CN105513067A - 一种图像清晰度检测方法及装置 - Google Patents
一种图像清晰度检测方法及装置 Download PDFInfo
- Publication number
- CN105513067A CN105513067A CN201510884763.1A CN201510884763A CN105513067A CN 105513067 A CN105513067 A CN 105513067A CN 201510884763 A CN201510884763 A CN 201510884763A CN 105513067 A CN105513067 A CN 105513067A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- value
- described image
- color weight
- 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
Classifications
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明提供一种图像清晰度检测方法及装置,其中所述方法包括:获取待检测图像;根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;确定所述待检测图像的图像清晰度;根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。本公开针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像清晰度检测方法及装置。
背景技术
在相关技术中,可以通过图像的边缘纹理或图像的能量值来判断所述图像的清晰度。
但是在拍照时,用户为了拍摄效果等可能会将图像的背景虚化。如果虚化背景占据了图像中的大部分区域,则所述图像的边缘纹理以及图像的能量值都较低,就会对所述图像的清晰度检测结果造成影响,导致图像清晰度检测不够准确。
发明内容
有鉴于此,本发明提供一种图像清晰度检测方法及装置,以解决相关技术中图像清晰度检测不够准确的问题。
根据本公开实施例的第一方面,提供一种获取待检测图像;
根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
确定所述待检测图像的图像清晰度;
根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
可选地,所述根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域,包括:
确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值;
对所述待检测图像进行分割,得到多个分割区域;
根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度;
将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
可选地,所述确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值,包括:
将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间;
在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值;
根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
可选地,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
可选地,所述每个像素点在所述多个尺度下的颜色权重均值通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
可选地,所述对所述待检测图像进行分割,包括:
采用线性迭代聚类算法SILC对所述待检测图像进行分割。
可选地,所述根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度,包括:
分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度;
将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度;
判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
可选地,所述确定所述待检测图像的图像清晰度,包括:
在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值;
计算所述第三像素点的所述绝对差值的和值;
将所述和值中的最大值确定为所述当前位置的图像清晰度。
可选地,所述当前位置包括8×8个像素点。
可选地,所述根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度,包括:
判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值;
如果所述图像显著性区域的所述图像清晰度均超过预设阈值,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
可选地,所述方法还包括:
如果所述图像显著性区域的所述图像清晰度未超过预设阈值,输出所述待检测图像。
根据本公开实施例的第二方面,提供一种图像清晰度检测装置,包括:
获取模块,被配置为获取待检测图像;
第一确定模块,被配置为根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
第二确定模块,被配置为确定所述待检测图像的图像清晰度;
清晰度评价模块,被配置为根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
可选地,所述第一确定模块包括:
第一确定子模块,被配置为确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值;
分割子模块,被配置为对所述待检测图像进行分割,得到多个分割区域;
第一判断子模块,被配置为根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度;
第二确定子模块,被配置为将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
可选地,所述第一确定子模块包括:
转换单元,被配置为将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间;
第一计算单元,被配置为在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值;
第二计算单元,被配置为根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
可选地,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
可选地,所述每个像素点在所述多个尺度下的颜色权重均值通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
可选地,所述分割子模块包括:
分割单元,被配置为采用线性迭代聚类算法SILC对所述待检测图像进行分割。
可选地,所述第一判断子模块包括:
第一确定单元,被配置为分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度;
第二确定单元,被配置为将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度;
