CN104182962A - 评价图片清晰度的方法及装置 - Google Patents
评价图片清晰度的方法及装置 Download PDFInfo
- Publication number
- CN104182962A CN104182962A CN201310204043.7A CN201310204043A CN104182962A CN 104182962 A CN104182962 A CN 104182962A CN 201310204043 A CN201310204043 A CN 201310204043A CN 104182962 A CN104182962 A CN 104182962A
- Authority
- CN
- China
- Prior art keywords
- value
- picture
- average gradient
- gray
- entropy
- 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.)
- Pending
Links
Abstract
本发明公开了一种评价图片清晰度的方法及装置,涉及图像处理领域,能够解决图片清晰度评价不准确的问题。本发明的方法包括:在待评价图片中确定至少两个子区域;获取子区域中每个像素点的灰度值;根据子区域中每个像素点的灰度值计算子区域的对比度值、平均梯度值以及熵值;计算至少两个子区域对比度值的平均值、平均梯度值的平均值以及熵值的平均值,得出用于表征图片整体对比度的全局对比度值、用于表征图片整体梯度的全局平均梯度值以及用于表征图片整体熵的全局熵值;根据全局对比度值、全局平均梯度值以及全局熵值计算用于评价图片整体清晰度的分值。本发明主要应用于对至少两张照片的清晰度进行比对的过程中。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种评价图片清晰度的方法及装置。
背景技术
目前手机、电脑等电子设备可以安装各种各样的拍照软件,不同拍照软件拍摄出的图片清晰度不尽相同。用户在通过不同拍照软件拍摄同一景物之后,需要对多张图片的清晰度进行比对,由此评价拍照软件的优劣。
通常,在对多张图片清晰度进行比对时,需要在某一维度上分别计算每张图片的清晰度参数,例如计算每张图片的对比度或者平均梯度,然后根据计算得出的清晰度参数对多张图片的清晰度进行评价,进而得出比对结果。这种比对方式需要基于图片本身的属性信息进行清晰度评价,而有时候图片属性信息所反映的图片清晰度与用户肉眼观察出的清晰程度并不一致,因此产生清晰度评价不准确的问题,进而得出错误的比对结果。例如,图片1虽然看起开比图片2更为模糊,但是其灰度差值较高,由此计算出的图片1的对比度较高,继而得出图片1清晰度较高的评价结果,而这个结果显然与用户肉眼观察出的结果相反。
此外,基于不同维度清晰度参数的评价标准各不相同,对于同一张图片而言,根据不同维度参数获得的评价结果常常有所差异,无法得到图片清晰度的统一结论。
发明内容
本发明实施例提供一种评价图片清晰度的方法及装置,能够解决图片清晰度评价不准确的问题。
一方面,本发明实施例提供了一种评价图片清晰度的方法,包括:
在待评价图片中确定至少两个子区域;
获取所述子区域中每个像素点的灰度值;
根据所述子区域中每个像素点的灰度值计算所述子区域的对比度值、平均梯度值以及熵值;
计算所述至少两个子区域对比度值的平均值,得出用于表征所述图片整体对比度的全局对比度值;
计算所述至少两个子区域平均梯度值的平均值,得出用于表征所述图片整体梯度的全局平均梯度值;
计算所述至少两个子区域熵值的平均值,得出用于表征所述图片整体熵的全局熵值;
根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值。
另一方面,本发明实施例还提供了一种评价图片清晰度的装置,包括:
确定单元,用于在待评价图片中确定至少两个子区域;
获取单元,用于获取所述确定单元确定的所述子区域中每个像素点的灰度值;
计算单元,用于根据所述获取单元获取的所述子区域中每个像素点的灰度值计算所述子区域的对比度值、平均梯度值以及熵值;
所述计算单元还用于计算所述至少两个子区域对比度值的平均值,得出用于表征所述图片整体对比度的全局对比度值;
所述计算单元还用于计算所述至少两个子区域平均梯度值的平均值,得出用于表征所述图片整体梯度的全局平均梯度值;
所述计算单元还用于计算所述至少两个子区域熵值的平均值,得出用于表征所述图片整体熵的全局熵值;
所述计算单元还用于根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值。
本发明实施例提供的评价图片清晰度的方法及装置,能够在待评价图片中确定多个子区域,然后分别获取每个子区域中每个像素点的灰度值。根据子区域中每个像素点的灰度值计算该子区域对比度值、平均梯度值以及熵值,然后对所有子区域的对比度值求平均值得出全局对比度值,对所有子区域的平均梯度值求平均值得出全局平均梯度值,对所有子区域的熵值求平均值得出全局熵值。最后根据全局对比度值、全局平均梯度值以及全局熵值计算用于评价图片整体清晰度的分值。与现有技术中通过一个维度的参数评价图片清晰度相比,可以从对比度、平均梯度以及熵三个维度对图片的清晰度进行评价,并将三个维度的评价结果合并为一个用于评价图片整体清晰度的分值。通过一个综合了三个维度评价的分值对图片清晰度进行评价,可以消除某一维度参数不准确对评价结果的影响,使评价结果更加准确。同时,综合所有维度评价的分值能够统一图片评价的结果,避免一种评价方式得出一种评价结果的情况。
此外,本发明实施例提供的评价图片清晰度的方法及装置,还能够对待评价图像进行分区,然后将各个子区域的评价结果求平均值,当图片中各部分灰度值差异较大时,可以计算得到能够均匀反映图片整体的维度参数,与现有技术中,根据图片整体获取维度参数相比,可以提高维度参数的准确性,进而提高后续评价结果的准确性。
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为本发明实施例中评价图片清晰度的方法流程图;
图2为本发明实施例中确定子区域的示意图;
图3为本发明实施例中另一个确定子区域的示意图;
图4为本发明实施例中二维数组的示意图;
图5为本发明实施例中另一个评价图片清晰度的方法流程图;
图6为本发明实施例中又一个确定子区域的示意图;
图7为本发明实施例中一维数组的示意图;
图8为本发明应用场景中比对照片清晰度的方法流程图;
图9为显示照片分数的界面示意图;
图10为本发明实施例中评价图片清晰度的装置的结构示意图;
图11为本发明实施例中另一个评价图片清晰度的装置的结构示意图。
具体实施方式
下面将结合本实施例中的附图,对本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作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。
为从包括对比度、平均梯度、熵在内的多种维度对图片的清晰度进行综合评价,本实施例提供了一种评价图片清晰度的方法,如图1所示,所述方法包括:
101、电子设备在待评价图片中确定至少两个子区域。
