3.如权利要求2所述检测图像清晰度的方法,其特征在于,所述利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像,包括:
选用双边滤波器,利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
4.如权利要求1所述检测图像清晰度的方法,其特征在于,所述获取所述降噪图像的边缘点,包括:
使用索贝尔sobel算子提取所述降噪图像中水平、垂直两个方向的梯度,得到水平方向的梯度图像和垂直方向的梯度图像;
使用所述水平方向的梯度图像和所述垂直方向的梯度图像求取梯度方向图像和梯度强度图;
使用所述梯度方向图像和所述梯度强度图求取局部梯度极值图,并获取边缘密度小于预置阈值的边缘点。
5.如权利要求1所述检测图像清晰度的方法,其特征在于,所述对所述降噪图像作低通滤波操作获取模糊图像,包括:
利用低通滤波器对所述降噪图像作低通滤波操作获取模糊图像,所述低通滤波器包括高斯滤波器。
6.如权利要求1所述检测图像清晰度的方法,其特征在于,所述图像清晰度特征量包括边缘宽度、梯度强度、梯度强度变化率。
8.如权利要求1所述检测图像清晰度的方法,其特征在于,所述计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度,包括:
计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值后,将所述原始图像的图像清晰度度量值量化到0-100,以判断所述原始图像的图像清晰度。
9.一种检测图像清晰度的装置,其特征在于,所述检测图像清晰度的装置包括:
第一获取单元,用于获取输入的原始图像;
转换单元,用于将所述原始图像转换为灰度图像;
降噪单元,用于对所述灰度图像进行去噪得到降噪图像;
第二获取单元,用于获取所述降噪图像的边缘点;
低通滤波单元,用于对所述降噪图像作低通滤波操作获取模糊图像;
计算单元,用于分别计算所述降噪图像和所述模糊图像中每个边缘点的图像清晰度特征量;根据所述降噪图像的图像清晰度特征量和所述模糊图像的图像清晰度特征量,计算每个边缘点的图像清晰度度量值;计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度。
10.如权利要求9所述检测图像清晰度的装置,其特征在于,所述降噪单元,具体用于利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
11.如权利要求10所述检测图像清晰度的装置,其特征在于,所述降噪单元包括:
双边滤波器,用于利用具有保边能力的去噪算法对所述灰度图像进行去噪得到降噪图像。
12.如权利要求9所述检测图像清晰度的装置,其特征在于,所述第二获取单元,具体用于使用索贝尔sobel算子提取所述降噪图像中水平、垂直两个方向的梯度,得到水平方向的梯度图像和垂直方向的梯度图像;使用所述水平方向的梯度图像和所述垂直方向的梯度图像求取梯度方向图像和梯度强度图;使用所述梯度方向图像和所述梯度强度图求取局部梯度极值图,并获取边缘密度小于预置阈值的边缘点。
13.如权利要求9所述检测图像清晰度的装置,其特征在于,所述低通滤波单元包括:
低通滤波器,用于对所述降噪图像作低通滤波操作获取模糊图像,所述低通滤波器包括高斯滤波器。
14.如权利要求9所述检测图像清晰度的装置,其特征在于,所述图像清晰度特征量包括边缘宽度、梯度强度、梯度强度变化率。
16.如权利要求8所述检测图像清晰度的装置,其特征在于,所述计算单元用于计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值,以判断所述原始图像的图像清晰度,具体包括:计算并将所有边缘点的清晰度度量值的均值作为所述原始图像的图像清晰度度量值后,将所述原始图像的图像清晰度度量值量化到0-100,以判断所述原始图像的图像清晰度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110335349.7A CN103093419B (zh) | 2011-10-28 | 2011-10-28 | 一种检测图像清晰度的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110335349.7A CN103093419B (zh) | 2011-10-28 | 2011-10-28 | 一种检测图像清晰度的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103093419A true CN103093419A (zh) | 2013-05-08 |
CN103093419B CN103093419B (zh) | 2016-03-02 |
Family
ID=48205955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110335349.7A Active CN103093419B (zh) | 2011-10-28 | 2011-10-28 | 一种检测图像清晰度的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103093419B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
CN103971374A (zh) * | 2014-05-22 | 2014-08-06 | 日立数字安防系统(上海)有限公司 | 一种针对多种亮度条件下图像可视化程度检测的评估方法 |
CN104182983A (zh) * | 2014-08-27 | 2014-12-03 | 重庆大学 | 基于角点特征的高速公路监控视频清晰度的检测方法 |
