CN105809686B - 计算机系统中实现图像清晰度检测的方法 - Google Patents
计算机系统中实现图像清晰度检测的方法 Download PDFInfo
- Publication number
- CN105809686B CN105809686B CN201610130988.2A CN201610130988A CN105809686B CN 105809686 B CN105809686 B CN 105809686B CN 201610130988 A CN201610130988 A CN 201610130988A CN 105809686 B CN105809686 B CN 105809686B
- Authority
- CN
- China
- Prior art keywords
- horizontal gradient
- interest
- area
- pixel
- scan line
- 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.)
- Active
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
- G06T2207/30—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)
Abstract
本发明涉及一种计算机系统中实现图像清晰度检测的方法,其中包括选择目标测试卡图像中的感兴趣区域;选择一像素点对选择的感兴趣区域进行扫描并计算每条扫描线的水平梯度;对每条扫描线的水平梯度进行分析并统计连续相似的水平梯度的像素点数;采用图像的高度值整除连续相似的水平梯度的像素点数得到清晰度计算结果。采用该种计算机系统中实现图像清晰度检测的方法,利用人机交互选择感兴趣区域和多扫描线梯度统计分析克服了传统方法中依赖人主观判断的问题,同时最终的检测结果符合人眼视觉特性,采用多扫描线技术和多行梯度统计分析,从而克服了传统检测方法对人的依赖以及现有检测工具与人眼视觉特性符合差的问题,具有更广泛的应用范围。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及图像清晰度检测技术领域,具体是指一种计算机系统中实现图像清晰度检测的方法。
背景技术
图像清晰度检测基于测试卡图像的图像分析过程。目前图像清晰度分析主要采用基于投射式和反射式测试卡图像的人工主观判断的方式,这种方式优点在于检测结果符合人眼视觉模型,缺点在于检测结果完全依赖于人的主观判断,不同人的检测结果往往不一致。在实际摄像机类产品测试工程测试过程中,如何建立一致性检测同时符合人眼视觉模型的图像清晰度分析方法成为摄像机类产品测试过程中的重要问题。
经过对现有技术的检索发现,目前主流测试为采用IMGTEST为代表的测试软件对测试卡图像进行分析,该方法对测试卡和调制传递函数都有相对严格要求,要想获得一致性高且满足人眼视觉特性的清晰度测试结果比较困难。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种能够实现有效克服传统方法中依赖人主观判断的问题、同时最终的检测结果符合人眼视觉特性、具有更广泛应用范围的计算机系统中实现图像清晰度检测的方法。
为了实现上述目的,本发明的计算机系统中实现图像清晰度检测的方法具有如下构成:
该计算机系统中实现图像清晰度检测的方法,其主要特点是,所述的方法包括以下步骤:
(1)选择目标测试卡图像中的感兴趣区域;
(2)选择一像素点对选择的感兴趣区域进行扫描并计算每条扫描线的水平梯度;
(3)对每条扫描线的水平梯度进行分析并统计连续相似的水平梯度的像素点数;
(4)采用图像的高度值整除所述的连续相似的水平梯度的像素点数得到清晰度计算结果。
较佳地,所述的选择目标测试卡图像中的感兴趣区域,具体为:
采用鼠标以按照如下公式的矩形框选择目标测试卡图像中的感兴趣区域:
Iroi=I·REC(x,y,width,height)
x,y是图像中鼠标选中的初始像素点的坐标,width,height分别为选取矩形框的宽度和高度,REC为矩形框操作,I为原始图像,Iroi为矩形框操作后的感兴趣区域。
较佳地,所述的对选择的感兴趣区域进行扫描,具体为:
对选取的感兴趣区域从左上角依次选择一像素点开始从左到右进行扫描,每次扫描采用三条扫描线L1、L2和L3。
更佳地,所述的计算每条扫描线的水平梯度,具体为:
根据如下公式计算每条扫描线的水平梯度t1,t2,t3
t1=gradx(L1),t2=gradx(L2),t3=gradx(L3)
其中gradx是基于sobel算子的水平梯度。
较佳地,所述的对每条扫描线的水平梯度进行分析并统计连续相似的水平梯度的像素点数,包括以下步骤:
(3-1)对每条扫描线的水平梯度进行分析并判断是否每条扫描线中的扫描起始像素点的水平梯度均大于梯度阈值,如果是,则继续步骤(3-2),否则选择下一像素点并继续步骤(2);
(3-2)统计扫描起始像素点后面的连续相似的水平梯度的像素点数,然后继续步骤(4)。
更佳地,所述的步骤(3-2),包括以下步骤:
(3-2-1)统计每条扫描线中的扫描起始像素点后面的连续相似的水平梯度的像素点数;
(3-2-2)判断是否每条扫描线中的连续相似的水平梯度的像素点数均相同,如果是,则继续步骤(4),否则选择下一像素点并继续步骤(2)。