电子设备在待评价图片中确定至少两个子区域的目的在于,将待评价图片划分为多个子区域分别进行清晰度评价,避免对图片整体进行清晰度评价时由于图片灰度值不均匀导致的评价结果不准确的问题。
本实施例中,电子设备首先需要确定子区域的大小,然后确定子区域的数量和具体位置。在确定子区域的大小时,电子设备可以根据图片的长宽比例确定子区域的长边边长以及宽边边长,其中图片的长宽比例包括但不限于是16∶9或者4∶3,本实施例后续以16∶9为例进行说明。
在确定子区域的大小之后,电子设备还需要确定子区域的数量和具体位置。电子设备可以按照子区域的大小将图片整体划分为如图2所示的多个子区域,其中,电子设备根据子区域的长边边长以及图片的长边边长确定一行中的子区域数量(如图2中一行包含10个子区域),根据子区域的宽边边长以及图片的宽边边长确定一列中的子区域数量(如图2中一列包含10个子区域)。此外,电子设备也可以在图片中的特定位置确定部分数量的子区域,如图3所示在图片中央确定4个子区域。
通常,子区域的数量和位置是同时确定的,在确定子区域数量的同时电子设备需要兼顾子区域的位置,在确定子区域位置的同时电子设备需要兼顾子区域的数量。本实施例不对电子设备确定的子区域数量及具体位置进行限定。
102、电子设备获取子区域中每个像素点的灰度值。
在确定多个子区域后,电子设备分别获取子区域中每个像素点的灰度值,所述灰度值用于计算子区域的对比度值、平均梯度值以及熵值。当电子设备确定的子区域充满整个图片时(例如图2所示),电子设备获取子区域中每个像素点的灰度值实际上等同于获取整个图片中所有像素点的灰度值。参考现有灰度值的定义,像素点灰度值的取值范围为0至255中的共256个离散整数值,电子设备获取每个像素点对应的具体灰度值,即对应一个像素点获取一个取值在0至255内的具体整数值。
在获取到各个子区域中每个像素点的灰度值后,电子设备将获取到的灰度值分别保存在不同的二维数组中,其中,一个二维数组对应保存一个子区域的灰度值。事例性的,当一个子区域内共有144个像素点时(16*9),对应该子区域的二维数组如图4所示。其中(i,j)用于对像素点进行标识,(i,j)下方的具体数值为该位置上像素点的灰度值。
103、电子设备根据子区域中每个像素点的灰度值计算子区域的对比度值、平均梯度值以及熵值。
电子设备需要分别计算每个子区域的对比度值、每个子区域的平均梯度值以及每个子区域的熵值。然后对所有子区域的对比度值求平均值,对所有子区域的平均梯度值求平均值并对所有子区域的熵值求平均值。例如,当有5个子区域时,电子设备分别计算出对应子区域1至子区域5的5个对比度值,然后对着5个对比度值求平均值,平均梯度值以及熵值同理,此处不再赘述。
104、电子设备计算至少两个子区域对比度值的平均值,得出用于表征图片整体对比度的全局对比度值。
仍以5个子区域为例,电子设备将计算得出的5个对比度值相加,然后除以子区域数量5,即得出用于表征图片整体对比度的全局对比度值。
105、电子设备计算至少两个子区域平均梯度值的平均值,得出用于表征图片整体梯度的全局平均梯度值。
电子设备将计算得出的5个平均梯度值相加,然后除以子区域数量5,即得出用于表征图片整体对比度的全局对比度值。
106、电子设备计算至少两个子区域熵值的平均值,得出用于表征图片整体熵的全局熵值。
电子设备将计算得出的5个熵值相加,然后除以子区域数量5,即得出用于表征图片整体对比度的全局熵值。
在本实施例中,限定步骤104、步骤105以及步骤106三者之间的顺序仅为便于表述,实际应用中,在执行完步骤202后,电子设备可以按照任意顺序步骤104、步骤105以及步骤106,亦或可以同时执行步骤104、步骤105以及步骤106,本实施例对上述3个步骤两两之间的先后顺序不做限定。
107、电子设备根据全局对比度值、全局平均梯度值以及全局熵值计算用于评价图片整体清晰度的分值。
电子设备根据全局对比度值、全局平均梯度值以及全局熵值进行合并,获得一个用于评价图片整体清晰度的分值,该分值包含了对比度、平均梯度以及熵3个维度的评价结果,能够综合体现图片的清晰程度,消除某个维度参数不准确对评价结果的影响,可以避免仅以一个维度评价图片清晰度产生的评价偏颇,提高图片清晰度评价的准确性。
当对不同拍摄软件对同一景物拍摄的不同图片进行清晰度比较时,电子设备可以按照图1所示的方式分别对多张图片进行独立评价,然后根据每张图片的分值得出比对结果。现有评价图片清晰度的方式过于专业,其计算过程复杂、计算量大,用户在不易通过肉眼分别多张图片的清晰程度时,无法自行计算各个图片清晰度之间的细小差别。本实施例中,电子设备通过分值的形式对不同图片进行清晰度比较,可以使用户快速直观的查看出各个图片的清晰程度,便于用户对不同拍摄软件的优劣进行判断。
本发明实施例提供的评价图片清晰度的方法,能够在待评价图片中确定多个子区域,然后分别获取每个子区域中每个像素点的灰度值。根据子区域中每个像素点的灰度值计算该子区域对比度值、平均梯度值以及熵值,然后对所有子区域的对比度值求平均值得出全局对比度值,对所有子区域的平均梯度值求平均值得出全局平均梯度值,对所有子区域的熵值求平均值得出全局熵值。最后根据全局对比度值、全局平均梯度值以及全局熵值计算用于评价图片整体清晰度的分值。与现有技术中通过一个维度的参数评价图片清晰度相比,可以从对比度、平均梯度以及熵三个维度对图片的清晰度进行评价,并将三个维度的评价结果合并为一个用于评价图片整体清晰度的分值。通过一个综合了三个维度评价的分值对图片清晰度进行评价,可以消除某一维度参数不准确对评价结果的影响,使评价结果更加准确。同时,综合所有维度评价的分值能够统一图片评价的结果,避免一种评价方式得出一种评价结果的情况。
此外,本发明实施例提供的评价图片清晰度的方法,还能够对待评价图像进行分区,然后将各个子区域的评价结果求平均值,当图片中各部分灰度值差异较大时,可以计算得到能够均匀反映图片整体的维度参数,与现有技术中,根据图片整体获取维度参数相比,可以提高维度参数的准确性,进而提高后续评价结果的准确性。
作为对图1所示方法的详细说明及进一步扩展,本实施例还提供了一种评价图片清晰度的方法,如图5所示,所述方法包括:
501、电子设备在待评价图片中确定至少两个子区域。
501a、电子设备获取图片的长宽比例。
本实施例中以16∶9作为图片的长宽比例进行说明。
501b、电子设备根据图片的长宽比例确定子区域的长边边长以及宽边边长。
当图片的长宽比例为16∶9时,电子设备将子区域的长边边长确定为16,将子区域的宽边边长确定为9。其中,所述长边边长确定为16是指长边由16个像素点组成,所述宽边边长确定为9是指宽边由9个像素点组成,由此可以确定出一个子区域中包含16*9共144个像素点。
501c、电子设备确定至少两个子区域。
相对于图2所示的划分方式,电子设备可以仅在图片部分位置确定几个子区域,由此减少电子设备的数据处理量。
作为本实施例的一个优选方案,电子设备在图片的对角线上确定至少两个子区域。通常,图片对角线位置为拍摄照片时对焦或曝光的主体位置,图片对角线位置上的图像质量可以代表图片整体图像质量参与清晰度评价,相对于图2所示的划分方式,可以在减少数据处理量的基础上,保证评价结果的准确性。
