CN104837007B - 一种数字图像质量分级的方法和装置 - Google Patents

一种数字图像质量分级的方法和装置 Download PDF

Info

Publication number
CN104837007B
CN104837007B CN201410048608.1A CN201410048608A CN104837007B CN 104837007 B CN104837007 B CN 104837007B CN 201410048608 A CN201410048608 A CN 201410048608A CN 104837007 B CN104837007 B CN 104837007B
Authority
CN
China
Prior art keywords
digital picture
value
body region
default
quality
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
Application number
CN201410048608.1A
Other languages
English (en)
Other versions
CN104837007A (zh
Inventor
郑琪
王永攀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201410048608.1A priority Critical patent/CN104837007B/zh
Priority to PCT/CN2015/072114 priority patent/WO2015120771A1/zh
Priority to US15/116,828 priority patent/US10026184B2/en
Publication of CN104837007A publication Critical patent/CN104837007A/zh
Priority to HK15109537.4A priority patent/HK1208976A1/zh
Application granted granted Critical
Publication of CN104837007B publication Critical patent/CN104837007B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Abstract

本申请公开了一种数字图像质量分级的方法和装置，属于计算机通信技术领域。方法包括：获取数字图像，并从所述数字图像中提取出n个主体区域块；计算每个所述主体区域块的面积与所述数字图像的总面积的第一比例值、背景区域块的面积与所述数字图像的总面积的第二比例值、每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值；根据所述第一比例值、所述第二比例值和所述归一化距离值，利用预设的数字图像质量分数转换关系，计算得到所述数字图像的质量分数值；根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级。本申请实现简单、高效。

Description

一种数字图像质量分级的方法和装置
技术领域
本申请涉及计算机通信技术领域，具体涉及一种数字图像质量分级的方法和装置。
背景技术
随着数字拍摄设备的普及，现在的个人和企业等管理着越来越多的数字图像。自动删除质量差的数字图像，保留质量好的数字图像，在个人相册管理、商品图片管理等场合都有着重要应用价值。为了可以实现上述功能，现有常常会对数字图像的质量进行分级，根据数字图像质量的分级结果，来确定数字图像的质量，从而进一步确定是删除数字图像还是保留数字图像。因此，如何更好地实现对数字图像的质量进行分级，成为目前研究的热点。
现有数字图像质量分级的方法如下：获取数字图像，并提取数字图像中的主体区域块；根据提取出的主体区域块，计算数字图像中包括的主体的个数、大小和位置；根据主体的个数、大小和位置，以及预设的个数阈值、大小阈值和位阈值置，对数字图像进行质量分级。
现有数字图像质量分级的方法需要根据主体的个数、大小和位置，以及预设的个数阈值、大小阈值和位阈值置，对数字图像进行质量分级，需要的元素数量比较多，对数字图像进行质量分级时，设置分级规则的难度比较大，实现过程比较繁琐。
发明内容
本申请所要解决的技术问题在于提供一种数字图像质量分级的方法和装置，通过计算每个主体区域块的面积与数字图像的总面积的第一比例值、背景区域块的面积与数字图像的总面积的第二比例值、每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，根据第一比例值、第二比例值和归一化距离值，利用预设的数字图像质量分数转换关系，计算得到数字图像的质量分数值，根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级，数字图像质量分阈值易于配置，实现简单、高效。
为了解决上述问题，本申请公开了一种数字图像质量分级的方法，所述方法包括：
获取数字图像，并从所述数字图像中提取出n个主体区域块；其中，所述n为自然数；
计算每个所述主体区域块的面积与所述数字图像的总面积的第一比例值、背景区域块的面积与所述数字图像的总面积的第二比例值、每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值；其中，所述背景区域块为所述数字图像中提取出n个所述主体区域块后剩余的区域块；
根据所述第一比例值、所述第二比例值和所述归一化距离值，利用预设的数字图像质量分数转换关系，计算得到所述数字图像的质量分数值；其中，预设的数字图像质量分数转换关系是与所有主体区域块的第一比例值之和、所第二比例值和所有主体区域块的归一化距离值之和成正比例关系的函数；根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级。
进一步地，预设的数字图像质量分数转换关系S为：
其中，所述Sfi表示第i个所述主体区域块的面积与所述数字图像的总面积的第一比例值，所述Sb表示所述背景区域块的面积与所述数字图像的总面积的第二比例值，所述n表示从所述数字图像中提取出的所述主体区域块的个数，所述Ri表示第i个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值。
进一步地，计算每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值，包括：
计算每个所述主体区域块中每个像素点与所述数字图像的中心像素点之间的平方根距离值；
将每个所述主体区域块中所有像素点的平方根距离值求和，得到每个所述主体区域块中所有像素点的平方根距离总值；
根据每个所述主体区域块中所有像素点的平方根距离总值，利用预设的距离归一化转换关系，计算得到每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值，其中，预设的距离归一化转换关系是根据选择的归一化参数值对每个所述主体区域块中所有像素点的平方根距离总值进行归一化处理。
进一步地，预设的距离归一化转换关系Ri为：
其中，所述ri表示第i个所述主体区域块中所有像素点的平方根距离总值，所述表示选择的归一化参数值，所述w表示所述数字图像的宽度，所述h表示所述数字图像的高度。
进一步地，计算得到所述数字图像的质量分数值之后，还包括：
获取最优理论质量分数值；
将计算得到的所述数字图像的质量分数值与所述最优理论质量分数值的商，作为所述数字图像的归一化质量分数值；
相应地，根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级，包括：
根据所述数字图像的归一化质量分数值和预设的归一化数字图像质量分阈值，对所述数字图像的质量进行分级。
进一步地，获取最优理论质量分数值，包括：
根据所述主体区域块的个数与所述数字图像的质量关系，所述第一比例值、所述第二比例值和所述归一化距离值之间的关系，选择所述n、所述Sfi、所述Sb、所述Ri的取值；
将选择的所述n、所述Sfi、所述Sb、所述Ri的取值代入预设的数字图像质量分数转换关系S，计算得到的最大值，作为所述最优理论质量分数值。
进一步地，根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级，包括：
将所述数字图像的质量分数值和预设的数字图像质量分阈值进行比较；
如果所述数字图像的质量分数值大于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与大于预设的数字图像质量分阈值相应的级别；
如果所述数字图像的质量分数值小于等于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与小于等于预设的数字图像质量分阈值相应的级别。
为了解决上述问题，本申请还公开了一种数字图像质量分级的装置，所述装置包括：
获取模块，用于获取数字图像，并从所述数字图像中提取出n个主体区域块；其中，所述n为自然数；
第一计算模块，用于计算每个所述主体区域块的面积与所述数字图像的总面积的第一比例值、背景区域块的面积与所述数字图像的总面积的第二比例值、每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值；其中，所述背景区域块为所述数字图像中提取出n个所述主体区域块后剩余的区域块；
第二计算模块，用于根据所述第一比例值、所述第二比例值和所述归一化距离值，利用预设的数字图像质量分数转换关系，计算得到所述数字图像的质量分数值；其中，预设的数字图像质量分数转换关系是与所有主体区域块的第一比例值之和、所第二比例值和所有主体区域块的归一化距离值之和成正比例关系的函数；
分级模块，用于根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级。
进一步地，预设的数字图像质量分数转换关系S为：
其中，所述Sfi表示第i个所述主体区域块的面积与所述数字图像的总面积的第一比例值，所述Sb表示所述背景区域块的面积与所述数字图像的总面积的第二比例值，所述n表示从所述数字图像中提取出的所述主体区域块的个数，所述Ri表示第i个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值。
进一步地，所述第一计算模块包括：
第一计算单元，用于计算每个所述主体区域块中每个像素点与所述数字图像的中心像素点之间的平方根距离值；
求和单元，用于将每个所述主体区域块中所有像素点的平方根距离值求和，得到每个所述主体区域块中所有像素点的平方根距离总值；
第二计算单元，用于根据每个所述主体区域块中所有像素点的平方根距离总值，利用预设的距离归一化转换关系，计算得到每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值，其中，预设的距离归一化转换关系是根据选择的归一化参数值对每个所述主体区域块中所有像素点的平方根距离总值进行归一化处理。
进一步地，预设的距离归一化转换关系Ri为：
其中，所述ri表示第i个所述主体区域块中所有像素点的平方根距离总值，所述表示选择的归一化参数值，所述w表示所述数字图像的宽度，所述h表示所述数字图像的高度。
进一步地，所述第二计算模块包括：
获取单元，用于获取最优理论质量分数值；
处理单元，用于将计算得到的所述数字图像的质量分数值与所述最优理论质量分数值的商，作为所述数字图像的归一化质量分数值；
相应地，所述分级模块包括：
分级单元，用于根据所述数字图像的归一化质量分数值和预设的归一化数字图像质量分阈值，对所述数字图像的质量进行分级。
进一步地，所述获取单元包括：
选择子单元，用于根据所述主体区域块的个数与所述数字图像的质量关系，所述第一比例值、所述第二比例值和所述归一化距离值之间的关系，选择所述n、所述Sfi、所述Sb、所述Ri的取值；
处理子单元，用于将选择的所述n、所述Sfi、所述Sb、所述Ri的取值代入预设的数字图像质量分数转换关系S，计算得到的最大值，作为所述最优理论质量分数值。
进一步地，所述分级模块包括：
比较单元，用于将所述数字图像的质量分数值和预设的数字图像质量分阈值进行比较；
第一分级单元，用于如果所述数字图像的质量分数值大于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与大于预设的数字图像质量分阈值相应的级别；
第二分级单元，用于如果所述数字图像的质量分数值小于等于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与小于等于预设的数字图像质量分阈值相应的级别。
与现有技术相比，本申请可以获得包括以下技术效果：
通过计算每个主体区域块的面积与数字图像的总面积的第一比例值、背景区域块的面积与数字图像的总面积的第二比例值、每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，根据第一比例值、第二比例值和归一化距离值，利用预设的数字图像质量分数转换关系，计算得到数字图像的质量分数值，根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级，数字图像质量分阈值易于配置，实现简单、高效。
当然，实施本申请的任一产品必不一定需要同时达到以上所述的所有技术效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请实施例的一种数字图像质量分级的方法流程图；
图2是本申请实施例的一种数字图像质量分级的示意图；
图3是本申请实施例的一种数字图像质量分级的装置结构示意图。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式，藉此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
实施例描述
下面以一实施例对本申请方法的实现作进一步说明。如图1所示，为本申请实施例的一种数字图像质量分级的方法流程图，该方法包括：
S101：获取数字图像，并从数字图像中提取出n个主体区域块，其中，n为自然数。
具体地，数字图像中的主体，可以有一个，也可以有多个，相应地，从数字图像中可以提取出一个主体区域块，也可以提取出多个主体区域块。并且，在从数字图像中提取主体区域块时，可以采用任何可行的实现方法，比如可以采用显著区域提取方法等，对此不做限定。
S102：计算每个主体区域块的面积与数字图像的总面积的第一比例值、背景区域块的面积与数字图像的总面积的第二比例值、每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值。
其中，背景区域块为数字图像中提取出n个主体区域块后剩余的区域块。
具体地，计算每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，包括：
计算每个主体区域块中每个像素点与数字图像的中心像素点之间的平方根距离值（即主体区域块的像素点的坐标与中心像素点的坐标之间作差、平方求和、然后开方）；
将每个主体区域块中所有像素点的平方根距离值求和，得到每个主体区域块中所有像素点的平方根距离总值；
根据每个主体区域块中所有像素点的平方根距离总值，利用预设的距离归一化转换关系，计算得到每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，其中，预设的距离归一化转换关系是根据选择的归一化参数值对每个主体区域块中所有像素点的平方根距离总值进行归一化处理。
具体地，在选择归一化参数值时，可以根据实际应用状况灵活选择，对此不做限定，本实施例中选择数字图像的宽度的平方和数字图像的高度的平方之和的平方根作为归一化参数值，本实施例中预设的距离归一化转换关系Ri为：
其中，ri表示第i个主体区域块中所有像素点的平方根距离总值，表示选择的归一化参数值，w表示数字图像的宽度，h表示数字图像的高度。
根据预设的距离归一化转换关系Ri，计算得到的Ri值即为每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值。
S103：根据第一比例值、第二比例值和归一化距离值，利用预设的数字图像质量分数转换关系，计算得到数字图像的质量分数值。
其中，预设的数字图像质量分数转换关系是与所有主体区域块的第一比例值之和、第二比例值和所有主体区域块的归一化距离值之和成正比例关系的函数。可以根据实际应用状况，灵活设置预设的数字图像质量分数转换关系的具体表现形式，对此不做限定。
本实施例中，预设的数字图像质量分数转换关系S为：其中，Sfi表示第i个主体区域块的面积与数字图像的总面积的第一比例值，Sb表示背景区域块的面积与数字图像的总面积的第二比例值，n表示从数字图像中提取出的主体区域块的个数，Ri表示第i个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值。
根据预设的数字图像质量分数转换关系S，计算得到的S值，即为数字图像的质量分数值。
并且，计算得到数字图像的质量分数值之后，还包括：
获取最优理论质量分数值；
将计算得到的数字图像的质量分数值除以最优理论质量分数值得到的商，作为数字图像的归一化质量分数值。
其中，获取最优理论质量分数值，包括：
根据数字图像中包括的主体区域块个数与数字图像的质量关系，第一比例值、第二比例值和归一化距离值之间的关系，选择n、Sfi、Sb、Ri的取值；
将选择的n、Sfi、Sb、Ri的取值代入预设的数字图像质量分数转换关系S，计算得到的最大值作为最优理论质量分数值。
需要说明的是，当数字图像只有一个主体并居中时，数字图像的质量分数值更高，所以选择n为1，Ri的像素点居中，并且通过选择不同的Sfi、Sb的取值，可以得到当Sfi为37%、Sb为63%时，会得到最优理论质量分数值（约为0.13）。
S104：根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级。
具体地，根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级包括：
将数字图像的质量分数值和预设的数字图像质量分阈值进行比较；
如果数字图像的质量分数值大于预设的数字图像质量分阈值，则将数字图像的级别设置为与大于预设的数字图像质量分阈值相应的级别；
如果数字图像的质量分数值小于等于预设的数字图像质量分阈值，则将数字图像的级别设置为与小于等于预设的数字图像质量分阈值相应的级别。
其中，数字图像质量分阈值可以根据人工经验来设定，也可以人工标注不同级别的数字图像，通过机器学习的方法来获得。
并且，并不限于通过上面的方法对数字图像的质量进行分级，还可以采用其他任何可行的方法实现，对此不作具体限定。
另外，当步骤S103获取的是归一化质量分数值时，相应地，根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级，包括：
根据数字图像的归一化质量分数值和预设的归一化数字图像质量分阈值，对数字图像的质量进行分级。
例如，参见图2，其中的主体区域块（只有一个）为鞋所在的区域块，利用本实施例的方法，计算得到第1个主体区域块的面积与数字图像的总面积的第一比例值Sf1为：0.3622，背景区域块的面积与数字图像的总面积的第二比例值Sb为：0.6378，第1个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值R1为：0.4451，利用预设的数字图像质量分数转换关系S：计算得到数字图像的质量分数值S为：97。根据数字图像的归一化质量分数值97和预设的归一化数字图像质量分阈值，将图2的数字图像的质量分级为：高质量主体。
本实施例所述的数字图像质量分级的方法，通过计算每个主体区域块的面积与数字图像的总面积的第一比例值、背景区域块的面积与数字图像的总面积的第二比例值、每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，根据第一比例值、第二比例值和归一化距离值，利用预设的数字图像质量分数转换关系，计算得到数字图像的质量分数值，根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级，数字图像质量分阈值易于配置，实现简单、高效。
如图3所示，是本申请实施例的一种数字图像质量分级的装置结构图，该装置包括：
获取模块201，用于获取数字图像，并从数字图像中提取出n个主体区域块；其中，n为自然数；
第一计算模块202，用于计算每个主体区域块的面积与数字图像的总面积的第一比例值、背景区域块的面积与数字图像的总面积的第二比例值、每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值；其中，背景区域块为数字图像中提取出n个主体区域块后剩余的区域块；
第二计算模块203，用于根据第一比例值、第二比例值和归一化距离值，利用预设的数字图像质量分数转换关系，计算得到数字图像的质量分数值；其中，预设的数字图像质量分数转换关系是与所有主体区域块的第一比例值之和、第二比例值和所有主体区域块的归一化距离值之和成正比例关系的函数；
分级模块204，用于根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级。
优选地，预设的数字图像质量分数转换关系S为：
其中，Sfi表示第i个主体区域块的面积与数字图像的总面积的第一比例值，Sb表示背景区域块的面积与数字图像的总面积的第二比例值，n表示从数字图像中提取出的主体区域块的个数，Ri表示第i个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值。
优选地，第一计算模块202包括：
第一计算单元，用于计算每个主体区域块中每个像素点与数字图像的中心像素点之间的平方根距离值；
求和单元，用于将每个主体区域块中所有像素点的平方根距离值求和，得到每个主体区域块中所有像素点的平方根距离总值；
第二计算单元，用于根据每个主体区域块中所有像素点的平方根距离总值，利用预设的距离归一化转换关系，计算得到每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，其中，预设的距离归一化转换关系是根据选择的归一化参数值对每个主体区域块中所有像素点的平方根距离总值进行归一化处理。
优选地，预设的距离归一化转换关系Ri为：
其中，ri表示第i个主体区域块中所有像素点的平方根距离总值，表示选择的归一化参数值，w表示数字图像的宽度，h表示数字图像的高度。
优选地，第二计算模块203包括：
获取单元，用于获取最优理论质量分数值；
处理单元，用于将计算得到的数字图像的质量分数值与所述最优理论质量分数值的商，作为数字图像的归一化质量分数值；
相应地，分级模块204包括：
分级单元，用于根据数字图像的归一化质量分数值和预设的归一化数字图像质量分阈值，对数字图像的质量进行分级。
优选地，获取单元包括：
选择子单元，用于根据主体区域块的个数与数字图像的质量关系，第一比例值、第二比例值和归一化距离值之间的关系，选择n、Sfi、Sb、Ri的取值；
处理子单元，用于将选择的n、Sfi、Sb、Ri的取值代入预设的数字图像质量分数转换关系S，计算得到的最大值，作为最优理论质量分数值。
优选地，分级模块204包括：
比较单元，用于将数字图像的质量分数值和预设的数字图像质量分阈值进行比较；
第一分级单元，用于如果数字图像的质量分数值大于预设的数字图像质量分阈值，则将数字图像的级别设置为与大于预设的数字图像质量分阈值相应的级别；
第二分级单元，用于如果数字图像的质量分数值小于等于预设的数字图像质量分阈值，则将数字图像的级别设置为与小于等于预设的数字图像质量分阈值相应的级别。
所述装置与前述的方法流程描述对应，不足之处参考上述方法流程的叙述，不再一一赘述。
本实施例所述的数字图像质量分级的装置，通过计算每个主体区域块的面积与数字图像的总面积的第一比例值、背景区域块的面积与数字图像的总面积的第二比例值、每个主体区域块中所有像素点距离数字图像的中心像素点的归一化距离值，根据第一比例值、第二比例值和归一化距离值，利用预设的数字图像质量分数转换关系，计算得到数字图像的质量分数值，根据数字图像的质量分数值和预设的数字图像质量分阈值，对数字图像的质量进行分级，数字图像质量分阈值易于配置，实现简单、高效。
上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。

Claims (14)

1.一种数字图像质量分级的方法，其特征在于，所述方法包括：
获取数字图像，并从所述数字图像中提取出n个主体区域块；其中，所述n为自然数；
计算每个所述主体区域块的面积与所述数字图像的总面积的第一比例值、背景区域块的面积与所述数字图像的总面积的第二比例值、每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值；其中，所述背景区域块为所述数字图像中提取出n个所述主体区域块后剩余的区域块；
根据所述第一比例值、所述第二比例值和所述归一化距离值，利用预设的数字图像质量分数转换关系，计算得到所述数字图像的质量分数值，其中，预设的数字图像质量分数转换关系S等于n个特征值的加和，所述n表示从所述数字图像中提取出的所述主体区域块的个数，每个所述特征值等于一个主体区域块对应的第一比例值、所述第二比例值、1减去所述一个主体区域块对应的归一化距离值三者的乘积，每个所述特征值对应不同的所述主体区域块；
根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级。
2.如权利要求1所述的方法，其特征在于，预设的数字图像质量分数转换关系S为：
其中，所述Sfi表示第i个所述主体区域块的面积与所述数字图像的总面积的第一比例值，所述Sb表示所述背景区域块的面积与所述数字图像的总面积的第二比例值，所述n表示从所述数字图像中提取出的所述主体区域块的个数，所述Ri表示第i个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值。
3.如权利要求1所述的方法，其特征在于，计算每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值，包括：
计算每个所述主体区域块中每个像素点与所述数字图像的中心像素点之间的平方根距离值；
将每个所述主体区域块中所有像素点的平方根距离值求和，得到每个所述主体区域块中所有像素点的平方根距离总值；
根据每个所述主体区域块中所有像素点的平方根距离总值，利用预设的距离归一化转换关系，计算得到每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值，其中，预设的距离归一化转换关系是根据选择的归一化参数值对每个所述主体区域块中所有像素点的平方根距离总值进行归一化处理。
4.如权利要求3所述的方法，其特征在于，预设的距离归一化转换关系Ri为：
其中，所述ri表示第i个所述主体区域块中所有像素点的平方根距离总值，所述表示选择的归一化参数值，所述w表示所述数字图像的宽度，所述h表示所述数字图像的高度。
5.如权利要求1所述的方法，其特征在于，计算得到所述数字图像的质量分数值之后，还包括：
获取最优理论质量分数值；
将计算得到的所述数字图像的质量分数值与所述最优理论质量分数值的商，作为所述数字图像的归一化质量分数值；
相应地，根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级，包括：
根据所述数字图像的归一化质量分数值和预设的归一化数字图像质量分阈值，对所述数字图像的质量进行分级。
6.如权利要求5所述的方法，其特征在于，获取最优理论质量分数值，包括：
根据所述主体区域块的个数n与所述数字图像的质量关系，所述第一比例值Sfi、所述第二比例值Sb和所述归一化距离值Ri之间的关系，选择所述n、所述Sfi、所述Sb、所述Ri的取值；
将选择的所述n、所述Sfi、所述Sb、所述Ri的取值代入预设的数字图像质量分数转换关系S，计算得到的最大值，作为所述最优理论质量分数值。
7.如权利要求1-6任一权利要求所述的方法，其特征在于，根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级，包括：
将所述数字图像的质量分数值和预设的数字图像质量分阈值进行比较；
如果所述数字图像的质量分数值大于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与大于预设的数字图像质量分阈值相应的级别；
如果所述数字图像的质量分数值小于等于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与小于等于预设的数字图像质量分阈值相应的级别。
8.一种数字图像质量分级的装置，其特征在于，所述装置包括：
获取模块，用于获取数字图像，并从所述数字图像中提取出n个主体区域块；其中，所述n为自然数；
第一计算模块，用于计算每个所述主体区域块的面积与所述数字图像的总面积的第一比例值、背景区域块的面积与所述数字图像的总面积的第二比例值、每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值；其中，所述背景区域块为所述数字图像中提取出n个所述主体区域块后剩余的区域块；
第二计算模块，用于根据所述第一比例值、所述第二比例值和所述归一化距离值，利用预设的数字图像质量分数转换关系，计算得到所述数字图像的质量分数值，其中，预设的数字图像质量分数转换关系S等于n个特征值的加和，所述n表示从所述数字图像中提取出的所述主体区域块的个数，每个所述特征值等于一个主体区域块对应的第一比例值、所述第二比例值、1减去所述一个主体区域块对应的归一化距离值三者的乘积，每个所述特征值对应不同的所述主体区域块；
分级模块，用于根据所述数字图像的质量分数值和预设的数字图像质量分阈值，对所述数字图像的质量进行分级。
9.如权利要求8所述的装置，其特征在于，预设的数字图像质量分数转换关系S为：
其中，所述Sfi表示第i个所述主体区域块的面积与所述数字图像的总面积的第一比例值，所述Sb表示所述背景区域块的面积与所述数字图像的总面积的第二比例值，所述n表示从所述数字图像中提取出的所述主体区域块的个数，所述Ri表示第i个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值。
10.如权利要求8所述的装置，其特征在于，所述第一计算模块包括：
第一计算单元，用于计算每个所述主体区域块中每个像素点与所述数字图像的中心像素点之间的平方根距离值；
求和单元，用于将每个所述主体区域块中所有像素点的平方根距离值求和，得到每个所述主体区域块中所有像素点的平方根距离总值；
第二计算单元，用于根据每个所述主体区域块中所有像素点的平方根距离总值，利用预设的距离归一化转换关系，计算得到每个所述主体区域块中所有像素点距离所述数字图像的中心像素点的归一化距离值，其中，预设的距离归一化转换关系是根据选择的归一化参数值对每个所述主体区域块中所有像素点的平方根距离总值进行归一化处理。
11.如权利要求10所述的装置，其特征在于，预设的距离归一化转换关系Ri为：
其中，所述ri表示第i个所述主体区域块中所有像素点的平方根距离总值，所述表示选择的归一化参数值，所述w表示所述数字图像的宽度，所述h表示所述数字图像的高度。
12.如权利要求8所述的装置，其特征在于，所述第二计算模块包括：
获取单元，用于获取最优理论质量分数值；
处理单元，用于将计算得到的所述数字图像的质量分数值与所述最优理论质量分数值的商，作为所述数字图像的归一化质量分数值；
相应地，所述分级模块包括：
分级单元，用于根据所述数字图像的归一化质量分数值和预设的归一化数字图像质量分阈值，对所述数字图像的质量进行分级。
13.如权利要求12所述的装置，其特征在于，所述获取单元包括：
选择子单元，用于根据所述主体区域块的个数n与所述数字图像的质量关系，所述第一比例值Sfi、所述第二比例值Sb和所述归一化距离值Ri之间的关系，选择所述n、所述Sfi、所述Sb、所述Ri的取值；
处理子单元，用于将选择的所述n、所述Sfi、所述Sb、所述Ri的取值代入预设的数字图像质量分数转换关系S，计算得到的最大值，作为所述最优理论质量分数值。
14.如权利要求8-13任一权利要求所述的装置，其特征在于，所述分级模块包括：
比较单元，用于将所述数字图像的质量分数值和预设的数字图像质量分阈值进行比较；
第一分级单元，用于如果所述数字图像的质量分数值大于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与大于预设的数字图像质量分阈值相应的级别；
第二分级单元，用于如果所述数字图像的质量分数值小于等于预设的数字图像质量分阈值，则将所述数字图像的级别设置为与小于等于预设的数字图像质量分阈值相应的级别。
CN201410048608.1A 2014-02-11 2014-02-11 一种数字图像质量分级的方法和装置 Expired - Fee Related CN104837007B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201410048608.1A CN104837007B (zh) 2014-02-11 2014-02-11 一种数字图像质量分级的方法和装置
PCT/CN2015/072114 WO2015120771A1 (zh) 2014-02-11 2015-02-02 一种数字图像质量分级的方法和装置
US15/116,828 US10026184B2 (en) 2014-02-11 2015-02-02 Grading method and device for digital image quality
HK15109537.4A HK1208976A1 (zh) 2014-02-11 2015-09-29 種數字圖像質量分級的方法和裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410048608.1A CN104837007B (zh) 2014-02-11 2014-02-11 一种数字图像质量分级的方法和装置

Publications (2)

Publication Number Publication Date
CN104837007A CN104837007A (zh) 2015-08-12
CN104837007B true CN104837007B (zh) 2018-06-05

Family

ID=53799583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410048608.1A Expired - Fee Related CN104837007B (zh) 2014-02-11 2014-02-11 一种数字图像质量分级的方法和装置

Country Status (4)

Country Link
US (1) US10026184B2 (zh)
CN (1) CN104837007B (zh)
HK (1) HK1208976A1 (zh)
WO (1) WO2015120771A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10031087B2 (en) 2016-09-22 2018-07-24 SSAB Enterprises, LLC Methods and systems for the quantitative measurement of internal defects in as-cast steel products
CN110246110B (zh) * 2018-03-01 2023-08-18 腾讯科技（深圳）有限公司 图像评估方法、装置及存储介质
CN109541583B (zh) * 2018-11-15 2020-05-01 众安信息技术服务有限公司 一种前车距离检测方法及系统
CN113938671B (zh) * 2020-07-14 2023-05-23 北京灵汐科技有限公司 图像内容分析方法、装置、电子设备和存储介质
CN113055549A (zh) * 2020-09-23 2021-06-29 视伴科技(北京)有限公司 一种播放预演视频的方法及装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6822675B2 (en) * 2001-07-03 2004-11-23 Koninklijke Philips Electronics N.V. Method of measuring digital video quality
EP1570673A1 (en) * 2002-12-05 2005-09-07 Koninklijke Philips Electronics N.V. A system management scheme for a signal-processing-based decision support system
US20050219362A1 (en) * 2004-03-30 2005-10-06 Cernium, Inc. Quality analysis in imaging
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
JP4737073B2 (ja) * 2006-12-22 2011-07-27 パナソニック電工株式会社 人体検出装置
CN101452181A (zh) * 2007-12-03 2009-06-10 鸿富锦精密工业（深圳）有限公司 电子装置的自动对焦系统及方法
JP5197084B2 (ja) * 2008-03-25 2013-05-15 キヤノン株式会社 画像検査装置
US8000528B2 (en) * 2009-12-29 2011-08-16 Konica Minolta Systems Laboratory, Inc. Method and apparatus for authenticating printed documents using multi-level image comparison based on document characteristics
JP5517746B2 (ja) * 2010-05-26 2014-06-11 キヤノン株式会社 画像処理装置およびその方法
CN101945287B (zh) * 2010-10-14 2012-11-21 浙江宇视科技有限公司 一种roi编码方法及其系统
CN102270303B (zh) * 2011-07-27 2013-06-05 重庆大学 敏感图像的联合检测方法
CN103020947B (zh) * 2011-09-23 2016-04-06 阿里巴巴集团控股有限公司 一种图像的质量分析方法及装置
CN103024165B (zh) * 2012-12-04 2015-01-28 华为终端有限公司 一种自动设置拍摄模式的方法和装置

Also Published As

Publication number Publication date
HK1208976A1 (zh) 2016-03-18
US20170178339A1 (en) 2017-06-22
US10026184B2 (en) 2018-07-17
CN104837007A (zh) 2015-08-12
WO2015120771A1 (zh) 2015-08-20

Similar Documents

Publication Publication Date Title
CN104837007B (zh) 一种数字图像质量分级的方法和装置
US20190347767A1 (en) Image processing method and device
CN110162567B (zh) 基于颜色表优化的二维标量场数据可视化方法及系统
CN105989330A (zh) 一种图片检测方法及设备
CN107783734A (zh) 一种基于超融合存储系统的资源分配方法、装置及终端
CN108597003A (zh) 一种文章封面生成方法、装置、处理服务器及存储介质
CN108549836A (zh) 照片的翻拍检测方法、装置、设备及可读存储介质
CN108491850A (zh) 三维牙齿网格模型的特征点自动提取方法及装置
KR102018046B1 (ko) 이미지 특징 추출 장치 및 방법
Backes et al. LBP maps for improving fractal based texture classification
Shete et al. Tasselgan: An application of the generative adversarial model for creating field-based maize tassel data
CN107067434B (zh) 基于Hadoop的集成电路短路关键面积提取方法
CN107578375A (zh) 图像处理方法及装置
Virmani et al. Breast tissue density classification using wavelet-based texture descriptors
CN104216882B (zh) 文件标注方法及装置
DE102017006557A1 (de) Verwenden von Markierungen zum Verfolgen von hochfrequenten Offsets für Patchabgleichsalgorithmen
Thepade et al. Image classification using advanced block truncation coding with ternary image maps
CN111223046A (zh) 一种图像超分辨率重建方法及装置
CN108257172B (zh) 基于Hadoop的集成电路版图开路关键面积提取方法
Narwade et al. Local and global color histogram feature for color content-based image retrieval system
CN107729905A (zh) 图像信息处理方法及装置
Xue et al. Investigation of the role of aesthetics in differentiating between photographs taken by amateur and professional photographers
CN106610830A (zh) 页面元素的拖放方法及装置
CN109712094A (zh) 图像处理方法及装置
Arai et al. Image identification based on shape and color descriptors and its application to ornamental leaf

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1208976

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180605