采用了该发明中的计算机系统中实现图像清晰度检测的方法,利用人机交互选择感兴趣区域和多扫描线梯度统计分析克服了传统方法中依赖人主观判断的问题,同时最终的检测结果符合人眼视觉特性,而本发明通过对测试卡图像感兴趣区域采用多扫描线技术和多行梯度统计分析,从而克服了传统检测方法对人的依赖以及现有检测工具与人眼视觉特性符合差的问题,具有更广泛的应用范围。
附图说明
图1为本发明的计算机系统中实现图像清晰度检测的方法的流程图。
图2为本发明的具体实施方式中的测试卡的图像。
图3为本发明的具体实施方式中的感兴趣区域的示意图。
图4为本发明的具体实施方式中的感兴趣区域的扫描图像和最后测试结果。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
本发明涉及一种图像清晰度检测的新方法,属于图像处理领域。具体是采用人机交互选择测试卡图像的目标区域,多线扫描技术,基于梯度的目标区域检测和清晰度计算实现图像清晰度检测。
本发明针对上述现有技术的不足,提出了一种计算机系统中图像清晰度自动检测方法,该方法采用人机交互感兴趣区域选择,多扫描线同步扫描,水平梯度统计分析以及清晰度换算完成整个图像清晰度的计算过程。
本发明是通过以下技术方案实现的,具体包括如下步骤:
步骤一,鼠标选择目标测试卡图像中的感兴趣区域,以矩形框,
Iroi=I·REC(x,y,width,height)……(1)
x,y是图像中鼠标选中的初始像素点的坐标,width,height分别为选取矩形框的宽度和高度,REC为矩形框操作,I为原始图像,Iroi为矩形框操作后的感兴趣区域。
步骤二,对选取的Iroi从左上角开始从左到右进行扫描,每次扫描采用三条扫描线L1,L2,L3,同时计算每条扫描线的水平梯度t1,t2,t3
t1=gradx(L1),t2=gradx(L2),t3=gradx(L3)……(2)
其中gradx是基于sobel算子的水平梯度,
步骤三,对t1,t2,t3进行统计分析,判断当前扫描线是否满足清晰度要求,具体过程如下:
if t1(i)>=grad_thres&&t2(i)>=grad_thres&&t3(i)>=grad_thres……(3)
统计i后面的连续相似的水平梯度的像素点数,若L1,L2,L3的连续相似梯度的像素点数相同,则完成扫描。
else回到步骤二
i为扫描线中的像素索引,grad_thres为梯度阈值。
步骤四,计算图像清晰度,保存步骤三获得的连续相似梯度的像素点个数值N,用图像高度值整除N,获得的值为最后清晰度计算结果。
根据如上步骤,本发明的计算机系统中实现图像清晰度检测的方法包括以下步骤:
该计算机系统中实现图像清晰度检测的方法,其主要特点是,所述的方法包括以下步骤:
(1)选择目标测试卡图像中的感兴趣区域;
(2)选择一像素点对选择的感兴趣区域进行扫描并计算每条扫描线的水平梯度;
(3)对每条扫描线的水平梯度进行分析并统计连续相似的水平梯度的像素点数;
(4)采用图像的高度值整除所述的连续相似的水平梯度的像素点数得到清晰度计算结果。
在一种较佳的实施方式中,所述的选择目标测试卡图像中的感兴趣区域,具体为:
采用鼠标以按照如下公式的矩形框选择目标测试卡图像中的感兴趣区域:
Iroi=I·REC(x,y,width,height)
x,y是图像中鼠标选中的初始像素点的坐标,width,height分别为选取矩形框的宽度和高度,REC为矩形框操作,I为原始图像,Iroi为矩形框操作后的感兴趣区域。
在一种较佳的实施方式中,所述的对选择的感兴趣区域进行扫描,具体为:
对选取的感兴趣区域从左上角依次选择一像素点开始从左到右进行扫描,每次扫描采用三条扫描线L1、L2和L3。
在一种更佳的实施方式中,所述的计算每条扫描线的水平梯度,具体为:
根据如下公式计算每条扫描线的水平梯度t1,t2,t3
t1=gradx(L1),t2=gradx(L2),t3=gradx(L3)
其中gradx是基于sobel算子的水平梯度。
在一种较佳的实施方式中,所述的对每条扫描线的水平梯度进行分析并统计连续相似的水平梯度的像素点数,包括以下步骤:
(3-1)对每条扫描线的水平梯度进行分析并判断是否每条扫描线中的扫描起始像素点的水平梯度均大于梯度阈值,如果是,则继续步骤(3-2),否则选择下一像素点并继续步骤(2);
(3-2)统计扫描起始像素点后面的连续相似的水平梯度的像素点数,然后继续步骤(4)。
在一种更佳的实施方式中,所述的步骤(3-2),包括以下步骤:
(3-2-1)统计每条扫描线中的扫描起始像素点后面的连续相似的水平梯度的像素点数;
(3-2-2)判断是否每条扫描线中的连续相似的水平梯度的像素点数均相同,如果是,则继续步骤(4),否则选择下一像素点并继续步骤(2)。
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和过程,但本发明的保护范围不限于下述的实施例。
本实施例中对测试卡图像大小为640×480图像检测,算法流程如图1所示,包括如下步骤:
第一步,读入当前图像,通过鼠标交互选择矩形框感兴趣区域。
第二步,以感兴趣图像中左上角的像素点为起点进行从左到右的逐行扫描,每次扫描读取连续三行像素点,对三行像素值分别计算水平梯度值,具体公式如下
t1=gradx(L1),t2=gradx(L2),t3=gradx(L3)
第三步,对第二步计算得到的三行像素值梯度值进行统计分析,若在像素点i满足所有梯度值均大于阈值grad_thres=200时,则统计i后面梯度差小于20的索引个数(像素点数),若不满足上述条件则回到第二步,直到图像扫描结束。
第四步,将第三步获得的连续相似梯度的像素点个数值用图像高度值整除获得的值为最后清晰度计算结果。
采用了该发明中的计算机系统中实现图像清晰度检测的方法,利用人机交互选择感兴趣区域和多扫描线梯度统计分析克服了传统方法中依赖人主观判断的问题,同时最终的检测结果符合人眼视觉特性,而本发明通过对测试卡图像感兴趣区域采用多扫描线技术和多行梯度统计分析,从而克服了传统检测方法对人的依赖以及现有检测工具与人眼视觉特性符合差的问题,具有更广泛的应用范围。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (3)
1.一种计算机系统中实现图像清晰度检测的方法,其特征在于,所述的方法包括以下步骤:
(1)选择目标测试卡图像中的感兴趣区域;
(2)选择一像素点对选择的感兴趣区域进行扫描并计算每条扫描线的水平梯度,其中,所述的对选择的感兴趣区域进行扫描的具体步骤为:
对选取的感兴趣区域从左上角依次选择一像素点开始从左到右进行扫描,每次扫描采用三条扫描线L1、L2和L3;
(3)对每条扫描线的水平梯度进行分析并统计连续相似的水平梯度的像素点数,具体步骤如下:
(3-1)对每条扫描线的水平梯度进行分析并判断是否每条扫描线中的扫描起始像素点的水平梯度均大于梯度阈值,如果是,则继续步骤(3-2),否则选择下一像素点并继续步骤(2);
(3-2)统计扫描起始像素点后面的连续相似的水平梯度的像素点数,然后继续步骤(4),其中,该步骤具体包括以下步骤:
(3-2-1)统计每条扫描线中的扫描起始像素点后面的连续相似的水平梯度的像素点数;
(3-2-2)判断是否每条扫描线中的连续相似的水平梯度的像素点数均相同,如果是,则继续步骤(4),否则选择下一像素点并继续步骤(2);
(4)采用图像的高度值整除所述的连续相似的水平梯度的像素点数得到清晰度计算结果。
2.根据权利要求1所述的计算机系统中实现图像清晰度检测的方法,其特征在于,所述的选择目标测试卡图像中的感兴趣区域,具体为:
采用鼠标按照如下公式的矩形框选择目标测试卡图像中的感兴趣区域:
Iroi=I·REC(x,y,width,height)
x,y是图像中鼠标选中的初始像素点的坐标,width,height分别为选取矩形框的宽度和高度,REC为矩形框操作,I为原始图像,Iroi为矩形框操作后的感兴趣区域。
3.根据权利要求1所述的计算机系统中实现图像清晰度检测的方法,其特征在于,所述的计算每条扫描线的水平梯度,具体为:
根据如下公式计算每条扫描线的水平梯度t1,t2,t3
t1=gradx(L1),t2=gradx(L2),t3=gradx(L3)
其中gradx是基于sobel算子的水平梯度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610130988.2A CN105809686B (zh) | 2016-03-08 | 2016-03-08 | 计算机系统中实现图像清晰度检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610130988.2A CN105809686B (zh) | 2016-03-08 | 2016-03-08 | 计算机系统中实现图像清晰度检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809686A CN105809686A (zh) | 2016-07-27 |
CN105809686B true CN105809686B (zh) | 2019-02-19 |
Family
ID=56466864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610130988.2A Active CN105809686B (zh) | 2016-03-08 | 2016-03-08 | 计算机系统中实现图像清晰度检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809686B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074237B (zh) * | 2017-12-28 | 2020-08-14 | Oppo广东移动通信有限公司 | 图像清晰度检测方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102404602A (zh) * | 2011-09-23 | 2012-04-04 | 浙江工业大学 | 一种基于清晰度测试卡的摄像机清晰度检测方法 |
CN102737380A (zh) * | 2012-06-05 | 2012-10-17 | 宁波大学 | 一种基于梯度结构张量的立体图像质量客观评价方法 |
CN103632369A (zh) * | 2013-12-05 | 2014-03-12 | 淮海工学院 | 块平均清晰度组合无参考水下图像通用性质量检测方法 |
CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
CN104182962A (zh) * | 2013-05-28 | 2014-12-03 | 腾讯科技(深圳)有限公司 | 评价图片清晰度的方法及装置 |
US8989493B1 (en) * | 2012-02-06 | 2015-03-24 | Marvell International Ltd. | Method and apparatus for identifying regions of an image to be filtered during processing of the image |