CN105556540A (zh) * | 2013-06-04 | 2016-05-04 | 贝宝公司 | 评估图像清晰度 |
CN105761210A (zh) * | 2016-03-16 | 2016-07-13 | 微梦创科网络科技(中国)有限公司 | 基于自适应冲击滤波的低分辨率图像放大方法及装置 |
CN106326922A (zh) * | 2016-08-22 | 2017-01-11 | 苏州华兴源创电子科技有限公司 | 一种证件信息远程实时认证方法及系统 |
CN106441804A (zh) * | 2015-08-04 | 2017-02-22 | 宁波舜宇光电信息有限公司 | 解像力测试方法 |
CN106570028A (zh) * | 2015-10-10 | 2017-04-19 | 比亚迪股份有限公司 | 移动终端及模糊图像的删除方法和装置 |
CN106934804A (zh) * | 2017-03-13 | 2017-07-07 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN107507173A (zh) * | 2017-08-15 | 2017-12-22 | 上海交通大学 | 一种全切片图像的无参考清晰度评估方法及系统 |
CN108629766A (zh) * | 2018-04-26 | 2018-10-09 | 北京大米科技有限公司 | 图像模糊度检测方法、装置、计算机设备及可读存储介质 |
CN108682008A (zh) * | 2018-05-07 | 2018-10-19 | 江苏康尚生物医疗科技有限公司 | 一种白细胞图像清晰度评价方法及装置 |
CN108827602A (zh) * | 2018-05-31 | 2018-11-16 | 华勤通讯技术有限公司 | 一种vr/ar设备成像清晰度测量方法和测量装置 |
CN109214995A (zh) * | 2018-08-20 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 图片质量的确定方法、装置和服务器 |
CN109416838A (zh) * | 2016-07-12 | 2019-03-01 | 高通股份有限公司 | 用于基于图像模糊度确定接近度的技术 |
CN110335246A (zh) * | 2019-05-29 | 2019-10-15 | 成都数之联科技有限公司 | 一种证照图片清晰度评价方法 |
CN110415223A (zh) * | 2019-07-17 | 2019-11-05 | 西安邮电大学 | 一种无参考的拼接图像质量评价方法及系统 |
CN110530889A (zh) * | 2018-05-25 | 2019-12-03 | 上海翌视信息技术有限公司 | 一种适用于工业生产线的光学检测方法 |
CN110717922A (zh) * | 2018-07-11 | 2020-01-21 | 普天信息技术有限公司 | 一种图像清晰度评价方法及装置 |
CN110852997A (zh) * | 2019-10-24 | 2020-02-28 | 普联技术有限公司 | 动态图像清晰度检测方法、装置、电子设备及存储介质 |
CN111369531A (zh) * | 2020-03-04 | 2020-07-03 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
CN111417981A (zh) * | 2018-03-12 | 2020-07-14 | 华为技术有限公司 | 一种图像清晰度检测方法及装置 |
CN112070022A (zh) * | 2020-09-09 | 2020-12-11 | 北京字节跳动网络技术有限公司 | 人脸图像识别方法、装置、电子设备和计算机可读介质 |
CN112396574A (zh) * | 2019-08-02 | 2021-02-23 | 浙江宇视科技有限公司 | 一种车牌图像质量处理方法、装置、存储介质及电子设备 |
CN112818737A (zh) * | 2020-12-18 | 2021-05-18 | 广州视源电子科技股份有限公司 | 视频识别方法、装置、存储介质及终端 |
CN113763380A (zh) * | 2021-09-29 | 2021-12-07 | 江苏信息职业技术学院 | 基于矢量梯度的无参考图像清晰度评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030189655A1 (en) * | 2001-06-29 | 2003-10-09 | In-Keon Lim | Method of adaptive noise smoothing/restoration in spatio-temporal domain and high-definition image capturing device thereof |
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
-
2011
- 2011-10-28 CN CN201110335349.7A patent/CN103093419B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030189655A1 (en) * | 2001-06-29 | 2003-10-09 | In-Keon Lim | Method of adaptive noise smoothing/restoration in spatio-temporal domain and high-definition image capturing device thereof |
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
Non-Patent Citations (1)
Title |
---|
朱明峰: "基于彩色离焦模糊图像清晰度评价的启发式调焦算法", 《南昌大学学报(理科版)》, vol. 28, no. 3, 30 September 2004 (2004-09-30), pages 297 - 300 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105556540A (zh) * | 2013-06-04 | 2016-05-04 | 贝宝公司 | 评估图像清晰度 |
CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
CN103686148B (zh) * | 2013-12-05 | 2015-09-09 | 北京华戎京盾科技有限公司 | 一种基于数字图像处理的自动检测视频图像清晰度的方法 |
CN103971374A (zh) * | 2014-05-22 | 2014-08-06 | 日立数字安防系统(上海)有限公司 | 一种针对多种亮度条件下图像可视化程度检测的评估方法 |
CN104182983B (zh) * | 2014-08-27 | 2017-03-22 | 重庆大学 | 基于角点特征的高速公路监控视频清晰度的检测方法 |
CN104182983A (zh) * | 2014-08-27 | 2014-12-03 | 重庆大学 | 基于角点特征的高速公路监控视频清晰度的检测方法 |
CN106441804A (zh) * | 2015-08-04 | 2017-02-22 | 宁波舜宇光电信息有限公司 | 解像力测试方法 |
CN106441804B (zh) * | 2015-08-04 | 2019-08-30 | 宁波舜宇光电信息有限公司 | 解像力测试方法 |
CN106570028A (zh) * | 2015-10-10 | 2017-04-19 | 比亚迪股份有限公司 | 移动终端及模糊图像的删除方法和装置 |
CN106570028B (zh) * | 2015-10-10 | 2020-12-25 | 比亚迪股份有限公司 | 移动终端及模糊图像的删除方法和装置 |
CN105761210A (zh) * | 2016-03-16 | 2016-07-13 | 微梦创科网络科技(中国)有限公司 | 基于自适应冲击滤波的低分辨率图像放大方法及装置 |
CN109416838A (zh) * | 2016-07-12 | 2019-03-01 | 高通股份有限公司 | 用于基于图像模糊度确定接近度的技术 |
CN106326922A (zh) * | 2016-08-22 | 2017-01-11 | 苏州华兴源创电子科技有限公司 | 一种证件信息远程实时认证方法及系统 |
CN106934804A (zh) * | 2017-03-13 | 2017-07-07 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN106934804B (zh) * | 2017-03-13 | 2019-12-13 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN107507173A (zh) * | 2017-08-15 | 2017-12-22 | 上海交通大学 | 一种全切片图像的无参考清晰度评估方法及系统 |
CN107507173B (zh) * | 2017-08-15 | 2021-07-27 | 上海交通大学 | 一种全切片图像的无参考清晰度评估方法及系统 |
CN111417981A (zh) * | 2018-03-12 | 2020-07-14 | 华为技术有限公司 | 一种图像清晰度检测方法及装置 |
CN108629766A (zh) * | 2018-04-26 | 2018-10-09 | 北京大米科技有限公司 | 图像模糊度检测方法、装置、计算机设备及可读存储介质 |
CN108682008B (zh) * | 2018-05-07 | 2019-04-16 | 江苏康尚生物医疗科技有限公司 | 一种白细胞图像清晰度评价方法及装置 |
CN108682008A (zh) * | 2018-05-07 | 2018-10-19 | 江苏康尚生物医疗科技有限公司 | 一种白细胞图像清晰度评价方法及装置 |
CN110530889A (zh) * | 2018-05-25 | 2019-12-03 | 上海翌视信息技术有限公司 | 一种适用于工业生产线的光学检测方法 |
CN108827602A (zh) * | 2018-05-31 | 2018-11-16 | 华勤通讯技术有限公司 | 一种vr/ar设备成像清晰度测量方法和测量装置 |
CN110717922A (zh) * | 2018-07-11 | 2020-01-21 | 普天信息技术有限公司 | 一种图像清晰度评价方法及装置 |
CN109214995A (zh) * | 2018-08-20 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 图片质量的确定方法、装置和服务器 |
CN110335246A (zh) * | 2019-05-29 | 2019-10-15 | 成都数之联科技有限公司 | 一种证照图片清晰度评价方法 |
CN110335246B (zh) * | 2019-05-29 | 2021-04-13 | 成都数之联科技有限公司 | 一种证照图片清晰度评价方法 |
CN110415223B (zh) * | 2019-07-17 | 2021-10-26 | 西安邮电大学 | 一种无参考的拼接图像质量评价方法及系统 |
CN110415223A (zh) * | 2019-07-17 | 2019-11-05 | 西安邮电大学 | 一种无参考的拼接图像质量评价方法及系统 |
CN112396574A (zh) * | 2019-08-02 | 2021-02-23 | 浙江宇视科技有限公司 | 一种车牌图像质量处理方法、装置、存储介质及电子设备 |
CN112396574B (zh) * | 2019-08-02 | 2024-02-02 | 浙江宇视科技有限公司 | 一种车牌图像质量处理方法、装置、存储介质及电子设备 |
CN110852997A (zh) * | 2019-10-24 | 2020-02-28 | 普联技术有限公司 | 动态图像清晰度检测方法、装置、电子设备及存储介质 |
CN110852997B (zh) * | 2019-10-24 | 2022-07-05 | 成都市联洲国际技术有限公司 | 动态图像清晰度检测方法、装置、电子设备及存储介质 |
CN111369531A (zh) * | 2020-03-04 | 2020-07-03 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
CN111369531B (zh) * | 2020-03-04 | 2023-09-01 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
CN112070022A (zh) * | 2020-09-09 | 2020-12-11 | 北京字节跳动网络技术有限公司 | 人脸图像识别方法、装置、电子设备和计算机可读介质 |
CN112818737A (zh) * | 2020-12-18 | 2021-05-18 | 广州视源电子科技股份有限公司 | 视频识别方法、装置、存储介质及终端 |
CN112818737B (zh) * | 2020-12-18 | 2024-02-02 | 广州视源电子科技股份有限公司 | 视频识别方法、装置、存储介质及终端 |
CN113763380A (zh) * | 2021-09-29 | 2021-12-07 | 江苏信息职业技术学院 | 基于矢量梯度的无参考图像清晰度评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103093419B (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103093419B (zh) | 一种检测图像清晰度的方法及装置 | |
Rabie | Robust estimation approach for blind denoising | |
JP6314654B2 (ja) | グレースケール画像処理方法及び装置 | |
CN110287791B (zh) | 一种用于人脸图片的筛选方法和系统 | |
CN109584204A (zh) | 一种图像噪声强度估计方法、存储介质、处理及识别装置 | |
CN111192241B (zh) | 一种人脸图像的质量评估方法、装置及计算机存储介质 | |
CN103201769A (zh) | 图像处理装置、图像处理方法、程序、集成电路 | |
CN102490764B (zh) | 铁轨道岔缺口自动检测方法 | |
CN104700405B (zh) | 一种前景检测方法和系统 | |
CN103096117B (zh) | 视频噪声检测方法及装置 | |
CN102968770A (zh) | 噪声消除方法及装置 | |
CN111047556B (zh) | 一种带钢表面缺陷检测方法及装置 | |
TW202011267A (zh) | 用於對車輛損傷影像進行損傷分割的方法及裝置 | |
CN112785572B (zh) | 图像质量评估方法、装置以及计算机可读存储介质 | |
CN108734177A (zh) | 双步相关滤波目标跟踪方法 | |
CN110232680A (zh) | 一种图像模糊度评价方法及装置 | |
CN114419619B (zh) | 红细胞检测分类方法、装置、计算机存储介质及电子设备 | |
CN107886518A (zh) | 图片检测方法、装置、电子设备及可读取存储介质 | |
CN111429487B (zh) | 一种深度图像的黏连前景分割方法及装置 | |
Gunawan et al. | A review on high dynamic range (HDR) image quality assessment | |
WO2017080236A1 (zh) | 图像处理方法及装置 | |
CN114339203A (zh) | 相机性能检测方法、设备和存储介质 | |
CN114862695A (zh) | 一种基于场景深度的单图像去雨雾方法、设备及存储介质 | |
VidalMata et al. | On the effectiveness of image manipulation detection in the age of social media | |
CN109982069B (zh) | 呼吸效应的测量方法及系统 |
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 |