判断单元,被配置为判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
可选地,所述第二确定模块包括:
第一计算子模块,被配置为在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值;
第二计算子模块,被配置为计算所述第三像素点的所述绝对差值的和值;
第三确定子模块,被配置为将所述和值中的最大值确定为所述当前位置的图像清晰度。
可选地,所述当前位置包括8×8个像素点。
可选地,所述清晰度评价模块包括:
第二判断子模块,被配置为判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值;
第四确定子模块,被配置为如果所述图像显著性区域的所述图像清晰度均超过预设阈值,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
可选地,所述装置还包括:
输出模块,被配置为如果所述图像显著性区域的所述图像清晰度未超过预设阈值,输出所述待检测图像。
根据本公开实施例的第三方面,提供一种图像清晰度检测装置,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:
获取待检测图像;
根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
确定所述待检测图像的图像清晰度;
根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例中,根据待检测图像中的颜色对比度信息,在所述待检测图像中确定图像显著性区域,进而根据所述图像显著性区域和所述图像的图像清晰度评价所述待检测图像的清晰度。上述过程中,针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
本公开实施例中,在确定图像显著性区域时,可以先确定待检测图像中每个像素点在多个尺度下的颜色权重均值。进而对所述待检测图像进行分割,判断多个分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度。最终将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。本公开通过颜色对比,确定出待检测图像中的图像显著性区域,后续只针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
本公开实施例中,先分别计算在LAB颜色空间中,待检测图像中每个像素点在多个尺度下的颜色权重值,进而计算所述每个像素点在所述多个尺度下的颜色权重均值。通过所述每个像素点在所述多个尺度下的颜色权重均值,来确定图像显著性区域,保证了确定图像显著性区域的准确性,也提高了图像清晰度检测的准确性。
本公开实施例中,在确定待检测图像的图像清晰度时,先计算当前位置包括的所有第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值。最终将计算的所有所述绝对差值的和值的最大值作为所述当前位置的图像清晰度,提高了在评价图像清晰度时的准确性。进一步地,判断图像显著性区域的图像清晰度是否超过预设阈值,如果超过,则根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比来确定评价结果,避免针对整个图像进行图像清晰度检测时,由于虚化背景等原因造成检测结果不准确的问题。
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图像清晰度检测方法流程图;
图2是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图3是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图4是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图5是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图6是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图7是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图8是本公开根据一示例性实施例示出的另一种图像清晰度检测方法流程图;
图9A至9D是本公开根据一示例性实施例示出的图像清晰度检测的场景示意图;
图10是本公开根据一示例性实施例示出的一种图像清晰度检测装置框图;
图11是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图12是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图13是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图14是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图15是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图16是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图17是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图;
图18是本公开根据一示例性实施例示出的一种用于图像清晰度检测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发明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、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明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,尽管在本发明可能采用术语第一、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,在不脱离本发明范围的情况下,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”。
如图1所示,图1是根据一示例性实施例示出的一种图像清晰度检测方法,包括以下步骤:
在步骤101中,获取待检测图像。
本公开实施例中提供的方法可以用于终端,例如,智能手机、平板电脑、个人数字助理(PersonalDigitalAssistant,PDA)等。
本步骤中,所述终端可以按照相关技术获取所述待检测图像。其中,所述待检测图像可以是用户通过选中操作在所述终端上选中的,或者所述待检测图像可以默认为预存在所述终端上的所有图像。
在步骤102中,根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域。
可选地,步骤102如图2所示,图2是根据图1所示实施例的基础上示出的另一种图像清晰度检测方法,可以包括:
在步骤102-1中,确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值。
本公开实施例中,可以将所述待检测图像中颜色变化明显的区域确定为图像显著性区域。可选地,步骤102-1如图3所示,图3是根据图2所示实施例的基础上示出的另一种图像清晰度检测方法,可以包括:
在步骤102-11中,将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间。
本步骤中,所述终端可以按照相关技术对所述待检测图像进行颜色空间转换,由当前的红绿蓝RGB颜色空间转换到色域更加宽广的LAB颜色空间。
在步骤102-12中,在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值。
本步骤中,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
本公开实施例中,可以预设多个不同的尺度。不同尺度下,每个像素点的邻域大小是不同的。例如,在尺度1时,像素点A的邻域包括整个待检测图像。在尺度2至尺度n时,像素点A的邻域大小可以是待检测图像中宽高的倍数递减。以此类推,得到多个不同尺度。
由于在不同尺度下每个像素点的邻域大小不同,因此,每个像素点在多个尺度下的L通道、A通道和B通道对应的通道颜色值也不同。本公开实施例中,所述终端可以按照相关技术分别计算每个像素点在尺度i下对应L通道、A通道和B通道的通道颜色值vli、vai和vbi,进而分别通过以下公式求取平均值,得到vl、va和vb:
对于同一待检测图像而言,在不同尺度下,同一像素点在L通道、A通道和B通道对应的通道颜色值L、A和B的值是相同的。本公开实施例中,所述终端同样可以按照相关技术计算每个像素点在L通道、A通道和B通道对应的通道颜色值L、A和B。
进一步地,可以根据公式计算得到所述待检测图像中每个像素点在尺度i下的颜色权重值Si。
在步骤102-13中,根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
本步骤中,所述每个像素点在所述多个尺度下的颜色权重均值可以通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
所述终端可以对步骤102-12计算得到的Si求取平均值,得到所述每个像素点在所述多个尺度下的颜色权重均值。
在步骤102-2中,对所述待检测图像进行分割,得到多个分割区域。
本步骤中,可选地,可以采用线性迭代聚类算法SILC对所述待检测图像进行分割,可以是将相似度接近的像素点划分到同一分割区域内。
为了进一步提高后续对图像显著性区域进行确定时的准确性,本公开实施例中,在进行图像分割时,可以是多尺度分割,即设定分割的块数或者分割结果中包含像素的最少个数作为分割的依据,得到多种分割结果。例如像素点A在第一种分割结果中被划分到第一分割区域,在其他分割结果中被划分到第二分割区域。
在步骤102-3中,根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度。
可选地,步骤102-3如图4所示,图4是根据图3所示实施例的基础上示出的另一种图像清晰度检测方法,可以包括:
在步骤102-31中,分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度。
本步骤中,可以将分割区域中包括的全部像素点(此处记做第一像素点)的颜色权重均值的平均值(此处记做第一平均值)作为对应分割区域的区域颜色权重均值对比度。
在步骤102-32中,将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度。
本步骤中,将所述待检测图像中包括的所有像素点(此处记做第二像素点)的颜色权重均值的平均值(此处记做第二平均值)作为所述待检测图像的整体颜色权重均值对比度。
在步骤102-33中,判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
本步骤中,所述终端可以按照相关技术,判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。如果超过,则执行步骤102-4。
在步骤102-4中,将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
本公开实施例中,考虑到所述终端在进行图像分割时,采用多尺度分割的方式得到了多种分割结果。对应地,针对不同的分割结果,循环执行步骤102-31至步骤102-33。将在多个分割结果中均被确定为图像显著性区域的分割区域确定为最终的图像显著性区域。
可选地,本公开实施例中,最终可以用图像掩膜mask在待检测图像上标识出图像显著性区域。
在步骤103中,确定所述待检测图像的图像清晰度。
可选地,步骤103如图5所示,图5是根据图1所示实施例的基础上示出的另一种图像清晰度检测方法,可以包括:
在步骤103-1中,在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值。
本步骤中,所述当前位置包括多个像素点(此处记做第三像素点),所述终端可以按照相关技术确定所述第三像素点的灰度值。进一步地,分别计算其中任一个所述第三像素点和与其相邻的像素点之间的灰度值的差值。
在步骤103-2中,计算所述第三像素点的所述绝对差值的和值。
本步骤中,针对每一个所述第三像素点,计算其绝对差值的和值如下:
其中,VB(x)是当前位置B处像素点x的绝对差值的和值,Ii和Ij分别为像素点i和像素点j的灰度值。
可选地,所述当前位置一般可以包括8×8个像素点。即需要计算出49个VB(x)的值。
在步骤103-3中,将所述和值中的最大值确定为所述当前位置的图像清晰度。
本步骤中,将49个VB(x)中的最大值确定为当前位置B处的图像清晰度。
在步骤104中,根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
可选地,步骤104如图6所示,图6是根据图1所示实施例的基础上示出的另一种图像清晰度检测方法,可以包括:
在步骤104-1中,判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值。
本步骤中,所述终端可以按照相关技术判断所述图像显著性区域的所述图像清晰度是否全部超过预设阈值。如果超过,则可以确定所述待检测图像属于清晰图像,进一步地可以继续执行步骤104-2。
在步骤104-2中,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
本步骤中,所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比。即所述图像显著性区域的所述图像清晰度越高,则评价结果指示所述待检测图像的清晰度也越高。
本公开实施例中,为了进一步提升用户体验,可选地,如果所述图像显著性区域的所述图像清晰度未超过预设阈值,即可以确定所述待检测图像属于不清晰图像,则所述方法如图7所示,图7是根据图1所示实施例的基础上示出的另一种图像清晰度检测方法,还可以包括:
在步骤105中,输出所述待检测图像。
本步骤中,所述终端可以按照相关技术输出属于不清晰图像的图像,以便用户统一进行删除等操作。
上述实施例中,根据待检测图像中的颜色对比度信息,在所述待检测图像中确定图像显著性区域,进而根据所述图像显著性区域和所述图像的图像清晰度评价所述待检测图像的清晰度。上述过程中,针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
如图8所示,图8是根据一示例性实施例示出的另一种图像清晰度检测方法,包括以下步骤:
在步骤201中,获取待检测图像。
本步骤中,终端可以按照相关技术获取所述待检测图像。其中,所述待检测图像可以是用户通过选中操作在所述终端上选中的,或者所述待检测图像可以默认是预存在所述终端上的所有图像。
在步骤202中,将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间。
本步骤中,所述终端可以按照相关技术对所述待检测图像进行颜色空间转换,由当前的红绿蓝RGB颜色空间转换到色域更加宽广的LAB颜色空间。
在步骤203中,在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值。
本步骤中,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
本公开实施例中,可以预设多个不同的尺度。不同尺度下,每个像素点的邻域大小是不同的。例如,在尺度1时,像素点A的相邻包括整个待检测图像,如图9A所示的阴影部分均为像素点A的邻域。在尺度2时,像素点A的邻域大小可以是待检测图像中宽高的倍数递减,此时邻域的宽度可以为待检测图像的宽度的一半,邻域的高度可以为待检测图像的高度的一半,如图9B所示的阴影部分为像素点A的邻域。在尺度3时,像素点A的邻域宽度可以为待检测图像的宽度的四分之一,邻域的高度可以为待检测图像的高度的四分之一。以此类推,得到多个不同尺度。
由于在不同尺度下每个像素点的邻域大小不同,因此,每个像素点在多个尺度下的L通道、A通道和B通道对应的通道颜色值也不同。本公开实施例中,所述终端可以按照相关技术分别计算每个像素点在尺度i下对应L通道、A通道和B通道的通道颜色值vli、vai和vbi,进而分别通过以下公式求取平均值,得到vl、va和vb:
对于所述待检测图像而言,在不同尺度下,同一像素点在L通道、A通道和B通道对应的通道颜色值L、A和B的值是相同的。本公开实施例中,所述终端同样可以按照相关技术计算每个像素点在L通道、A通道和B通道对应的通道颜色值L、A和B。
进一步地,可以根据公式计算得到所述待检测图像中每个像素点在尺度i下的颜色权重值Si。
在步骤204中,根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
本步骤中,所述每个像素点在所述多个尺度下的颜色权重均值可以通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
所述终端可以对步骤203计算得到的Si求取平均值,得到所述每个像素点在所述多个尺度下的颜色权重均值。
在步骤205中,对所述待检测图像进行分割,得到多个分割区域。
本步骤中,可选地,可以采用线性迭代聚类算法SILC对所述待检测图像进行分割,可以是将相似度接近的像素点划分到同一分割区域内。
为了进一步提高后续对图像显著性区域进行确定时的准确性,本公开实施例中,在进行图像分割时,可以进行多尺度分割,得到多种分割结果。例如像素点A在第一种分割结果中被划分到第一分割区域,在其他分割结果中被划分到第二分割区域。
在步骤206中,分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度。
本步骤中,可以将分割区域中包括的全部像素点(此处记做第一像素点)的颜色权重均值的平均值(此处记做第一平均值)作为对应分割区域的区域颜色权重均值对比度。
例如,分割区域M内包括100个像素点,则分割区域M的区域颜色权重均值对比度即为上述100个像素点的颜色权重均值的平均值。
在步骤207中,将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度。
本步骤中,将所述待检测图像中包括的所有像素点(此处记做第二像素点)的颜色权重均值的平均值(此处记做第二平均值)作为所述待检测图像的整体颜色权重均值对比度。
例如,所述待检测图像中包括10万个像素点,则所述待检测图像的整体颜色权重均值对比度即为上述10万个像素点的颜色权重均值的平均值。
在步骤208中,判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
本步骤中,所述终端可以按照相关技术,判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。如果超过,则执行步骤209。
在步骤209中,将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
本公开实施例中,考虑到所述终端在进行图像分割时,采用多尺度分割的方式得到了多种分割结果。对应地,针对不同的分割结果,循环执行步骤206至步骤208。将在多个分割结果中均被确定为图像显著性区域的分割区域确定为最终的图像显著性区域。
例如在第一种分割结果中得到的图像显著性区域包括分割区域A、B、C、D、E、F和G,第二种分割结果中得到的图像显著性区域包括分割区域B、C、D、E、G和M,则最终确定的图像显著性区域包括分割区域B、C、D、E和G。
可选地,本公开实施例中,最终可以用图像掩膜mask在待检测图像上标识出图像显著性区域,如图9C所示,带阴影的部分是非显著性区域,空白处为显著性区域。
在步骤210中,在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值。
本步骤中,所述当前位置包括多个像素点(此处记做第三像素点),所述终端可以按照相关技术确定所述第三像素点的灰度值。进一步地,分别计算其中任一个所述第三像素点和与其相邻的像素点之间的灰度值的差值。
如图9D所示,假设位置X包括图中的9个像素点,分别对应的灰度值为I1至I9。在计算像素点5的清晰度时,需要分别计算像素点5和像素点6、像素点8、像素点9的灰度差值,计算像素点6和像素点8、像素点9的灰度差值,以及计算像素点8和像素点9的灰度差值。
在步骤211中,计算所述第三像素点的所述绝对差值的和值。
本步骤中,针对每一个所述第三像素点,计算其绝对差值的和值如下:
其中,VB(x)是当前位置B处像素点x的绝对差值的和值,Ii和Ij分别为像素点i和像素点j的灰度值。
按照上述公式,图9D所示的像素点5的绝对差值的和值为:
VB(5)=|I5-I6|+|I5-I8|+|I5-I9|+|I6-I9|+|I8-I9|+|I8-I6|。
可选地,所述当前位置一般可以包括8×8个像素点。即需要计算出49个VB(x)的值。
在步骤212中,将所述和值中的最大值确定为所述当前位置的图像清晰度。
本步骤中,将49个VB(x)中的最大值确定为当前位置B处的图像清晰度。
在步骤213中,判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值。
本步骤中,所述终端可以按照相关技术将所述图像显著性区域的值置1,非显著性区域的值置0,进而将上述得到的mask与各个位置的图像清晰度的值相乘,从而只得到所述图像显著性区域的图像清晰度。
进一步地,判断所述图像显著性区域的所述图像清晰度是否全部超过预设阈值。如果超过,则执行步骤214,否则执行步骤215。
在步骤214中,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
本步骤中,在所述图像显著性区域的所述图像清晰度全部超过所述预设阈值时,可以确定所述待检测图像为清晰图像。所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比。进一步地,所述图像显著性区域的所述图像清晰度越高,则评价结果指示所述待检测图像的清晰度也越高。
在步骤215中,输出所述待检测图像。
本步骤中,所述终端可以按照相关技术输出属于不清晰图像的图像,以便用户统一进行删除等操作。
上述实施例中,先分别计算在LAB颜色空间中,待检测图像中每个像素点在多个尺度下的颜色权重值,进而计算所述每个像素点在所述多个尺度下的颜色权重均值。通过所述每个像素点在所述多个尺度下的颜色权重均值,来确定图像显著性区域,保证了确定图像显著性区域的准确性。进而对所述待检测图像进行分割,判断多个分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度。最终将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。本公开通过颜色对比度信息,确定出待检测图像中的图像显著性区域,后续只针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
另外,在确定待检测图像的图像清晰度时,先计算当前位置包括的所有第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值。最终将计算的所有所述绝对差值的和值的最大值作为所述当前位置的图像清晰度,提高了在评价图像清晰度时的准确性。进一步地,只判断图像显著性区域的图像清晰度是否超过预设阈值,如果超过,则所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比,避免针对整个图像进行图像清晰度检测时,由于虚化背景等原因造成检测结果不准确的问题。
与前述方法实施例相对应,本公开还提供了装置的实施例。
如图10所示,图10是本公开根据一示例性实施例示出的一种图像清晰度检测装置框图,包括:获取模块310、第一确定模块320、第二确定模块330和第三确定模块340。
其中,所述获取模块310,被配置为获取待检测图像;
所述第一确定模块320,被配置为根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
所述第二确定模块330,被配置为确定所述待检测图像的图像清晰度;
所述清晰度评价模块340,被配置为根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
上述实施例中,根据待检测图像中的颜色对比度信息,在所述待检测图像中确定图像显著性区域,进而根据所述图像显著性区域和所述图像的图像清晰度评价所述待检测图像的清晰度。上述过程中,针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
如图11所示,图11是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图10所示实施例的基础上,所述第一确定模块320包括:第一确定子模块321、分割子模块322、第一判断子模块323和第二确定子模块324。
其中,所述第一确定子模块321,被配置为确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值;
所述分割子模块322,被配置为对所述待检测图像进行分割,得到多个分割区域;
所述第一判断子模块323,被配置为根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度;
所述第二确定子模块324,被配置为将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
上述实施例中,在确定图像显著性区域时,可以先确定待检测图像中每个像素点在多个尺度下的颜色权重均值。进而对所述待检测图像进行分割,判断多个分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度。最终将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。本公开通过颜色对比,确定出待检测图像中的图像显著性区域,后续只针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
如图12所示,图12是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图11所示实施例的基础上,所述第一确定子模块321包括:转换单元3211、第一计算单元3212和第二计算单元3213。
其中,所述转换单元3211,被配置为将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间;
所述第一计算单元3212,被配置为在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值;
所述第二计算单元3213,被配置为根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
可选地,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
可选地,所述每个像素点在所述多个尺度下的颜色权重均值通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
上述实施例中,先分别计算在LAB颜色空间中,待检测图像中每个像素点在多个尺度下的颜色权重值,进而计算所述每个像素点在所述多个尺度下的颜色权重均值。通过所述每个像素点在所述多个尺度下的颜色权重均值,来确定图像显著性区域,保证了确定图像显著性区域的准确性,也提高了图像清晰度检测的准确性。
如图13所示,图13是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图11所示实施例的基础上,所述分割子模块322包括:分割单元3221。
其中,所述分割单元3221,被配置为采用线性迭代聚类算法SILC对所述待检测图像进行分割。
上述实施例中,可以采用SILC对所述待检测图像进行多尺度分割,提高了确定图像显著性区域的准确性。
如图14所示,图14是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图11所示实施例的基础上,所述第一判断子模块323包括:第一确定单元3231、第二确定单元3232和判断单元3233。
其中,所述第一确定单元3231,被配置为分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度;
所述第二确定单元3232,被配置为将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度;
所述判断单元3233,被配置为判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
上述实施例中,将区域颜色权重均值对比度超过整体颜色权重均值对比度的分割区域确定为图像显著性区域,后续只针对图像显著性区域的图像清晰度,来评价所述待检测图像的清晰度,提高了图像清晰度检测的准确性。
如图15所示,图15是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图10所示实施例的基础上,所述第二确定模块330包括:第一计算子模块331、第二计算子模块332和第三确定子模块333。
其中,所述第一计算子模块331,被配置为在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值;
所述第二计算子模块332,被配置为计算所述第三像素点的所述绝对差值的和值;
所述第三确定子模块333,被配置为将所述和值中的最大值确定为所述当前位置的图像清晰度。
可选地,所述当前位置包括8×8个像素点。
上述实施例中,在确定待检测图像的图像清晰度时,先计算当前位置包括的所有第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值。最终将计算的所有所述绝对差值的和值的最大值作为所述当前位置的图像清晰度,提高了在评价图像清晰度时的准确性。
如图16所示,图16是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图10所示实施例的基础上,所述清晰度评价模块340包括:第二判断子模块341和第四确定子模块342。
其中,所述第二判断子模块341,被配置为判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值;
所述第四确定子模块342,被配置为如果所述图像显著性区域的所述图像清晰度均超过预设阈值,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
上述实施例中,只判断图像显著性区域的图像清晰度是否超过预设阈值,如果超过,则根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比来确定评价结果,避免针对整个图像进行图像清晰度检测时,由于虚化背景等原因造成检测结果不准确的问题。
如图17所示,图17是本公开根据一示例性实施例示出的另一种图像清晰度检测装置框图,该实施例在前述图10至图16任一项所示实施例的基础上,所述装置还包括:输出模块350。
其中,所述输出模块350,被配置为如果所述图像显著性区域的所述图像清晰度未超过预设阈值,输出所述待检测图像。
上述实施例中,终端可以输出所述图像显著性区域的所述图像清晰度未超过预设阈值的图像,即输出不清晰图像,以便用户统一进行删除等操作,提升了用户体验。
相应的,本公开还提供一种图像清晰度检测装置,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:
获取待检测图像;
根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
确定所述待检测图像的图像清晰度;
根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
如图18所示,图18是本公开根据一示例性实施例示出的一种图像清晰度检测装置1800的结构示意图。例如,装置1800可以是智能终端,可以具体为移动电话,计算机,数字广播终端,消息收发设备,智能插座,智能血压计,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理、智能手环、智能手表等。
参照图18,装置1800可以包括以下一个或多个组件:处理组件1802,存储器1804,电源组件1806,多媒体组件1808,音频组件1810,输入/输出(I/O)的接口1812,传感器组件1814,以及通信组件1816。
处理组件1802通常控制装置1800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。处理组件1802可以包括一个或多个处理器1820来执行指令,以完成上述的方法的全部或者部分步骤。此外,处理组件1802可以包括一个或者多个模块,便于处理组件1802和其他组件之间的交互。例如,处理组件1802可以包括多媒体模块,以方便多媒体组件1808和处理组件1802之间的交互。
存储器1804被配置为存储各种类型的数据以支持在装置1800的操作。这些数据的示例包括用于在装置1800上操作的任何应用程序或者方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1804可以由任何类型的易失性或者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,磁盘或者光盘。
电源组件1806为装置1800的各种组件提供电力。电源组件1806可以包括电源管理系统,一个或者多个电源,及其他与为装置1800生成、管理和分配电力相关联的组件。
多媒体组件1808包括在所述装置1800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者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者滑动动作的边界,而且还检测与所述触摸或者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1808包括一个前置摄像头和/或后置摄像头。当装置1800处于操作模式,如拍摄模式或者视频模式时,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者具有焦距和光学变焦能力。
音频组件1810被配置为输出和/或输入音频信号。例如,音频组件1810包括一个麦克风(MIC),当装置1800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1804或者经由通信组件1816发送。在一些实施例中,音频组件1810还包括一个扬声器,用于输出音频信号。
I/O接口181812为处理组件1802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1814包括一个或者多个传感器,用于为装置1800提供各个方面的状态评估。例如,传感器组件1814可以检测到装置1800的打开/关闭状态,组件的相对定位,例如所述组件为装置1800的显示器和小键盘,传感器组件1814还可以检测装置1800或者装置1800一个组件的位置改变,用户与装置1800接触的存在或者不存在,装置1800方位或加速/减速和装置1800的温度变化。传感器组件1814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1814还可以包括光传感器,如CMOS或者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1814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,微波传感器或者温度传感器。
通信组件1816被配置为便于装置1800和其他设备之间有线或者无线方式的通信。装置1800可以接入基于通信标准的无线网络,如WiFi,2G或者3G,或者它们的组合。在一个示例性实施例中,通信组件1816经由广播信道接收来自外部广播管理系统的广播信号或者广播相关信息。在一个示例性实施例中,所述通信组件1816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1800可以被一个或者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、微处理器或者其他电子元件实现,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1804,上述指令可由装置1800的处理器1820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。本公开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者惯用技术手段。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。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明保护的范围之内。
Claims (23)
1.一种图像清晰度检测方法,其特征在于,包括:
获取待检测图像;
根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
确定所述待检测图像的图像清晰度;
根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域,包括:
确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值;
对所述待检测图像进行分割,得到多个分割区域;
根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度;
将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
3.根据权利要求2所述的方法,其特征在于,所述确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值,包括:
将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间;
在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值;
根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
4.根据权利要求3所述的方法,其特征在于,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
5.根据权利要求3所述的方法,其特征在于,所述每个像素点在所述多个尺度下的颜色权重均值通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
6.根据权利要求2所述的方法,其特征在于,所述对所述待检测图像进行分割,包括:
采用线性迭代聚类算法SILC对所述待检测图像进行分割。
7.根据权利要求2所述的方法,其特征在于,所述根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度,包括:
分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度;
将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度;
判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
8.根据权利要求1所述的方法,其特征在于,所述确定所述待检测图像的图像清晰度,包括:
在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值;
计算所述第三像素点的所述绝对差值的和值;
将所述和值中的最大值确定为所述当前位置的图像清晰度。
9.根据权利要求8所述的方法,其特征在于,所述当前位置包括8×8个像素点。
10.根据权利要求1所述的方法,其特征在于,所述根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度,包括:判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值;
如果所述图像显著性区域的所述图像清晰度均超过预设阈值,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
11.根据权利要求1-10任一项所述的方法,其特征在于,所述方法还包括:
如果所述图像显著性区域的所述图像清晰度未超过预设阈值,输出所述待检测图像。
12.一种图像清晰度检测装置,其特征在于,包括:
获取模块,被配置为获取待检测图像;
第一确定模块,被配置为根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
第二确定模块,被配置为确定所述待检测图像的图像清晰度;
清晰度评价模块,被配置为根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
13.根据权利要求12所述的装置,其特征在于,所述第一确定模块包括:
第一确定子模块,被配置为确定所述待检测图像中每个像素点在多个尺度下的颜色权重均值;
分割子模块,被配置为对所述待检测图像进行分割,得到多个分割区域;
第一判断子模块,被配置为根据所述每个像素点的所述颜色权重均值,判断多个所述分割区域的区域颜色权重均值对比度是否超过所述待检测图像的整体颜色权重均值对比度;
第二确定子模块,被配置为将所述区域颜色权重均值对比度超过所述整体颜色权重均值对比度的所述分割区域确定为所述待检测图像中的图像显著性区域。
14.根据权利要求13所述的装置,其特征在于,所述第一确定子模块包括:
转换单元,被配置为将所述待检测图像由红绿蓝RGB颜色空间转换到LAB颜色空间;
第一计算单元,被配置为在所述LAB颜色空间中,分别计算所述待检测图像中每个像素点在多个尺度下的颜色权重值;
第二计算单元,被配置为根据所述颜色权重值,计算所述每个像素点在所述多个尺度下的颜色权重均值。
15.根据权利要求14所述的装置,其特征在于,所述待检测图像中每个像素点在尺度i下的颜色权重值Si通过以下公式计算得到:
其中,L、A和B分别是每个像素点在L通道、A通道和B通道的通道颜色值,vl、va、vb分别是所述每个像素点在多个尺度下的L通道、A通道和B通道的通道颜色均值。
16.根据权利要求14所述的装置,其特征在于,所述每个像素点在所述多个尺度下的颜色权重均值通过以下公式计算得到:
其中n是所述多个尺度的个数,Si是所述每个像素点在尺度i下的颜色权重值。
17.根据权利要求13所述的装置,其特征在于,所述分割子模块包括:
分割单元,被配置为采用线性迭代聚类算法SILC对所述待检测图像进行分割。
18.根据权利要求13所述的装置,其特征在于,所述第一判断子模块包括:
第一确定单元,被配置为分别将所述分割区域中包括的所有第一像素点的所述颜色权重均值的第一平均值确定为所述分割区域的区域颜色权重均值对比度;
第二确定单元,被配置为将所述待检测图像中包括的所有第二像素点的所述颜色权重均值的第二平均值确定为所述待检测图像的整体颜色权重均值对比度;
判断单元,被配置为判断所述区域颜色权重均值对比度是否超过所述整体颜色权重均值对比度。
19.根据权利要求12所述的装置,其特征在于,所述第二确定模块包括:
第一计算子模块,被配置为在所述待检测图像中,计算当前位置包括的第三像素点的第一灰度值和第二灰度值之间的绝对差值,其中所述第二灰度值是在所述当前位置上与所述第三像素点相邻的像素点的灰度值;
第二计算子模块,被配置为计算所述第三像素点的所述绝对差值的和值;
第三确定子模块,被配置为将所述和值中的最大值确定为所述当前位置的图像清晰度。
20.根据权利要求19所述的装置,其特征在于,所述当前位置包括8×8个像素点。
21.根据权利要求12所述的装置,其特征在于,所述清晰度评价模块包括:
第二判断子模块,被配置为判断所述图像显著性区域的所述图像清晰度是否均超过预设阈值;
第四确定子模块,被配置为如果所述图像显著性区域的所述图像清晰度均超过预设阈值,根据所述待检测图像的清晰度与所述图像显著性区域的所述图像清晰度成正比确定评价结果。
22.根据权利要求12-21任一项所述的装置,其特征在于,所述装置还包括:
输出模块,被配置为如果所述图像显著性区域的所述图像清晰度未超过预设阈值,输出所述待检测图像。
23.一种图像清晰度检测装置,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:
获取待检测图像;
根据所述待检测图像中的颜色对比度信息,确定所述待检测图像中的图像显著性区域;
确定所述待检测图像的图像清晰度;
根据所述图像显著性区域和所述图像清晰度评价所述待检测图像的清晰度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884763.1A CN105513067B (zh) | 2015-12-03 | 2015-12-03 | 一种图像清晰度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884763.1A CN105513067B (zh) | 2015-12-03 | 2015-12-03 | 一种图像清晰度检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105513067A true CN105513067A (zh) | 2016-04-20 |
CN105513067B CN105513067B (zh) | 2018-09-04 |
Family
ID=55721024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510884763.1A Active CN105513067B (zh) | 2015-12-03 | 2015-12-03 | 一种图像清晰度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105513067B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204565A (zh) * | 2016-07-05 | 2016-12-07 | 董超超 | 一种通过斑块特征配准的图像清晰度检测装置 |
CN107424128A (zh) * | 2017-06-20 | 2017-12-01 | 南京泰立瑞信息科技有限公司 | 一种从所录制的眼底视频中提取清晰图像帧的方法及系统 |
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 |
CN111861991A (zh) * | 2020-06-11 | 2020-10-30 | 北京百度网讯科技有限公司 | 计算图像清晰度的方法以及装置 |
CN112329522A (zh) * | 2020-09-24 | 2021-02-05 | 上海品览数据科技有限公司 | 一种基于深度学习和图像处理的货架商品模糊检测方法 |
CN113744239A (zh) * | 2021-09-02 | 2021-12-03 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的聚合物软包锂电池底角自动检测装置 |
CN118279311A (zh) * | 2024-06-03 | 2024-07-02 | 先临三维科技股份有限公司 | 扫描杆的状态监测方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881010A (zh) * | 2012-08-28 | 2013-01-16 | 北京理工大学 | 基于人眼视觉特性的融合图像感知清晰度评价方法 |
CN103020965A (zh) * | 2012-11-29 | 2013-04-03 | 奇瑞汽车股份有限公司 | 一种基于显著性检测的前景分割方法 |
US20140003711A1 (en) * | 2012-06-29 | 2014-01-02 | Hong Kong Applied Science And Technology Research Institute Co. Ltd. | Foreground extraction and depth initialization for multi-view baseline images |
CN104680546A (zh) * | 2015-03-12 | 2015-06-03 | 安徽大学 | 一种图像显著目标检测方法 |
-
2015
- 2015-12-03 CN CN201510884763.1A patent/CN105513067B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140003711A1 (en) * | 2012-06-29 | 2014-01-02 | Hong Kong Applied Science And Technology Research Institute Co. Ltd. | Foreground extraction and depth initialization for multi-view baseline images |
CN102881010A (zh) * | 2012-08-28 | 2013-01-16 | 北京理工大学 | 基于人眼视觉特性的融合图像感知清晰度评价方法 |
CN103020965A (zh) * | 2012-11-29 | 2013-04-03 | 奇瑞汽车股份有限公司 | 一种基于显著性检测的前景分割方法 |
CN104680546A (zh) * | 2015-03-12 | 2015-06-03 | 安徽大学 | 一种图像显著目标检测方法 |
Non-Patent Citations (2)
Title |
---|
顾婷婷 等: "结合浅景深与构图的图像质量评价", 《中国图象图形学报》 * |
黄珊: "无参考模糊图像质量评价方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204565A (zh) * | 2016-07-05 | 2016-12-07 | 董超超 | 一种通过斑块特征配准的图像清晰度检测装置 |
CN107424128A (zh) * | 2017-06-20 | 2017-12-01 | 南京泰立瑞信息科技有限公司 | 一种从所录制的眼底视频中提取清晰图像帧的方法及系统 |
CN107424128B (zh) * | 2017-06-20 | 2020-12-29 | 南京泰立瑞信息科技有限公司 | 一种从所录制的眼底视频中提取清晰图像帧的方法及系统 |
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 |
CN111861991A (zh) * | 2020-06-11 | 2020-10-30 | 北京百度网讯科技有限公司 | 计算图像清晰度的方法以及装置 |
CN111861991B (zh) * | 2020-06-11 | 2024-05-24 | 北京百度网讯科技有限公司 | 计算图像清晰度的方法以及装置 |
CN112329522A (zh) * | 2020-09-24 | 2021-02-05 | 上海品览数据科技有限公司 | 一种基于深度学习和图像处理的货架商品模糊检测方法 |
CN113744239A (zh) * | 2021-09-02 | 2021-12-03 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的聚合物软包锂电池底角自动检测装置 |
CN118279311A (zh) * | 2024-06-03 | 2024-07-02 | 先临三维科技股份有限公司 | 扫描杆的状态监测方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105513067B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105513067A (zh) | 一种图像清晰度检测方法及装置 | |
CN106454336B (zh) | 检测终端摄像头被遮挡的方法及装置和终端 | |
CN105139415A (zh) | 图像前后景分割方法、装置及终端 | |
CN105528606A (zh) | 区域识别方法及装置 | |
CN104243819A (zh) | 照片获取方法及装置 | |
CN105760884B (zh) | 图片类型的识别方法及装置 | |
CN104486451B (zh) | 应用程序推荐方法及装置 | |
CN105095881A (zh) | 人脸识别方法、装置及终端 | |
CN105631797A (zh) | 水印添加方法及装置 | |
CN105427233A (zh) | 去除水印的方法及装置 | |
CN105488511A (zh) | 图像的识别方法及装置 | |
CN105404863A (zh) | 人物特征识别方法及系统 | |
CN104700353A (zh) | 图像滤镜生成方法及装置 | |
CN106021092A (zh) | 确定应用程序启动时长的方法及装置 | |
CN104918107A (zh) | 视频文件的标识处理方法及装置 | |
CN105528765A (zh) | 处理图像的方法及装置 | |
CN104408404A (zh) | 人脸识别方法及装置 | |
CN105975961B (zh) | 人脸识别的方法、装置及终端 | |
CN104284240A (zh) | 视频浏览方法及装置 | |
CN105631803A (zh) | 滤镜处理的方法和装置 | |
CN105574857A (zh) | 图像分析方法及装置 | |
CN105574512A (zh) | 图像处理的方法和装置 | |
CN104598534A (zh) | 图片折叠方法及装置 | |
CN104239879A (zh) | 分割字符的方法及装置 | |
CN105139378A (zh) | 卡片边界检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |