CN105469411B - 用于检测图像清晰度的方法、装置及终端 - Google Patents

Abstract

本公开提供一种用于检测图像清晰度的方法、装置及终端，所述方法的一具体实施方式包括：获取用于表征待检测图像局部区域对比度的全差分图像；确定所述全差分图像的灰度重心的位置；基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰。该实施方式提高了终端检测图像的清晰度的准确性。

Description

用于检测图像清晰度的方法、装置及终端

技术领域

本公开涉及计算机技术领域，特别涉及一种用于检测图像清晰度的方法、装置及终端。

背景技术

随着电子技术的不断发展，智能终端技术变得日益完善和成熟，智能终端设备越来越广泛的应用于人们的日常生活和工作中，使人们的生活越来越便利。目前，很多智能终端设备都具有拍摄照片和存储图像等功能，而图像的清晰度在一定程度上反映了该图像的品质。某些情况下，智能终端设备需要根据图像的清晰度，执行一些任务，以辅助用户进行一些操作。而如何更准确的确定图像的清晰度变得尤为重要。

发明内容

本公开提供一种用于检测图像清晰度的方法、装置及终端，以解决相关技术中终端评价图像清晰度准确性低的问题。

根据本公开实施例的第一方面，提供一种用于检测图像清晰度的方法，包括：

获取用于表征待检测图像局部区域对比度的全差分图像；

确定所述全差分图像的灰度重心的位置；

基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰。

可选的，所述基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，包括：

采用窗函数构建所述全差分图像的加权模板图；

将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图；

基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子。

可选的，所述采用窗函数构建所述全差分图像的加权模板图，包括：

获取所述全差分图像长度最大的边上的像素个数L；

生成与所述全差分图像对应的长为L的汉宁窗；

获取与所述汉宁窗对应的加权模板图。

可选的，所述将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图，包括：

将所述加权模板图中重叠部分的像素点作为第一像素点，将所述全差分图像中重叠部分的像素点作为第二像素点，确定在所述重合时每个所述第一像素点的灰度值以及对应的第二像素点的位置信息；

基于每个所述第一像素点的灰度值以及对应的第二像素点的位置信息，生成对应的加权图，使所述加权图对应的矩阵与所述全差分图像对应的矩阵同阶，并且所述加权图中与所述第二像素点位置相同的像素点的灰度值与对应于所述第二像素点的第一像素点的灰度值相同，所述加权图中剩余的像素点的灰度值为0。

可选的，基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子，包括：

获取所述加权图对应的矩阵作为第一矩阵；

获取所述全差分图像对应的矩阵作为第二矩阵；

计算所述第一矩阵与所述第二矩阵点乘的结果，作为第三矩阵；

根据所述第三矩阵中的元素的值确定所述评价因子。

可选的，根据所述第三矩阵中的元素的值确定所述评价因子，包括：

查找出所述第三矩阵中值最大的元素；

基于所述第三矩阵中值最大的元素确定预定阈值；

计算出所述第三矩阵中值大于等于所述预定阈值的元素的均值，作为所述评价因子。

可选的，所述基于所述第三矩阵中值最大的元素确定预定阈值，包括：

计算所述第三矩阵中值最大的元素的值与预定的经验系数的乘积，作为预定阈值。

根据本公开实施例的第二方面，提供一种用于检测图像清晰度的装置，包括：

获取模块，被配置为获取用于表征待检测图像局部区域对比度的全差分图像；

确定模块，被配置为确定所述全差分图像的灰度重心的位置；

加权处理模块，被配置为基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰。

可选的，所述加权处理模块包括：

构建子模块，被配置为采用窗函数构建所述全差分图像的加权模板图；

生成子模块，被配置为将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图；

评价因子确定子模块，被配置为基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子。

可选的，所述构建子模块包括：

第一获取子模块，被配置为获取所述全差分图像长度最大的边上的像素个数L；

汉宁窗生成子模块，被配置为生成与所述全差分图像对应的长为L的汉宁窗；

第二获取子模块，被配置为获取与所述汉宁窗对应的加权模板图。

可选的，所述生成子模块包括：

确定子模块，被配置为将所述加权模板图中重叠部分的像素点作为第一像素点，将所述全差分图像中重叠部分的像素点作为第二像素点，确定在所述重合时每个所述第一像素点的灰度值以及对应的第二像素点的位置信息；

加权图生成子模块，被配置为基于每个所述第一像素点的灰度值以及对应的第二像素点的位置信息，生成对应的加权图，使所述加权图对应的矩阵与所述全差分图像对应的矩阵同阶，并且所述加权图中与所述第二像素点位置相同的像素点的灰度值与对应于所述第二像素点的第一像素点的灰度值相同，所述加权图中剩余的像素点的灰度值为0。

可选的，所述评价因子确定子模块包括：

第一矩阵获取子模块，被配置为获取所述加权图对应的矩阵作为第一矩阵；

第二矩阵获取子模块，被配置为获取所述全差分图像对应的矩阵作为第二矩阵；

第三矩阵计算子模块，被配置为计算所述第一矩阵与所述第二矩阵点乘的结果，作为第三矩阵；

评价因子计算子模块，被配置为根据所述第三矩阵中的元素的值确定所述评价因子。

可选的，所述评价因子计算子模块包括：

查找子模块，被配置为查找出所述第三矩阵中值最大的元素；

预定阈值确定子模块，被配置为基于所述第三矩阵中值最大的元素确定预定阈值；

均值计算子模块，被配置为计算出所述第三矩阵中值大于等于所述预定阈值的元素的均值，作为所述评价因子。

可选的，所述预定阈值确定子模块包括：

计算子模块，被配置为计算所述第三矩阵中值最大的元素的值与预定的经验系数的乘积，作为预定阈值。

根据本公开实施例的第三方面，提供一种用于检测图像清晰度的终端，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取用于表征待检测图像局部区域对比度的全差分图像；

确定所述全差分图像的灰度重心的位置；

基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的上述实施例提供的一种用于检测图像清晰度的方法，通过获取用于表征待检测图像局部区域对比度的全差分图像，确定该全差分图像的灰度重心的位置，并基于该灰度重心的位置，采用窗函数对上述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，从而提高了终端检测图像的清晰度的准确性。

本公开的上述实施例提供的另一种用于检测图像清晰度的方法，通过采用窗函数构建全差分图像的加权模板图，将该加权模板图的中心与上述灰度重心重合，基于重叠部分的像素点生成对应的加权图，并基于该加权图以及上述全差分图像确定用于评价图像清晰度的评价因子。从而进一步地提高了终端检测图像的清晰度的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开根据一示例性实施例示出的一种用于检测图像清晰度的方法的流程图；

图2是本公开根据一示例性实施例示出的一种将待检测图像的灰度图划分成的一个区域的示意图；

图3是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的方法的流程图；

图4是本公开根据一示例性实施例示出的一种用于检测图像清晰度的装置的框图；

图5是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框图；

图6是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框图；

图7是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框图；

图8是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框图；

图9是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框图；

图10是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框图；

图11是本公开根据一示例性实施例示出的一种用于检测图像清晰度的装置的一结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

目前，电子技术的飞速发展使人们的生活越来越便利，很多智能终端设备都具有拍摄照片和存储图像等功能，而图像的清晰度在一定程度上反映了该图像的品质。某些情况下，智能终端设备需要根据图像的清晰度，执行一些任务，以辅助用户进行一些操作。

例如，一种场景可以为，智能终端设备中存储的图像可能有些清晰度不高，当存储空间不够用时，用户可能想优先删除那些清晰度不高的图像。这时，智能终端设备可以基于图像的清晰度，首先从存储的图像中将不符合清晰度要求的图像挑选出来，然后由用户从中挑选出一些图像删除掉。

又例如，另一种场景可以为，用户刚刚照了一些照片，而这批照片没有经过筛选，用户想洗其中照的清晰的一部分，但是由于照片数量太多，不方便一张一张去人工的筛选。这时，智能终端设备可以基于图像的清晰度，从这批照片中将符合清晰度要求的图像挑选出来，进行冲洗。

由此可见，如何更准确的确定图像的清晰度变得尤为重要。本公开实施例提供了一种用于检测图像清晰度的方法，有助于更准确高效的确定图像的清晰度。

如图1所示，图1是根据一示例性实施例示出的一种用于检测图像清晰度的方法的流程图，该方法可以应用于终端中。在本实施例中，为了便于理解，结合具有显示屏并能显示图像的终端设备来举例说明。本领域技术人员可以理解，该终端设备可以包括但不限于诸如智能手机的移动终端设备、智能穿戴式设备、平板电脑、个人数字助理、膝上便携式电脑以及台式计算机等等。该方法包括以下步骤：

在步骤101中，获取用于表征待检测图像局部区域对比度的全差分图像。

一般来说，图像中较为模糊的区域像素值变化不明显，对比度较小；图像中较为清晰的区域像素值变化明显，对比度较大。因此，图像的对比度在一定程度上可以体现出图像的清晰度。在本实施例中，可以基于用于表征待检测图像局部区域对比度的全差分图像来确定能够体现待检测图像清晰度的量化数值。

在本实施例中，凡是可以用于表征待检测图像局部区域对比度的图像，均可以作为待检测图像对应的全差分图像。待检测图像对应的全差分图像可以较好的描述待检测图像内容的变化，例如，在图像某位置处的对比度较高，则该位置处的差分值就会比较大，反之在图像某位置处的对比度较低，则该位置处的差分值就会比较小。

在本实施例中，首先，将待检测图像转换成灰度图，然后将待检测图像的灰度图划分成若干个区域，每个区域包含N×N个像素点(横坐标方向N个像素点，纵坐标方向N个像素点)。其中，N可以为任意合适的数值，例如，N可以为8，本公开对N的具体数值方面不限定。接着，针对上述每个区域计算对应的灰度差分值。最后，将该差分值作为对应区域所有像素点的灰度值，从而生成待检测图像对应的全差分图像。

在本实施例的一种实现方式中，可以通过以下公式：

计算上述区域对应的灰度差分值。其中，B表示上述划分的区域，x表示区域B中像素点的位置，每个x处的像素点对应一个M×M的差分值计算区域，在本实施例中，可以取M＝2，即差分值计算区域包含4个像素点，其中一个像素点为x处的像素点。V_B(x)表示区域B中的任意一个像素点的位置处的灰度差分值，I_i和I_j表示x处的像素点对应的差分值计算区域的任意像素点的灰度值。W(x)为区域B中求出的最大的灰度差分值。需要说明的是，区域B中的某些像素点(如处于区域某些边上的像素点)的位置，没有对应的差分值计算区域。

例如，图2示出了将待检测图像的灰度图划分成的一个区域的示意图。如图2所示，假设将待检测图像的灰度图划分成若干个区域，每个区域包含3×3个像素点，区域B包括a、b、c、d、e、f、g、h、i这9个位置处的像素点。其中，a、b、d、e这4个位置处的像素点具有对应的差分值计算区域。a位置处的像素点对应的差分值计算区域包含a、b、d、e这4个位置处的像素点；b位置处的像素点对应的差分值计算区域包含b、c、e、f这4个位置处的像素点；d位置处的像素点对应的差分值计算区域包含d、e、g、h这4个位置处的像素点；e位置处的像素点对应的差分值计算区域包含e、f、h、i这4个位置处的像素点。

a位置处像素点对应的灰度差分值可以表示为V_B(a)，

则V_B(a)＝|I_a-I_b|+|I_b-I_e|+|I_e-I_d|+|I_d-I_b|+|I_d-I_a|+|I_a-I_e|；

b位置处像素点对应的灰度差分值可以表示为V_B(b)，

则V_B(b)＝|I_c-I_b|+|I_b-I_e|+|I_e-I_f|+|I_f-I_b|+|I_f-I_c|+|I_c-I_e|。

以此类推，也可以求得V_B(d)和V_B(e)。

可以理解，还可以有其它计算上述划分的区域对应的灰度差分值的方法，本公开对此方面不限定。

在步骤102中，确定上述全差分图像的灰度重心的位置。

在本实施例中，可以通过以下公式：

求得上述全差分图像的灰度重心的位置。其中，表示上述全差分图像的灰度重心的位置坐标。R表示上述全差分图像中像素点的所有横坐标的集合，S表示上述全差分图像中像素点的所有纵坐标的集合，I_ij表示上述全差分图像中，位置在(i,j)处的像素点的灰度值。

在步骤103中，基于上述灰度重心的位置，采用窗函数对上述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，该评价因子越大，表明上述待检测图像越清晰。

在本实施例中，可以基于上述灰度重心的位置，采用窗函数对上述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子。该评价因子越大，表明上述待检测图像越清晰。例如，在应用评价因子检测图像清晰度时，可以预先设定一个阈值，当上述评价因子小于上述预定阈值时，说明清晰度没有达到预定的要求，当上述评价因子大于等于上述预定阈值时，说明清晰度达到了预定的要求。

可以理解，上述的预定阈值可以由用户设定，也可以是系统默认的，预定阈值的大小取决于对图像清晰度的要求，本公开对预定阈值的设定以及取值方面。

本公开的上述实施例提供的用于检测图像清晰度的方法，通过获取用于表征待检测图像局部区域对比度的全差分图像，确定该全差分图像的灰度重心的位置，并基于该灰度重心的位置，采用窗函数对上述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，从而提高了终端检测图像的清晰度的准确性。

如图3所示，图3根据一示例性实施例示出的另一种用于检测图像清晰度的方法的流程图，该实施例详细描述了基于上述灰度重心的位置，采用窗函数对上述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子的过程，该方法可以应用于终端中，包括以下步骤：

在步骤301中，获取用于表征待检测图像局部区域对比度的全差分图像。

在步骤302中，确定上述全差分图像的灰度重心的位置。

在步骤303中，采用窗函数构建上述全差分图像的加权模板图。

在本实施例中，可以采用汉宁窗函数构建上述全差分图像的加权模板图。具体来说，可以首先获取上述全差分图像的长度最大的边上的像素个数L。其中，全差分图像的长度最大的边即为全差分图像中像素个数最多的边。然后，生成与上述全差分图像对应的长为L的汉宁窗，并获取该汉宁窗的矩阵。基于该汉宁窗的矩阵获取与该汉宁窗对应的加权模板图。

例如，假设上述全差分图像的长度最大的边上的像素个数为L，生成的与上述全差分图像对应的长为L的汉宁窗用矩阵T来表示。因为矩阵T为一个行矩阵，所以，将矩阵T与矩阵T的转置矩阵相乘，获得一个方阵W。该方阵W的每个元素对应一个像素点，每个元素的值对应像素点的灰度值，则可以以该方阵W表示汉宁窗对应的加权模板图。

可以理解，还可以采用其它的窗函数构建上述全差分图像的加权模板图，本公开对此方面不限定。

在步骤304中，将上述加权模板图的中心与上述灰度重心重合，基于重叠部分的像素点生成对应的加权图。

在本实施例中，假设将上述加权模板图的中心与上述全差分图像的灰度重心重合，则上述加权模板图与上述全差分图像将有部分像素点重合。将上述加权模板图中重叠部分的像素点作为第一像素点(有多个第一像素点)，将上述全差分图像中重叠部分的像素点作为第二像素点(有多个第二像素点)，其中，每个第一像素点均对应一个第二像素点(即与该第一像素点重叠的第二像素点)。然后，获取上述重合时每个第一像素点的灰度值，以及与每个第一像素点对应的第二像素点的位置信息。

接着，基于每个第一像素点的灰度值以及对应的第二像素点的位置信息，生成对应的加权图。其中，该加权图对应的矩阵与上述全差分图像对应的矩阵同阶。例如，该加权图对应的矩阵与上述全差分图像对应的矩阵均为M×N阶矩阵(即该加权图的像素个数与上述全差分图像的像素个数均为M×N)。

并且，上述加权图中与第二像素点位置相同的像素点的灰度值和对应于该第二像素点的第一像素点(即与该第二像素点重叠的第一像素点)的灰度值相同，加权图中剩余的像素点的灰度值为0。例如，假设，Q_ij为上述加权图中与第二像素点E_ij位置相同的像素点，其中，Q_ij在上述加权图中的位置坐标为(i,j)，E_ij在上述全差分图像中的位置坐标也为(i,j)，与第二像素点E_ij对应的第一像素点(即与该第二像素点E_ij重叠的第一像素点)Y_st的灰度值为K，则上述加权图中的像素点Q_ij的灰度值为K。

除此以外，上述加权图中剩余的像素点的灰度值为0。例如，将上述全差分图像中非重叠部分的像素点作为第三像素点，假设，Q_gh为上述加权图中与第三像素点E_gh位置相同的像素点，其中，Q_gh在上述加权图中的位置坐标为(g,h)，E_gh在上述全差分图像中的位置坐标也为(g,h)，则上述加权图中的像素点Q_gh的灰度值均为0。

在步骤305中，基于上述加权图以及上述全差分图像确定用于评价图像清晰度的评价因子。

在本实施例中，首先，可以获取上述加权图对应的矩阵作为第一矩阵，获取上述全差分图像对应的矩阵作为第二矩阵。然后计算所述第一矩阵与所述第二矩阵点乘的结果，作为第三矩阵。根据第三矩阵中的元素的值确定评价因子。

具体来说，可以查找出第三矩阵中值最大的元素，基于该第三矩阵中值最大的元素确定预定阈值。在本实施例中，可以将第三矩阵中值最大的元素的值与预定的经验系数的乘积，作为预定阈值。该经验系数可以是凭经验选取的最合适的数值，例如，该经验系数可以是1/20。该经验系数还可以取其它的值，本公开对该经验系数的具体取值方面不限定。可以理解，还可以通过其它的方式基于该第三矩阵中值最大的元素确定预定阈值，本公开对基于该第三矩阵中值最大的元素确定预定阈值的具体方式不限定。接着，计算出第三矩阵中值大于等于该预定阈值的元素的均值，作为评价因子。

需要说明的是，对于与图1实施例中相同的步骤，在上述图3实施例中不再进行赘述，相关内容可参见图1实施例。

本公开的上述实施例提供的用于检测图像清晰度的方法，通过采用窗函数构建全差分图像的加权模板图，将该加权模板图的中心与上述灰度重心重合，基于重叠部分的像素点生成对应的加权图，并基于该加权图以及上述全差分图像确定用于评价图像清晰度的评价因子。从而进一步地提高了终端检测图像的清晰度的准确性。

应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

与前述用于检测图像清晰度的方法实施例相对应，本公开还提供了用于检测图像清晰度的装置及其所应用的终端的实施例。

如图4所示，图4是本公开根据一示例性实施例示出的一种用于检测图像清晰度的装置框图，该装置包括：获取模块401，确定模块402以及加权处理模块403。

其中，获取模块401，被配置为获取用于表征待检测图像局部区域对比度的全差分图像。

确定模块402，被配置为确定上述全差分图像的灰度重心的位置。

加权处理模块403，被配置为基于上述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，该评价因子越大，待检测图像越清晰。

如图5所示，图5是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置框图，该实施例在前述图4所示实施例的基础上，加权处理模块403可以包括：构建子模块501，生成子模块502和评价因子确定子模块503。

其中，构建子模块501，被配置为采用窗函数构建上述全差分图像的加权模板图。

生成子模块502，被配置为将上述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图。

评价因子确定子模块503，被配置为基于该加权图以及上述全差分图像确定用于评价图像清晰度的评价因子。

如图6所示，图6是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置框图，该实施例在前述图5所示实施例的基础上，构建子模块501可以包括：第一获取子模块601，汉宁窗生成子模块602和第二获取子模块603。

其中，第一获取子模块601，被配置为获取上述全差分图像长度最大的边上的像素个数L。

汉宁窗生成子模块602，被配置为生成与上述全差分图像对应的长为L的汉宁窗。

第二获取子模块603，被配置为获取与该汉宁窗对应的加权模板图。

如图7所示，图7是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置框图，该实施例在前述图5所示实施例的基础上，生成子模块502可以包括：确定子模块701和加权图生成子模块702。

其中，确定子模块701，被配置为将上述加权模板图中重叠部分的像素点作为第一像素点，将上述全差分图像中重叠部分的像素点作为第二像素点，确定在上述重合时每个第一像素点的灰度值以及对应的第二像素点的位置信息。

加权图生成子模块702，被配置为基于每个第一像素点的灰度值以及对应的第二像素点的位置信息，生成对应的加权图，使上述加权图对应的矩阵与上述全差分图像对应的矩阵同阶，并且该加权图中与第二像素点位置相同的像素点的灰度值与对应于第二像素点的第一像素点的灰度值相同，该加权图中剩余的像素点的灰度值为0。

如图8所示，图8是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置框图，该实施例在前述图5所示实施例的基础上，评价因子确定子模块503可以包括：第一矩阵获取子模块801，第二矩阵获取子模块802，第三矩阵计算子模块803和评价因子计算子模块804。

其中，第一矩阵获取子模块801，被配置为获取上述加权图对应的矩阵作为第一矩阵。

第二矩阵获取子模块802，被配置为获取上述全差分图像对应的矩阵作为第二矩阵。

第三矩阵计算子模块803，被配置为计算所述第一矩阵与所述第二矩阵点乘的结果，作为第三矩阵。

评价因子计算子模块804，被配置为根据第三矩阵中的元素的值确定上述评价因子。

如图9所示，图9是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置框图，该实施例在前述图8所示实施例的基础上，评价因子计算子模块804包括：查找子模块901，预定阈值确定子模块902和均值计算子模块903。

其中，查找子模块901，被配置为查找出第三矩阵中值最大的元素。

预定阈值确定子模块902，被配置为基于第三矩阵中值最大的元素确定预定阈值。

均值计算子模块903，被配置为计算出第三矩阵中值大于等于上述预定阈值的元素的均值，作为上述评价因子。

如图10所示，图10是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置框图，该实施例在前述图9所示实施例的基础上，预定阈值确定子模块902可以包括：计算子模块1001。其中，计算子模块1001，被配置为计算第三矩阵中值最大的元素的值与预定的经验系数的乘积，作为预定阈值。

应当理解，上述装置可以预先设置在终端中，也可以通过下载等方式而加载到终端中。上述装置中的相应单元可以与终端中的单元相互配合以实现切换内容的方案。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

相应的，本公开还提供一种用于检测图像清晰度的终端，该终端包括有处理器；用于存储处理器可执行指令的存储器；其中，该处理器被配置为：

获取用于表征待检测图像局部区域对比度的全差分图像；

确定所述全差分图像的灰度重心的位置；

基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰。

图11是根据一示例性实施例示出的一种用于检测图像清晰度的装置1100的一结构示意图。例如，装置1100可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图11，装置1100可以包括以下一个或多个组件：处理组件1102，存储器1104，电源组件1106，多媒体组件1108，音频组件1110，输入/输出(I/O)的接口1112，传感器组件1114，以及通信组件1116。

处理组件1102通常控制装置1100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1102可以包括一个或多个处理器1120来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1102可以包括一个或多个模块，便于处理组件1102和其他组件之间的交互。例如，处理组件1102可以包括多媒体模块，以方便多媒体组件1108和处理组件1102之间的交互。

存储器1104被配置为存储各种类型的数据以支持在装置1100的操作。这些数据的示例包括用于在装置1100上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1106为装置1100的各种组件提供电力。电源组件1106可以包括电源管理系统，一个或多个电源，及其他与为装置1100生成、管理和分配电力相关联的组件。

多媒体组件1108包括在所述装置1100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1108包括一个前置摄像头和/或后置摄像头。当装置1100处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1110被配置为输出和/或输入音频信号。例如，音频组件1110包括一个麦克风(MIC)，当装置1100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中，音频组件1110还包括一个扬声器，用于输出音频信号。

I/O接口1112为处理组件1102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1114包括一个或多个传感器，用于为装置1100提供各个方面的状态评估。例如，传感器组件1114可以检测到装置1100的打开/关闭状态，组件的相对定位，例如所述组件为装置1100的显示器和小键盘，传感器组件1114还可以检测装置1100或装置1100一个组件的位置改变，用户与装置1100接触的存在或不存在，装置1100方位或加速/减速和装置1100的温度变化。传感器组件1114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1114还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，微波传感器或温度传感器。

通信组件1116被配置为便于装置1100和其他设备之间有线或无线方式的通信。装置1100可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1116还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1104，上述指令可由装置1100的处理器1120执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (13)

1.一种用于检测图像清晰度的方法，其特征在于，所述方法包括：

获取用于表征待检测图像局部区域对比度的全差分图像；

确定所述全差分图像的灰度重心的位置；

基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰；

其中，所述基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，包括：

采用窗函数构建所述全差分图像的加权模板图；

将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图；

基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子。

2.根据权利要求1所述的方法，其特征在于，所述采用窗函数构建所述全差分图像的加权模板图，包括：

获取所述全差分图像长度最大的边上的像素个数L；

生成与所述全差分图像对应的长为L的汉宁窗；

获取与所述汉宁窗对应的加权模板图。

3.根据权利要求1所述的方法，其特征在于，所述将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图，包括：

将所述加权模板图中重叠部分的像素点作为第一像素点，将所述全差分图像中重叠部分的像素点作为第二像素点，确定在所述重合时每个所述第一像素点的灰度值以及对应的第二像素点的位置信息；

基于每个所述第一像素点的灰度值以及对应的第二像素点的位置信息，生成对应的加权图，使所述加权图对应的矩阵与所述全差分图像对应的矩阵同阶，并且所述加权图中与所述第二像素点位置相同的像素点的灰度值与对应于所述第二像素点的第一像素点的灰度值相同，所述加权图中剩余的像素点的灰度值为0。

4.根据权利要求1所述的方法，其特征在于，基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子，包括：

获取所述加权图对应的矩阵作为第一矩阵；

获取所述全差分图像对应的矩阵作为第二矩阵；

计算所述第一矩阵与所述第二矩阵点乘的结果，作为第三矩阵；

根据所述第三矩阵中的元素的值确定所述评价因子。

5.根据权利要求4所述的方法，其特征在于，根据所述第三矩阵中的元素的值确定所述评价因子，包括：

查找出所述第三矩阵中值最大的元素；

基于所述第三矩阵中值最大的元素确定预定阈值；

计算出所述第三矩阵中值大于等于所述预定阈值的元素的均值，作为所述评价因子。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第三矩阵中值最大的元素确定预定阈值，包括：

计算所述第三矩阵中值最大的元素的值与预定的经验系数的乘积，作为预定阈值。

7.一种用于检测图像清晰度的装置，其特征在于，所述装置包括：

获取模块，被配置为获取用于表征待检测图像局部区域对比度的全差分图像；

确定模块，被配置为确定所述全差分图像的灰度重心的位置；

加权处理模块，被配置为基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰；

其中，所述加权处理模块包括：

构建子模块，被配置为采用窗函数构建所述全差分图像的加权模板图；

生成子模块，被配置为将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图；

评价因子确定子模块，被配置为基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子。

8.根据权利要求7所述的装置，其特征在于，所述构建子模块包括：

第一获取子模块，被配置为获取所述全差分图像长度最大的边上的像素个数L；

汉宁窗生成子模块，被配置为生成与所述全差分图像对应的长为L的汉宁窗；

第二获取子模块，被配置为获取与所述汉宁窗对应的加权模板图。

9.根据权利要求7所述的装置，其特征在于，所述生成子模块包括：

确定子模块，被配置为将所述加权模板图中重叠部分的像素点作为第一像素点，将所述全差分图像中重叠部分的像素点作为第二像素点，确定在所述重合时每个所述第一像素点的灰度值以及对应的第二像素点的位置信息；

加权图生成子模块，被配置为基于每个所述第一像素点的灰度值以及对应的第二像素点的位置信息，生成对应的加权图，使所述加权图对应的矩阵与所述全差分图像对应的矩阵同阶，并且所述加权图中与所述第二像素点位置相同的像素点的灰度值与对应于所述第二像素点的第一像素点的灰度值相同，所述加权图中剩余的像素点的灰度值为0。

10.根据权利要求7所述的装置，其特征在于，所述评价因子确定子模块包括：

第一矩阵获取子模块，被配置为获取所述加权图对应的矩阵作为第一矩阵；

第二矩阵获取子模块，被配置为获取所述全差分图像对应的矩阵作为第二矩阵；

第三矩阵计算子模块，被配置为计算所述第一矩阵与所述第二矩阵点乘的结果，作为第三矩阵；

评价因子计算子模块，被配置为根据所述第三矩阵中的元素的值确定所述评价因子。

11.根据权利要求10所述的装置，其特征在于，所述评价因子计算子模块包括：

查找子模块，被配置为查找出所述第三矩阵中值最大的元素；

预定阈值确定子模块，被配置为基于所述第三矩阵中值最大的元素确定预定阈值；

均值计算子模块，被配置为计算出所述第三矩阵中值大于等于所述预定阈值的元素的均值，作为所述评价因子。

12.根据权利要求11所述的装置，其特征在于，所述预定阈值确定子模块包括：

计算子模块，被配置为计算所述第三矩阵中值最大的元素的值与预定的经验系数的乘积，作为预定阈值。

13.一种用于检测图像清晰度的终端，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取用于表征待检测图像局部区域对比度的全差分图像；

确定所述全差分图像的灰度重心的位置；

基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，以确定用于评价图像清晰度的评价因子，其中，所述评价因子越大，所述待检测图像越清晰；

其中，所述基于所述灰度重心的位置，采用窗函数对所述全差分图像进行加权处理，包括：

采用窗函数构建所述全差分图像的加权模板图；

将所述加权模板图的中心与所述灰度重心重合，基于重叠部分的像素点生成对应的加权图；

基于所述加权图以及所述全差分图像确定用于评价图像清晰度的评价因子。