如图6所示,以图片左上至右下的对角线为例,电子设备确定的子区域数量及子区域位置可以使得每个子区域的子对角线与所述图片的对角线重合,并且使得所有子区域的宽边边长之和等于所述图片的宽边边长,所有子区域的长边边长之和等于所述图片的长边边长。
电子设备将每个子区域左上角以及右下角确定在图6所示的对角线上,可以使得每个子区域的子对角线与所述图片的对角线重合;所有子区域的宽边边长之和等于所述图片的宽边边长、所有子区域的长边边长之和等于所述图片的长边边长的确定方式,可以使子区域将对角线附近的位置覆盖完全,避免对角线顶端位置无法覆盖对评价结果的影响。
此外,电子设备还需要以同样的方式在图片右上至左下的对角线上确定同等数量的子区域,其确定方式与图6所示确定方式相同,此处不再赘述。
本实施例中出现的具体子区域数量仅为事例性说明,实际应用中,电子设备确定的子区域数量远大于本实施例中的子区域数量。例如,对于长边边长为1024(即长边包含1024个像素点)的图片而言,如果子区域长边边长为16,则按照图6的划分方式,电子设备需要确定出1024/16=64个子区域。
502、电子设备获取子区域中每个像素点的灰度值。
以一个子区域为例,当该子区域大小为16*9时(即包含144个像素点),电子设备获取该子区域中每个像素点的灰度值,保存在对应该子区域的二维数组中。所述二维数组如图4所示,此处不再赘述。
503、电子设备根据子区域中每个像素点的灰度值计算子区域的对比度值、平均梯度值以及熵值。
具体的:
1)电子设备根据子区域中每个像素点的灰度值计算子区域的对比度值。
电子设备在对应子区域的二维数组中遍历所有已存储的灰度值,在该子区域中所有像素点的灰度值中查找最大灰度值和最小灰度值。然后将最大灰度值与最小灰度值之差除以最大灰度值,得出所该子区域的对比度值。例如,在某二维数组中存储的最大灰度值为200,存储的最小灰度值为1,则对应该二维数组的子区域对比度值为(200-1)∶1=199∶1。
2)电子设备根据子区域中每个像素点的灰度值计算子区域的平均梯度值。
电子设备在对应子区域的二维数组中遍历所有已存储灰度值的像素点,然后计算每个像素点相对其上下左右4个相邻像素点的平均梯度值。电子设备对每个像素点都计算出一个平均梯度值,由此计算出144个平均梯度值。
作为本实施例的一个优选方案,对于子区域中的每一个像素点,电子设备仅计算该像素点与其右边相邻像素点以及与其下方相邻像素点的平均梯度值,得出与该子区域中像素点数量相同的N个平均梯度值,所述N为正整数,本实施例中N为144。由于在一个子区域内每个像素点与其相邻像素点都互为相邻像素点,如果计算每个像素点相对其上下左右4个相邻像素点的平均梯度值,则会多出一倍的重复计算量。本实施例中仅对像素点的右边相邻像素点以及下方相邻像素点进行平均梯度值计算,可以在保证平均梯度值数量完整的基础上,杜绝重复计算,由此减少电子设备的计算量。
具体的,电子设备可以根据下述公式计算某像素点的平均梯度值:
该公式中,A为该像素点的灰度值,B为与该像素点右边相邻像素点的灰度值,C为与该像素点下方相邻像素点的灰度值。
举例说明,像素点1的灰度值A为100,与像素点1右边相邻的像素点2的灰度值B为200,与像素点1下方相邻的像素点3的灰度值C为50。分别将A、B、C代入上述公式中,可得像素点1平均梯度值为:
在对144个像素点一次计算得到144个平均梯度值后,电子设备对这144个平均梯度值球平均值,由此得出该子区域的平均梯度值。具体的,电子设备将144个平均梯度值进行加和,然后将加和后平均梯度值除以144(平均梯度值数量N),由此得出该子区域的平均梯度值。
3)电子设备根据子区域中每个像素点的灰度值计算子区域的熵值。
首先,电子设备对二维数组进行遍历,统计每个灰度值出现的次数,此处值得灰度值为一个取值在0至255内的具体数值,而非对应一个像素点的灰度值。对于某个灰度值(例如23),其出现的次数是指二维数组中灰度值为23的像素点的个数。通常某个灰度值的出现次数可以为0,也可以为144(像素点个数)内的任意一个值,极端情况下某个灰度值的出现次数可以为144。对二维数组进行遍历后,电子设备建立一维数组,保存每个灰度值的出现次数。事例性的,如图7所示,一维数组的第一行表示具体灰度值,其数量为256,第二行表示对应每个具体灰度值的出现次数。
然后,电子设备通过遍历一维数组,读取每个灰度值出现的次数,然后根据每个灰度值出现的次数以及灰度值总数量确定每个灰度值出现的概率。例如灰度值45出现的次数为3,则灰度值45出现的概率为3/255;灰度值65出现的次数为,则灰度值65出现的概率为0。
接着,电子设备根据每个灰度值出现的概率以及下述公式计算该子区域的熵值:
∑-log2Pi
其中Pi为每个灰度值出现的概率。
504、电子设备计算图片整体的全局对比度值、全局平均梯度值以及全局熵值。
本步骤实现方式与图1步骤104、步骤105以及步骤106的实现防方式相同,此处不再赘述。
505、电子设备为全局对比度值、全局平均梯度值以及全局熵值分配权重值。
506、电子设备将全局对比度值、全局平均梯度值以及全局熵值分别与其各自的权重值相乘。
电子设备将全局对比度值、全局平均梯度值以及全局熵值分别与其各自的权重值相乘,分别得出权重调整后的全局对比度值、权重调整后的全局平均梯度值以及权重调整后的全局熵值。
507、电子设备将权重调整后的全局对比度值、权重调整后的全局平均梯度值以及权重调整后的全局熵值相加,得出用于评价所述图片整体清晰度的分值。
作为对步骤505的细化,电子设备可以为全局对比度值、全局平均梯度值以及全局熵值分配相等的权重值。例如为每个全局值均分配1/3(约等于0.33)的权重值,由此综合体现各维度参数对评价结果的影响。
在本实施例的一个优选方案中,电子设备还可以为全局熵值分配小于0.33的权重值。这是由于在实际应用中,计算得出的全局熵值不确定性相对较大,一定程度上不能真实反映图片的清晰度,因此将全局熵值权重值设置稍小一些,可以减少其不确定性对评价结果准确定的影响。相应的,在减小全局熵值的权重值时,可以提高全局对比度值和/或全局平均梯度值的权重值。例如可以将全局对比度值、全局平均梯度值以及全局熵值的权重值分别设置为0.45、0.35以及0.2。
进一步的,在对不同拍摄软件对同一事物拍摄的不同图片进行清晰度比对时,电子设备还可以在对每张图片计算分值后,将所有图片的分值折算成相对分数值,以便用户可以对不同图片的清晰度进行直观比对。
以对两张图片进行比对为例,电子设备根据第一图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第一图片整体清晰度的第一分值。然后根据第二图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第二图片整体清晰度的第二分值。最后计算第一分值与第二分值的比值,并将第一分值与第二分值中的较大值确定为100分,根据计算得出的比值确定第一分值与第二分值中较小值的分数。
举例说明,电子设备计算得出图片1的分值1为600,计算得出图片2的分值2为400。电子设备计算分值1和分值2的比值为600/400。然后电子设备将分值1折算成100分,并且根据比例关系600/400=100/X计算得出X=66.6,由此将分值2折算成66.6分。最后电子设备将图片1的分数100以及图片2的分数66.6显示给用户。
本实施例提供的评价图片清晰度的方法,不仅可以对拍摄软件获取的照片进行清晰度评价,还可以对媒体库中保存的图片进行清晰度评价,本实施例不对图片来源进行限制。
以上,以静态图片为例对本实施例进行了说明,实际应用中,本实施例提供的实现方式还可以对动态图像的清晰度进行评价。当对动态图像的清晰度进行评价时,电子设备从动态图像中截取一帧图像或多帧图像,然后将一帧图像作为上述图片,按照上述图1或图5的实现方式对该帧图像的清晰度进行评价。
下面,结合上述实现方式给出本实施例的一个应用场景。在该应用场景中,用户先后通过拍摄软件1和拍摄软件2对自己进行了自拍,获得照片1和照片2。电子设备对照片1和照片2的清晰度比对流程如图8所示:
801、电子设备获取拍摄的照片1和照片2。
802、电子设备分别判断照片1和照片2是否合法。
如果判断结果为合法则执行步骤803、如果判断结果为不合法则重复执行801,重新获取照片1和/或照片2。
所述判断照片是否合法包括判断获取的数据类型是否为图片类型,或者判断照片的存储路径是否合法。
803、电子设备分别确定照片1和照片2中的子区域大小、子区域数量以及子区域位置。
804、电子设备分别获取照片1和照片2中的各个子区域的灰度值。
805、电子设备根据灰度值分别求出照片1和照片2的全局对比度值、全局平均梯度值以及全局熵值,并分别计算得出照片1和照片2分数。
806、显示照片1和照片2的分数。
显示照片1和照片2分数的交互界面如图9所示,其中照片1和照片2分数为折算后的相对分数值。图9中分别显示了照片1和照片2的存储路径以及照片1和照片2的分数。
本发明实施例提供的评价图片清晰度的方法,能够在待评价图片中确定多个子区域,然后分别获取每个子区域中每个像素点的灰度值。根据子区域中每个像素点的灰度值计算该子区域对比度值、平均梯度值以及熵值,然后对所有子区域的对比度值求平均值得出全局对比度值,对所有子区域的平均梯度值求平均值得出全局平均梯度值,对所有子区域的熵值求平均值得出全局熵值。最后根据全局对比度值、全局平均梯度值以及全局熵值计算用于评价图片整体清晰度的分值。与现有技术中通过一个维度的参数评价图片清晰度相比,可以从对比度、平均梯度以及熵三个维度对图片的清晰度进行评价,并将三个维度的评价结果合并为一个用于评价图片整体清晰度的分值。通过一个综合了三个维度评价的分值对图片清晰度进行评价,可以消除某一维度参数不准确对评价结果的影响,使评价结果更加准确。同时,综合所有维度评价的分值能够统一图片评价的结果,避免一种评价方式得出一种评价结果的情况。
此外,本发明实施例提供的评价图片清晰度的方法,还能够对待评价图像进行分区,然后将各个子区域的评价结果求平均值,当图片中各部分灰度值差异较大时,可以计算得到能够均匀反映图片整体的维度参数,与现有技术中,根据图片整体获取维度参数相比,可以提高维度参数的准确性,进而提高后续评价结果的准确性。
参考上述方法的实现,本实施例还提供了一种评价图片清晰度的装置,所述装置可以位于手机、电脑等电子设备中,用以对上述方法进行实现。如图10所示,所述装置101包括:确定单元1011、获取单元1012以及计算单元1013,其中,
所述确定单元1011,用于在待评价图片中确定至少两个子区域;
所述获取单元1012,用于获取所述确定单元1011确定的所述子区域中每个像素点的灰度值;
所述计算单元1013,用于根据所述获取单元1012获取的所述子区域中每个像素点的灰度值计算所述子区域的对比度值、平均梯度值以及熵值;
所述计算单元1013还用于计算所述至少两个子区域对比度值的平均值,得出用于表征所述图片整体对比度的全局对比度值;
所述计算单元1013还用于计算所述至少两个子区域平均梯度值的平均值,得出用于表征所述图片整体梯度的全局平均梯度值;
所述计算单元1013还用于计算所述至少两个子区域熵值的平均值,得出用于表征所述图片整体熵的全局熵值;
所述计算单元1013还用于根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值。
进一步的,如图11所示,所述确定单元1011包括:
获取子单元1111,用于获取所述图片的长宽比例;
第一确定子单元1112,用于根据所述获取子单元1111获取的所述图片的长宽比例确定所述子区域的长边边长以及宽边边长;
第二确定子单元1113,用于在所述图片的对角线上确定至少两个子区域,以使每个子区域的子对角线与所述图片的对角线重合,并且使得所有子区域的宽边边长之和等于所述图片的宽边边长,所有子区域的长边边长之和等于所述图片的长边边长。
进一步的,如图11所示,所述计算单元1013包括:
查找子单元1114,用于在所述子区域中所有像素点的灰度值中查找最大灰度值和最小灰度值;
第一计算子单元1115,用于将所述查找子单元1114查找的所述最大灰度值与所述最小灰度值之差除以所述查找单元查找的所述最大灰度值,得出所述子区域的对比度值。
进一步的,如图11所示,所述计算单元1013包括:
第二计算子单元1116,用于对于所述子区域中的每一个像素点,计算所述像素点与其右边相邻像素点以及与其下方相邻像素点的平均梯度值,得出与所述子区域中像素点数量相同的N个平均梯度值,所述N为正整数;
所述第二计算子单元1116还用于计算所述N个平均梯度值的平均值,得出所述子区域的平均梯度值。
进一步的,所述第二计算子单元1116用于:
根据下述公式计算所述像素点的平均梯度值:
其中,A为所述像素点的灰度值,B为所述像素点右边相邻像素点的灰度值,C为所述像素点下方相邻像素点的灰度值。
进一步的,如图11所示,所述计算单元1013包括:
统计子单元1117,用于在所述子区域所有像素点对应的灰度值中,统计每个灰度值出现的次数;
第三确定子单元1118,用于根据所述统计子单元1117统计的每个灰度值出现的次数以及灰度值总数量确定每个灰度值出现的概率;
第三计算子单元1119,用于根据所述第三确定子单元1118确定的每个灰度值出现的概率以及下述公式计算所述子区域的熵值:
∑-log2Pi
其中Pi为每个灰度值出现的概率。
进一步的,如图11所示,所述计算单元1013包括:
分配子单元11110,用于为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配权重值;
第四计算子单元11111,用于将所述全局对比度值、所述全局平均梯度值以及所述全局熵值分别与所述分配子单元11110分配给其各自的权重值相乘,分别得出权重调整后的全局对比度值、权重调整后的全局平均梯度值以及权重调整后的全局熵值;
所述第四计算子单元11111还用于将所述权重调整后的全局对比度值、所述权重调整后的全局平均梯度值以及所述权重调整后的全局熵值相加,得出所述用于评价所述图片整体清晰度的分值。
进一步的,所述分配子单元11110用于为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配相等的权重值。
进一步的,所述分配子单元11110用于为所述全局熵值分配小于0.33的权重值。
进一步的,所述装置101还用于:
根据第一图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第一图片整体清晰度的第一分值;
根据第二图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第二图片整体清晰度的第二分值;
如图11所示,所述计算单元1013还包括:第五计算子单元11112;
所述第五计算子单元11112,用于计算所述第一分值与所述第二分值的比值,并将所述第一分值与所述第二分值中的较大值确定为100分,根据所述比值确定所述第一分值与所述第二分值中较小值的分数。
本发明实施例提供的评价图片清晰度的装置,能够在待评价图片中确定多个子区域,然后分别获取每个子区域中每个像素点的灰度值。根据子区域中每个像素点的灰度值计算该子区域对比度值、平均梯度值以及熵值,然后对所有子区域的对比度值求平均值得出全局对比度值,对所有子区域的平均梯度值求平均值得出全局平均梯度值,对所有子区域的熵值求平均值得出全局熵值。最后根据全局对比度值、全局平均梯度值以及全局熵值计算用于评价图片整体清晰度的分值。与现有技术中通过一个维度的参数评价图片清晰度相比,可以从对比度、平均梯度以及熵三个维度对图片的清晰度进行评价,并将三个维度的评价结果合并为一个用于评价图片整体清晰度的分值。通过一个综合了三个维度评价的分值对图片清晰度进行评价,可以消除某一维度参数不准确对评价结果的影响,使评价结果更加准确。同时,综合所有维度评价的分值能够统一图片评价的结果,避免一种评价方式得出一种评价结果的情况。
此外,本发明实施例提供的评价图片清晰度的装置,还能够对待评价图像进行分区,然后将各个子区域的评价结果求平均值,当图片中各部分灰度值差异较大时,可以计算得到能够均匀反映图片整体的维度参数,与现有技术中,根据图片整体获取维度参数相比,可以提高维度参数的准确性,进而提高后续评价结果的准确性。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘,硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (20)
1.一种评价图片清晰度的方法,其特征在于,包括:
在待评价图片中确定至少两个子区域;
获取所述子区域中每个像素点的灰度值;
根据所述子区域中每个像素点的灰度值计算所述子区域的对比度值、平均梯度值以及熵值;
计算所述至少两个子区域对比度值的平均值,得出用于表征所述图片整体对比度的全局对比度值;
计算所述至少两个子区域平均梯度值的平均值,得出用于表征所述图片整体梯度的全局平均梯度值;
计算所述至少两个子区域熵值的平均值,得出用于表征所述图片整体熵的全局熵值;
根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值。
2.根据权利要求1所述的方法,其特征在于,所述在待评价图片中确定至少两个子区域的步骤,包括:
获取所述图片的长宽比例;
根据所述图片的长宽比例确定所述子区域的长边边长以及宽边边长;
在所述图片的对角线上确定至少两个子区域,以使每个子区域的子对角线与所述图片的对角线重合,并且使得所有子区域的宽边边长之和等于所述图片的宽边边长,所有子区域的长边边长之和等于所述图片的长边边长。
3.根据权利要求2所述的方法,其特征在于,所述根据所述子区域中每个像素点的灰度值计算所述子区域的对比度值的步骤,包括:
在所述子区域中所有像素点的灰度值中查找最大灰度值和最小灰度值;
将所述最大灰度值与所述最小灰度值之差除以所述最大灰度值,得出所述子区域的对比度值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述子区域中每个像素点的灰度值计算所述子区域的平均梯度值的步骤,包括:
对于所述子区域中的每一个像素点,计算所述像素点与其右边相邻像素点以及与其下方相邻像素点的平均梯度值,得出与所述子区域中像素点数量相同的N个平均梯度值,所述N为正整数;
计算所述N个平均梯度值的平均值,得出所述子区域的平均梯度值。
5.根据权利要求4所述的方法,其特征在于,所述计算所述像素点与其右边相邻像素点以及与其下方相邻像素点的平均梯度值的步骤,包括:
根据下述公式计算所述像素点的平均梯度值:
其中,A为所述像素点的灰度值,B为所述像素点右边相邻像素点的灰度值,C为所述像素点下方相邻像素点的灰度值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述子区域中每个像素点的灰度值计算所述子区域的熵值的步骤,包括:
在所述子区域所有像素点对应的灰度值中,统计每个灰度值出现的次数;
根据每个灰度值出现的次数以及灰度值总数量确定每个灰度值出现的概率;
根据每个灰度值出现的概率以及下述公式计算所述子区域的熵值:
∑-log2Pi
其中Pi为每个灰度值出现的概率。
7.根据权利要求6所述的方法,其特征在于,所述根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值的步骤,包括:
为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配权重值;
将所述全局对比度值、所述全局平均梯度值以及所述全局熵值分别与其各自的权重值相乘,分别得出权重调整后的全局对比度值、权重调整后的全局平均梯度值以及权重调整后的全局熵值;
将所述权重调整后的全局对比度值、所述权重调整后的全局平均梯度值以及所述权重调整后的全局熵值相加,得出所述用于评价所述图片整体清晰度的分值。
8.根据权利要求7所述的方法,其特征在于,所述为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配权重值的步骤,包括:
为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配相等的权重值。
9.根据权利要求7所述的方法,其特征在于,所述为所述全局熵值分配权重值的步骤,包括:
为所述全局熵值分配小于0.33的权重值。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值的步骤,包括:
根据第一图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第一图片整体清晰度的第一分值;
根据第二图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第二图片整体清晰度的第二分值;
计算所述第一分值与所述第二分值的比值,并将所述第一分值与所述第二分值中的较大值确定为100分,根据所述比值确定所述第一分值与所述第二分值中较小值的分数。
11.一种评价图片清晰度的装置,其特征在于,包括:
确定单元,用于在待评价图片中确定至少两个子区域;
获取单元,用于获取所述确定单元确定的所述子区域中每个像素点的灰度值;
计算单元,用于根据所述获取单元获取的所述子区域中每个像素点的灰度值计算所述子区域的对比度值、平均梯度值以及熵值;
所述计算单元还用于计算所述至少两个子区域对比度值的平均值,得出用于表征所述图片整体对比度的全局对比度值;
所述计算单元还用于计算所述至少两个子区域平均梯度值的平均值,得出用于表征所述图片整体梯度的全局平均梯度值;
所述计算单元还用于计算所述至少两个子区域熵值的平均值,得出用于表征所述图片整体熵的全局熵值;
所述计算单元还用于根据所述全局对比度值、所述全局平均梯度值以及所述全局熵值计算用于评价所述图片整体清晰度的分值。
12.根据权利要求11所述的装置,其特征在于,所述确定单元包括:
获取子单元,用于获取所述图片的长宽比例;
第一确定子单元,用于根据所述获取子单元获取的所述图片的长宽比例确定所述子区域的长边边长以及宽边边长;
第二确定子单元,用于在所述图片的对角线上确定至少两个子区域,以使每个子区域的子对角线与所述图片的对角线重合,并且使得所有子区域的宽边边长之和等于所述图片的宽边边长,所有子区域的长边边长之和等于所述图片的长边边长。
13.根据权利要求12所述的装置,其特征在于,所述计算单元包括:
查找子单元,用于在所述子区域中所有像素点的灰度值中查找最大灰度值和最小灰度值;
第一计算子单元,用于将所述查找子单元查找的所述最大灰度值与所述最小灰度值之差除以所述查找单元查找的所述最大灰度值,得出所述子区域的对比度值。
14.根据权利要求13所述的装置,其特征在于,所述计算单元包括:
第二计算子单元,用于对于所述子区域中的每一个像素点,计算所述像素点与其右边相邻像素点以及与其下方相邻像素点的平均梯度值,得出与所述子区域中像素点数量相同的N个平均梯度值,所述N为正整数;
所述第二计算子单元还用于计算所述N个平均梯度值的平均值,得出所述子区域的平均梯度值。
15.根据权利要求14所述的装置,其特征在于,所述第二计算子单元用于:
根据下述公式计算所述像素点的平均梯度值:
其中,A为所述像素点的灰度值,B为所述像素点右边相邻像素点的灰度值,C为所述像素点下方相邻像素点的灰度值。
16.根据权利要求15所述的装置,其特征在于,所述计算单元包括:
统计子单元,用于在所述子区域所有像素点对应的灰度值中,统计每个灰度值出现的次数;
第三确定子单元,用于根据所述统计子单元统计的每个灰度值出现的次数以及灰度值总数量确定每个灰度值出现的概率;
第三计算子单元,用于根据所述第三确定子单元确定的每个灰度值出现的概率以及下述公式计算所述子区域的熵值:
∑-log2Pi
其中Pi为每个灰度值出现的概率。
17.根据权利要求16所述的装置,其特征在于,所述计算单元包括:
分配子单元,用于为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配权重值;
第四计算子单元,用于将所述全局对比度值、所述全局平均梯度值以及所述全局熵值分别与所述分配子单元分配给其各自的权重值相乘,分别得出权重调整后的全局对比度值、权重调整后的全局平均梯度值以及权重调整后的全局熵值;
所述第四计算子单元还用于将所述权重调整后的全局对比度值、所述权重调整后的全局平均梯度值以及所述权重调整后的全局熵值相加,得出所述用于评价所述图片整体清晰度的分值。
18.根据权利要求17所述的装置,其特征在于,所述分配子单元用于为所述全局对比度值、所述全局平均梯度值以及所述全局熵值分配相等的权重值。
19.根据权利要求17所述的装置,其特征在于,所述分配子单元用于为所述全局熵值分配小于0.33的权重值。
20.根据权利要求11至19中任一项所述的装置,其特征在于,所述装置还用于:
根据第一图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第一图片整体清晰度的第一分值;
根据第二图片的全局对比度值、全局平均梯度值以及全局熵值计算用于评价所述第二图片整体清晰度的第二分值;
所述计算单元还包括:第五计算子单元;
所述第五计算子单元,用于计算所述第一分值与所述第二分值的比值,并将所述第一分值与所述第二分值中的较大值确定为100分,根据所述比值确定所述第一分值与所述第二分值中较小值的分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310204043.7A CN104182962A (zh) | 2013-05-28 | 2013-05-28 | 评价图片清晰度的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310204043.7A CN104182962A (zh) | 2013-05-28 | 2013-05-28 | 评价图片清晰度的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104182962A true CN104182962A (zh) | 2014-12-03 |
Family
ID=51963980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310204043.7A Pending CN104182962A (zh) | 2013-05-28 | 2013-05-28 | 评价图片清晰度的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104182962A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809686A (zh) * | 2016-03-08 | 2016-07-27 | 上海敏达网络科技有限公司 | 计算机系统中实现图像清晰度检测的方法 |
CN105959528A (zh) * | 2016-07-09 | 2016-09-21 | 深圳市辰卓科技有限公司 | 工作场景切换方法、装置及测试设备 |
CN106548468A (zh) * | 2016-10-13 | 2017-03-29 | 广州酷狗计算机科技有限公司 | 图像清晰度的判别方法及装置 |
CN106780488A (zh) * | 2017-01-16 | 2017-05-31 | 宁波江丰生物信息技术有限公司 | 一种数字病理切片清晰度的检测系统及方法 |
WO2017143852A1 (zh) * | 2016-02-26 | 2017-08-31 | 北京金山安全软件有限公司 | 一种图片处理方法、装置及电子设备 |
CN108537786A (zh) * | 2018-03-30 | 2018-09-14 | 百度在线网络技术(北京)有限公司 | 用于处理图像方法和装置 |
CN109409305A (zh) * | 2018-11-01 | 2019-03-01 | 深圳技术大学(筹) | 一种人脸图像清晰度评价方法及装置 |
CN110111326A (zh) * | 2019-05-15 | 2019-08-09 | 西安科技大学 | 基于ert系统的重建图像质量评价方法 |
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 |
CN110766078A (zh) * | 2019-10-24 | 2020-02-07 | 广东工业大学 | 一种车联网环境下基于区块链的图片校验方法 |
CN112203012A (zh) * | 2020-08-25 | 2021-01-08 | 武汉高德智感科技有限公司 | 一种图像清晰度计算方法、自动聚焦方法及系统 |
CN112381820A (zh) * | 2020-12-07 | 2021-02-19 | 深圳市福日中诺电子科技有限公司 | 一种基于一组同场景照片清晰度的评价方法 |
CN114494262A (zh) * | 2022-04-19 | 2022-05-13 | 广东粤港澳大湾区硬科技创新研究院 | 一种图像对比度的评估方法和装置 |
CN114666558A (zh) * | 2022-04-13 | 2022-06-24 | 深圳市火乐科技发展有限公司 | 投影画面清晰度的检测方法、装置、存储介质及投影设备 |
CN116866715A (zh) * | 2023-07-24 | 2023-10-10 | 微创优通医疗科技(上海)有限公司 | 内窥镜的自动对焦方法、电子设备和可读存储介质 |
CN116866715B (zh) * | 2023-07-24 | 2024-04-26 | 微创优通医疗科技(上海)有限公司 | 内窥镜的自动对焦方法、电子设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128759A2 (de) * | 2007-04-23 | 2008-10-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und verfahren zum bestimmen eines kanten-histogramms, vorrichtung und verfahren zum ablegen eines bildes in einer bilddatenbank, vorrichtung und verfahren zum auffinden von zwei ähnlichen bildern und computerprogramm |
CN101625759A (zh) * | 2009-07-30 | 2010-01-13 | 重庆医科大学 | 图像质量评价方法 |
CN101650833A (zh) * | 2009-09-10 | 2010-02-17 | 重庆医科大学 | 彩色图像质量评价方法 |
CN101950422A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种基于奇异值分解的图像质量评价方法 |
CN102609939A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种tfds图像质量评价方法及系统 |
CN102968800A (zh) * | 2012-12-14 | 2013-03-13 | 宁波江丰生物信息技术有限公司 | 一种图像清晰度的评价方法 |
-
2013
- 2013-05-28 CN CN201310204043.7A patent/CN104182962A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128759A2 (de) * | 2007-04-23 | 2008-10-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und verfahren zum bestimmen eines kanten-histogramms, vorrichtung und verfahren zum ablegen eines bildes in einer bilddatenbank, vorrichtung und verfahren zum auffinden von zwei ähnlichen bildern und computerprogramm |
CN101625759A (zh) * | 2009-07-30 | 2010-01-13 | 重庆医科大学 | 图像质量评价方法 |
CN101650833A (zh) * | 2009-09-10 | 2010-02-17 | 重庆医科大学 | 彩色图像质量评价方法 |
CN101950422A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种基于奇异值分解的图像质量评价方法 |
CN102609939A (zh) * | 2012-01-16 | 2012-07-25 | 北京航空航天大学 | 一种tfds图像质量评价方法及系统 |
CN102968800A (zh) * | 2012-12-14 | 2013-03-13 | 宁波江丰生物信息技术有限公司 | 一种图像清晰度的评价方法 |
Non-Patent Citations (7)
Title |
---|
CHEN GUOJIN ET AL.: "Study on Definition Evaluation Function Based on Image Contrast Variation", 《PROCEEDING OF THE 2007 WSEAS INTERMATIONAL CONFERENCE ON COMPUTER ENGINEERING AND APPLLCATIONS》 * |
张亚涛 等: "基于区域对比度的图像清晰度评价算法", 《应用光学》 * |
张海朝: "基于非向下采样contourlet的自适应图像融合算法", 《计算机科学》 * |
彭飞 等: "《数字内容安全原理与应用》", 31 July 2012, 清华大学出版社 * |
科技部社会发展科技司 国家文物局博物馆与社会文物司(科技司): "《大遗址保护关键技术研究与开发(Ⅰ)》", 30 November 2010, 文物出版社 * |
章毓晋: "《图像工程(下册) 图像理解 第3版》", 31 December 2012, 清华大学出版社 * |
范媛媛 等: "基于对比度敏感度的无参考图像清晰度评价", 《光学机密工程》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017143852A1 (zh) * | 2016-02-26 | 2017-08-31 | 北京金山安全软件有限公司 | 一种图片处理方法、装置及电子设备 |
CN105809686B (zh) * | 2016-03-08 | 2019-02-19 | 上海敏达网络科技有限公司 | 计算机系统中实现图像清晰度检测的方法 |
CN105809686A (zh) * | 2016-03-08 | 2016-07-27 | 上海敏达网络科技有限公司 | 计算机系统中实现图像清晰度检测的方法 |
CN105959528A (zh) * | 2016-07-09 | 2016-09-21 | 深圳市辰卓科技有限公司 | 工作场景切换方法、装置及测试设备 |
CN106548468A (zh) * | 2016-10-13 | 2017-03-29 | 广州酷狗计算机科技有限公司 | 图像清晰度的判别方法及装置 |
CN106548468B (zh) * | 2016-10-13 | 2019-08-23 | 广州酷狗计算机科技有限公司 | 图像清晰度的判别方法及装置 |
CN106780488A (zh) * | 2017-01-16 | 2017-05-31 | 宁波江丰生物信息技术有限公司 | 一种数字病理切片清晰度的检测系统及方法 |
CN108537786B (zh) * | 2018-03-30 | 2020-11-24 | 百度在线网络技术(北京)有限公司 | 用于处理图像方法和装置 |
CN108537786A (zh) * | 2018-03-30 | 2018-09-14 | 百度在线网络技术(北京)有限公司 | 用于处理图像方法和装置 |
CN109409305A (zh) * | 2018-11-01 | 2019-03-01 | 深圳技术大学(筹) | 一种人脸图像清晰度评价方法及装置 |
CN110111326A (zh) * | 2019-05-15 | 2019-08-09 | 西安科技大学 | 基于ert系统的重建图像质量评价方法 |
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 |
CN110766078A (zh) * | 2019-10-24 | 2020-02-07 | 广东工业大学 | 一种车联网环境下基于区块链的图片校验方法 |
CN112203012A (zh) * | 2020-08-25 | 2021-01-08 | 武汉高德智感科技有限公司 | 一种图像清晰度计算方法、自动聚焦方法及系统 |
CN112381820A (zh) * | 2020-12-07 | 2021-02-19 | 深圳市福日中诺电子科技有限公司 | 一种基于一组同场景照片清晰度的评价方法 |
CN114666558A (zh) * | 2022-04-13 | 2022-06-24 | 深圳市火乐科技发展有限公司 | 投影画面清晰度的检测方法、装置、存储介质及投影设备 |
CN114494262A (zh) * | 2022-04-19 | 2022-05-13 | 广东粤港澳大湾区硬科技创新研究院 | 一种图像对比度的评估方法和装置 |
CN116866715A (zh) * | 2023-07-24 | 2023-10-10 | 微创优通医疗科技(上海)有限公司 | 内窥镜的自动对焦方法、电子设备和可读存储介质 |
CN116866715B (zh) * | 2023-07-24 | 2024-04-26 | 微创优通医疗科技(上海)有限公司 | 内窥镜的自动对焦方法、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104182962A (zh) | 评价图片清晰度的方法及装置 | |
JP6228300B2 (ja) | プレノプティックカメラの分解能の改良 | |
US9307221B1 (en) | Settings of a digital camera for depth map refinement | |
US20130194272A1 (en) | Placing pixels according to attribute values in positions in a graphical visualization that correspond to geographic locations | |
US8873887B2 (en) | Systems and methods for resizing an image | |
US10769830B2 (en) | Transferring vector style properties to a vector artwork | |
US10878058B2 (en) | Systems and methods for optimizing and simulating webpage ranking and traffic | |
KR101854048B1 (ko) | 스테레오 매칭 깊이맵의 신뢰도 측정 방법 및 장치 | |
US20230176715A1 (en) | Graphic selecting methods and apparatuses, electronic devices, storage media and computer programs | |
CN107239477B (zh) | 一种融合空间相关性的地理数据支持向量回归方法 | |
US11669566B2 (en) | Multi-resolution color-based image search | |
Gil de la Vega et al. | Models for positional accuracy assessment of linear features: 2D and 3D cases | |
US10089764B2 (en) | Variable patch shape synthesis | |
CN110345875A (zh) | 标定及测距方法、装置、电子设备及计算机可读存储介质 | |
US9064245B2 (en) | Generating a calendar graphical visualization including pixels representing data records containing user feedback | |
US9779524B2 (en) | Visualization that indicates event significance represented by a discriminative metric computed using a contingency calculation | |
US20150120332A1 (en) | Systems and methods for determining risk exposure | |
CN114925153A (zh) | 基于业务的地理信息数据质量检测方法、装置和设备 | |
US20140019394A1 (en) | Providing expert elicitation | |
US10929860B2 (en) | Viewed location metric generation and engagement attribution within an AR or VR environment | |
Cattaneo et al. | On the implementation of LIR: the case of simple linear regression with interval data | |
US10552975B2 (en) | Ranking target dimensions | |
JP5650613B2 (ja) | 通信サービスにおける地理的領域の価値を判定するサーバ装置及びプログラム | |
CN115908243B (zh) | 一种无损检测图像的分割方法、装置、设备及存储介质 | |
CN115495665B (zh) | 地表覆盖更新众包任务推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141203 |