-
2016
- 2016-03-08 CN CN201610130988.2A patent/CN105809686B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102404602A (zh) * | 2011-09-23 | 2012-04-04 | 浙江工业大学 | 一种基于清晰度测试卡的摄像机清晰度检测方法 |
US8989493B1 (en) * | 2012-02-06 | 2015-03-24 | Marvell International Ltd. | Method and apparatus for identifying regions of an image to be filtered during processing of the image |
CN102737380A (zh) * | 2012-06-05 | 2012-10-17 | 宁波大学 | 一种基于梯度结构张量的立体图像质量客观评价方法 |
CN104182962A (zh) * | 2013-05-28 | 2014-12-03 | 腾讯科技(深圳)有限公司 | 评价图片清晰度的方法及装置 |
CN103632369A (zh) * | 2013-12-05 | 2014-03-12 | 淮海工学院 | 块平均清晰度组合无参考水下图像通用性质量检测方法 |
CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
Non-Patent Citations (4)
Title |
---|
A Perceptual Image Sharpness Metric Based on Local Edge Gradient Analysis;Christoph Feichtenhofer et al.;《IEEE Signal Processing Letters》;20130222;第20卷(第4期);第379-382页 |
一种图像清晰度评价方法;徐贵力 等;《红外与激光工程》;20090228;第38卷(第1期);第180-184页 |
一种改进的Sobel算子图像清晰度评价函数;钱青 等;《计算机与数字工程》;20151031(第10期);第1865-1870页 |
基于梯度方向信息的医学图像质量评价方法研究;郭龙 等;《计算机科学》;20121231;第39卷(第12期);第278-280页 |
Also Published As
Publication number | Publication date |
---|---|
CN105809686A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210360B (zh) | 一种基于视频图像目标识别的跳绳计数方法 | |
CN104735449B (zh) | 一种基于矩形分割隔列扫描的图像传输方法 | |
CN102567727B (zh) | 一种背景目标替换方法和装置 | |
CN104899146B (zh) | 基于图像匹配技术的软件稳定性测试方法和装置 | |
CN110163198A (zh) | 一种表格识别重建方法、装置和存储介质 | |
CN103400386B (zh) | 一种用于视频中的交互式图像处理方法 | |
CN102084397B (zh) | 图像处理设备、方法 | |
JP2011509451A (ja) | 画像データのセグメント化 | |
CN105844242A (zh) | 图像中的肤色检测方法 | |
CN104462526B (zh) | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 | |
CN106407908A (zh) | 一种训练模型生成方法、人脸检测方法及装置 | |
CN103218600A (zh) | 一种实时人脸检测算法 | |
CN102842120A (zh) | 基于超复数小波相位测量的图像模糊程度检测方法 | |
CN115690496A (zh) | 基于YOLOv5的实时区域入侵检测方法 | |
CN105809686B (zh) | 计算机系统中实现图像清晰度检测的方法 | |
JPH0793561A (ja) | エッジ及び輪郭抽出装置 | |
CN107832359A (zh) | 一种图片检索方法及系统 | |
CN103295238B (zh) | 安卓平台上基于roi运动检测的视频实时定位方法 | |
Chen et al. | Preserving motion-tolerant contextual visual saliency for video resizing | |
CN106774846A (zh) | 交互投影方法及装置 | |
JP2010245983A (ja) | 映像構造化装置,映像構造化方法および映像構造化プログラム | |
CN108446603A (zh) | 一种新闻标题检测方法及装置 | |
CN107484013B (zh) | 一种利用移动设备进行电视节目互动的方法 | |
CN105872516A (zh) | 获取立体片源视差参数的方法及装置 | |
CN103902954A (zh) | 一种不良视频的鉴别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |