CN106127775A - 图像清晰度评价方法及装置 - Google Patents
图像清晰度评价方法及装置 Download PDFInfo
- Publication number
- CN106127775A CN106127775A CN201610491032.5A CN201610491032A CN106127775A CN 106127775 A CN106127775 A CN 106127775A CN 201610491032 A CN201610491032 A CN 201610491032A CN 106127775 A CN106127775 A CN 106127775A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- evaluated
- gray
- value
- 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
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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10148—Varying focus
-
- 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
本发明公开了一种图像清晰度评价方法及装置,该方法包括:获取待评价图像并对待评价图像进行预处理,根据待评价图像中每行像素点的灰度值确定该待评价图像中每行灰度值下降的垂直边缘,根据垂直边缘包含的像素点的灰度值计算该垂直边缘的灰度变化率,同时设置一初始值为0的变量a,每计算一次垂直边缘的灰度变化率,变量a的值加1,对该待评价图像中所有行的垂直边缘的灰度变化率的绝对值求和,得到待评价图像的灰度变化率和S1,根据S1和变量a的比值计算待评价图像的灰度变化率和的平均值S:最后根据平均值S对待评价图像的清晰度进行评价。本发明以图像的边缘灰度变化率为依据进行图像清晰度评价,具有良好的单峰性、无偏性和灵敏性。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种图像清晰度评价方法及装置。
背景技术
随着智能终端设备的普及应用以及数字成像技术和图像处理技术的迅猛发展,产生的数字图像越来越多,对获取的图像的清晰程度要求也越来越高。筛选出更好的图像并指导成像系统的控制,使系统始终工作在最佳状态,都需要对图像的清晰度作一个精确的评价。
目前,图像清晰度评价方法主要包括主观图像清晰度评价方法和客观图像清晰度评价方法。由于主观图像清晰度评价方法中图像清晰与否完全是由人的主观感受来做出判断,极易受到评价环境以及评价者知识水平、喜好等自然原因的影响,评价结果往往不稳定,因此客观图像清晰度评价方法更受关注。
在空域,客观图像清晰度评价方法一般是通过清晰度评价函数对图像本身进行计算,得到清晰度评价指标。传统的图像清晰度评价方法包括相邻像素灰度方差法(SMD)和方差法。其中,相邻像素灰度方差法的函数定义为:
式中:I(x,y)对应于(x,y)位置的灰度值;n为图像的像素总数;
方差法的函数定义为:
式中I(x,y)对应于(x,y)位置的灰度值,式中u为平均灰级,即:
通常,一个好的图像清晰度评价函数应该具有较强的单峰性、较好的无偏性和较高的灵敏性。单峰性是指在成像系统的正焦位置取得单一的极值,不能出现其他局部极值;无偏性是指计算出来的曲线要与图像的清晰度变化事实相吻合;灵敏性是指对不同程度的离焦图像,清晰度评价值要求有一定的差别,以保证调焦的精确度,其中单峰性和无偏性决定了评价函数的正确性。然而,利用现有相邻像素灰度方差法(SMD)和方差法的清晰度评价函数对各种图像进行清晰度评价计算时常常无法保证评价结果同时满足单峰性、无偏性和灵敏性等三性要求。
发明内容
本发明提供一种图像清晰度评价方法及装置,用以解决现有技术中清晰度评价结果同时满足单峰性、无偏性和灵敏性等三性要求的问题。
本发明第一方面提供一种图像清晰度评价方法,所述方法包括:
图像清晰度评价装置获取待评价图像;
对所述待评价图像进行预处理;
根据所述待评价图像中每行像素点的灰度值确定所述待评价图像中每行灰度值下降的垂直边缘;
根据所述垂直边缘包含的像素点的灰度值计算所述垂直边缘的灰度变化率Value;
设置一初始值为0的变量a,每计算一次所述垂直边缘的灰度变化率,变量a的值加1;
根据下列公式对所述待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到所述待评价图像的灰度变化率和S1:
S1=Σ|Value|;
根据下列公式计算所述待评价图像的灰度变化率和的平均值S:
根据所述待评价图像的灰度变化率和的平均值S对所述待评价图像的清晰度进行评价。
在第一方面第一种可行的实现方式中,所述待评价图像的分辨率为m×n,其中m为所述待评价图像中每行的像素点个数,n为所述待评价图像中每列的像素点个数;所述根据所述待评价图像中每行像素点的灰度值确定所述待评价图像中每行灰度值下降的垂直边缘的步骤具体包括:
从所述待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,则得到一个灰度矩阵V(I,J),在所述灰度矩阵V(I,J)中,每个像素点的灰度值用V(i,j)表示,其中1≤T≤m-1;
根据下列关系式在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置:
V(i,j)>V(i,j+1)>V(i,j+2),其中1≤i≤n,1≤j≤m-2;
根据所述起止像素点的位置在所述灰度矩阵V(I,J)中找出所述起止像素点间所有像素点的灰度值作为所述垂直边缘包含的像素点的灰度值。
结合第一方面第一种可行的实现方式,在第一方面第二种可行的实现方式中,所述根据所述关系式在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置的步骤具体包括:
判断每行中所述像素点个数的最大值是否只有一个;
当判断确定每行中所述像素点个数的最大值只有一个时,确定对应起止像素点的位置;
当判断确定每行中所述像素点个数的最大值不止一个时,则根据对应起止像素点的灰度值的差值确定灰度值相差最大的起止像素点的位置。
在第一方面第三种可行的实现方式中,所述根据所述垂直边缘包含的像素点的灰度值计算所述垂直边缘的灰度变化率Value的步骤具体包括:
采用最小二乘法对所述灰度值进行直线拟合,计算所述直线的斜率即为所述垂直边缘的灰度变化率Value。
在第一方面第四种可行的实现方式中,所述对所述待评价图像进行预处理的步骤具体包括:利用边缘保持滤波器为所述待评价图像滤除脉冲噪声。
本发明第二方面提供一种图像清晰度评价装置,所述装置包括:
图像获取模块,用于获取待评价图像;
图像预处理模块,用于对所述待评价图像进行预处理;
边缘确定模块,用于根据所述待评价图像中每行像素点的灰度值确定所述待评价图像中每行灰度值下降的垂直边缘;
第一计算模块,用于根据所述垂直边缘包含的像素点的灰度值计算所述垂直边缘的灰度变化率Value;
变量设置模块,用于设置一初始值为0的变量a,每计算一次所述垂直边缘的灰度变化率,变量a的值加1;
第二计算模块,用于根据下列公式对所述待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到所述待评价图像的灰度变化率和S1:
S1=Σ|Value|;
第三计算模块,用于根据下列公式计算所述待评价图像的灰度变化率和的平均值S:
评价模块,用于根据所述待评价图像的灰度变化率和的平均值S对所述待评价图像的清晰度进行评价。
在第二方面第一种可行的实现方式中,所述待评价图像的分辨率为m×n,其中m为所述待评价图像中每行的像素点个数,n为所述待评价图像中每列的像素点个数;所述边缘确定模块具体包括:
灰度提取模块,用于从所述待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,并得到一个灰度矩阵V(I,J),在所述灰度矩阵V(I,J)中,每个像素点的灰度值用V(i,j)表示,其中1≤T≤m-1;
第一确定模块,用于根据下列关系式在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置:
V(i,j)>V(i,j+1)>V(i,j+2),其中1≤i≤n,1≤j≤m-2;
第一查找模块,用于根据所述起止像素点的位置在所述灰度矩阵V(I,J)中找出所述起止像素点间所有像素点的灰度值作为所述垂直边缘包含的像素点的灰度值。
结合第二方面第一种可行的实现方式,在第二方面第二种可行的实现方式中,所述第一确定模块具体包括:
判断模块,用于判断每行中所述像素点个数的最大值是否只有一个;
第二确定模块,用于当判断确定每行中所述像素点个数的最大值只有一个时,确定对应起止像素点的位置;
第三确定模块,用于当判断确定每行中所述像素点个数的最大值不止一个时,则根据对应起止像素点的灰度值的差值确定灰度值相差最大的起止像素点的位置。
在第二方面第三种可行的实现方式中,所述第一计算模块具体包括:
直线拟合模块,用于采用最小二乘法对所述灰度值进行直线拟合,计算所述直线的斜率即为所述垂直边缘的灰度变化率Value。
在第二方面第四种可行的实现方式中,所述图像预处理模块具体包括:边缘保持滤波模块,用于为所述待评价图像滤除脉冲噪声。
从上述本发明实施例可知,本发明通过以图像的边缘灰度变化率为依据进行图像清晰度评价,对各种不同图像都可以提供较为准确,可靠的评价结果,适用范围广泛而且具有良好的单峰性、无偏性和灵敏性。
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为本发明第一实施例中一种图像清晰度评价方法的流程示意图;
图2为本发明第二实施例中一种图像清晰度评价方法的流程示意图;
图3为本发明第三实施例中一种图像清晰度评价装置的功能模块示意图;
图4为按照调焦顺序采集到的不同清晰程度的红外图像序列;
图5为采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法对图4的红外图像序列进行清晰度评价并进行归一化后的实验结果对比图;
图6为一组不同清晰程度的简单可见光图像序列;
图7为采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法对图6的简单可见光图像序列进行清晰度评价并进行归一化后的实验结果对比图;
图8为一组不同清晰程度的复杂可见光图像序列;
图9为采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法对图8的复杂可见光图像序列进行清晰度评价并进行归一化后的实验结果对比图;
图10为一组不同清晰程度的运动图像序列;
图11为采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法对图10的运动图像序列进行清晰度评价并进行归一化后的实验结果对比图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明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,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做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。
图像的边界及细节部分不清晰时,图像就显得模糊。由此可知,对图像的清晰度进行判断时,可以图像的边缘是否清晰为依据。对于同一内容的图像,清晰图像的边缘相对模糊图像具有较大的灰度变化率,即清晰图像能更快地从高灰度降到低灰度。因此,本发明实施例提出了一种以图像边缘灰度变化率为依据的图像清晰度评价方法。
请参阅图1,为本发明第一实施例中一种图像清晰度评价方法的流程示意图。本发明实施例提供的图像清晰度评价方法,可以应用于具有数字成像功能和图像处理功能的智能终端设备中,该智能终端设备可以是智能手机、数码相机、平板电脑或者笔记本电脑等。如图1所示,该图像清晰度评价方法包括:
步骤101、图像清晰度评价装置获取待评价图像;
需要说明的是,本发明实施例中所述的待评价图像可以为数字灰度图像。图像种类包括但不限于静态聚焦图像、散焦图像和运动图像等。
步骤102、对待评价图像进行预处理;
在本发明实施例中,对待评价图像进行预处理主要包括对待评价图像进行滤波处理,以有效减少噪声,降低噪声对后续图像边缘确定过程的影响。
步骤103、根据待评价图像中每行像素点的灰度值确定待评价图像中每行灰度值下降的垂直边缘;
在本发明实施例中,可以通过分析比对待评价图像中每行像素点的灰度值来确定灰度值下降的垂直边缘。该垂直边缘是由多个灰度值连续下降的像素点形成。
步骤104、根据垂直边缘包含的像素点的灰度值计算垂直边缘的灰度变化率Value;
需要说明的是,灰度变化率反映了边缘灰度变化的快慢。在本发明实施例中,可以利用最小二乘法对每行中垂直边缘包含的像素点的灰度值进行直线拟合,然后计算该直线的斜率,即为垂直边缘的灰度变化率Value。
步骤105、设置一初始值为0的变量a,每计算一次垂直边缘的灰度变化率,变量a的值加1;
步骤106、根据下列公式对待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到待评价图像的灰度变化率和S1:
S1=Σ|Value|;
步骤107、根据下列公式计算待评价图像的灰度变化率和的平均值S:
需要说明的是,在本发明实施例中,每行中垂直边缘的灰度变化率代表了该垂直边缘所在行的灰度变化率,因此所有行的垂直边缘的灰度变化率的绝对值求和,即是对待评价图像所有行的灰度变化率求和,便可得到待评价图像的灰度变化率和S1。
由于图像分辨率与目标大小的差异,可能会导致模糊图像的所有行的垂直边缘的灰度变化率之和大于相对清晰图像的所有行的垂直边缘的灰度变化率之和,因此在本发明实施例中设置一初始值为0的变量a,用于累计垂直边缘的灰度变化率的计算次数,以便据此计算待评价图像的灰度变化率和的平均值S作为衡量图像清晰度的指标,从而可提供较为准确,可靠的评价结果。
步骤108、根据待评价图像的灰度变化率和的平均值S对待评价图像的清晰度进行评价。
在本发明实施例中,越清晰的图像,其对应的灰度变化率和的平均值S越大;反之,越模糊的图像,则对应的灰度变化率和的平均值S越小。
本发明实施例通过以图像的边缘灰度变化率为依据进行图像清晰度评价,对各种不同图像都可以提供较为准确,可靠的评价结果,适用范围广泛而且具有良好的单峰性、无偏性和灵敏性。本发明实施例所述方法的评价效果具体可参见后文中提供的多组验证实例说明。
下面将针对图像中垂直边缘的确定方式进行详细说明。
请参阅图2,为本发明第二实施例中一种图像清晰度评价方法的流程示意图。如图2所示,本发明第二实施例提供的一种图像清晰度评价方法包括:
步骤201、获取分辨率为m×n的待评价图像,其中m为所述待评价图像中每行的像素点个数,n为所述待评价图像中每列的像素点个数;
数字图像的灰度值通常是以二维数组的形式保存。在本发明实施例中,待评价图像的灰度值用G(X,Y)矩阵来表示,图像中每一像素点的灰度值对应为G(x,y),其中1≤x≤n,1≤y≤m;
步骤202、对待评价图像进行预处理;
在本发明实施例中,对待评价图像进行预处理的步骤具体包括:利用边缘保持滤波器为待评价图像滤除脉冲噪声,以有效减少噪声,从而减小由噪声引起的相邻像素灰度值的较大波动,尽量保持图像边缘,降低噪声对后续图像边缘确定过程的影响。
步骤203、从待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,则得到一个灰度矩阵V(I,J);
在所述灰度矩阵V(I,J)中,每个像素点的灰度值用V(i,j)表示,其中1≤T≤m-1;
步骤204、根据下列关系式在灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置:
V(i,j)>V(i,j+1)>V(i,j+2),其中1≤i≤n,1≤j≤m-2;
通常,图像中每行像素点会有多次灰度值的阶跃或屋顶变化,也会有少数背景噪声造成的灰度值下降。通过实验发现,在单一背景情况下,由噪声造成的灰度的变化范围不会很大,而且其间隔的像素点数也较小。但是如果对待评价图像中每一行像素点逐一进行比较,则较易产生误判,由噪声引起的部分像素点灰度值的变化会被误以为是灰度下降的垂直边缘。在本发明实施例中,为了有效解决上述问题并减少计算量,从待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,得到新的灰度矩阵V(I,J),其中1≤T≤m-1,然后从该灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值。如果是真正的灰度值下降的垂直边缘,则会有灰度值的连续下降,而噪声造成的灰度值变化范围不会很大,而且其间隔的像素点数也较小,这样就可以减少由噪声造成的边缘误判。由此便可确定待评价图像中每行灰度值连续下降间隔像素点个数最多的垂直边缘,并由该垂直边缘的灰度变化率代表该垂直边缘所在行的灰度变化率作为图像清晰度评价的依据。
在本发明实施例中,所述在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置的步骤具体包括:
判断每行中所述像素点个数的最大值是否只有一个;
当判断确定每行中所述像素点个数的最大值只有一个时,确定对应起止像素点的位置;
当判断确定每行中所述像素点个数的最大值不止一个时,则根据对应起止像素点的灰度值的差值确定灰度值相差最大的起止像素点的位置。
步骤205、根据起止像素点的位置在灰度矩阵V(I,J)中找出起止像素点间所有像素点的灰度值作为垂直边缘包含的像素点的灰度值。
在本发明实施例中,所述起止像素点间所有像素点的灰度值也包括起止像素点的灰度值。
步骤206、采用最小二乘法对垂直边缘包含的像素点的灰度值进行直线拟合,计算直线的斜率即为垂直边缘的灰度变化率Value;
步骤207、设置一初始值为0的变量a,每计算一次垂直边缘的灰度变化率,变量a的值加1;
步骤208、根据下列公式对待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到待评价图像的灰度变化率和S1:
S1=Σ|Value|;
步骤209、根据下列公式计算待评价图像的灰度变化率和的平均值S:
步骤210、根据待评价图像的灰度变化率和的平均值S对待评价图像的清晰度进行评价。
在本发明实施例中,步骤206至步骤210与本发明第一实施例中步骤104至步骤108描述的内容相似,此处不再赘述。
通过上述本发明实施例的实现可知,本发明通过从待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,得到新的灰度矩阵V(I,J),其中1≤T≤m-1,并在该灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置和起止像素点间所有像素点的灰度值,便可确定待评价图像中每行灰度值连续下降间隔像素点个数最多的垂直边缘,并由该垂直边缘的灰度变化率代表该垂直边缘所在行的灰度变化率作为图像清晰度评价的依据进行图像清晰度评价,不仅可避免噪声的影响,而且减少计算量,可以提供较为准确,可靠的评价结果,具有良好的单峰性、无偏性和灵敏性。
请参阅图3,为本发明第三实施例中一种图像清晰度评价装置的功能模块示意图。本发明实施例提供的图像清晰度评价装置,可以集成于智能终端设备中,该智能终端设备可以是智能手机、数码相机、平板电脑或者笔记本电脑等。如图3所示,本发明第三实施例提供的一种图像清晰度评价装置包括:
图像获取模块301,用于获取待评价图像;
图像预处理模块302,用于对待评价图像进行预处理;
边缘确定模块303,用于根据待评价图像中每行像素点的灰度值确定每行中灰度值下降的垂直边缘;
第一计算模块304,用于根据垂直边缘包含的像素点的灰度值计算垂直边缘的灰度变化率Value;
变量设置模块305,用于设置一初始值为0的变量a,每计算一次垂直边缘的灰度变化率,变量a的值加1;
第二计算模块306,用于根据下列公式对待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到待评价图像的灰度变化率和S1:
S1=Σ|Value|;
第三计算模块307,用于根据下列公式计算待评价图像的灰度变化率和的平均值S:
评价模块308,用于根据待评价图像的灰度变化率和的平均值S对待评价图像的清晰度进行评价。
在本发明实施例中,待评价图像可以为数字灰度图像,分辨率为m×n,其中m为所述待评价图像中每行的像素点个数,n为所述待评价图像中每列的像素点个数。
可选地,在本发明实施例中,图像预处理模块302具体包括:边缘保持滤波模块,用于为待评价图像滤除脉冲噪声。
优选地,在本发明实施例中,边缘确定模块303具体包括:
灰度提取模块,用于从待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,并得到一个灰度矩阵V(I,J),在灰度矩阵V(I,J)中,每个像素点的灰度值用V(i,j)表示,其中1≤T≤m-1;
第一确定模块,用于根据下列关系式在灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置:
V(i,j)>V(i,j+1)>V(i,j+2),其中1≤i≤n,1≤j≤m-2;
第一查找模块,用于根据起止像素点的位置在灰度矩阵V(I,J)中找出起止像素点间所有像素点的灰度值作为垂直边缘包含的像素点的灰度值。
其中,第一确定模块具体包括:
判断模块,用于判断每行中像素点个数的最大值是否只有一个;
第二确定模块,用于当判断确定每行中像素点个数的最大值只有一个时,确定对应起止像素点的位置;
第三确定模块,用于当判断确定每行中像素点个数的最大值不止一个时,则根据对应起止像素点的灰度值的差值确定灰度值相差最大的起止像素点的位置。
另外,另外,在本发明实施例中,第一计算模块304具体包括:
直线拟合模块,用于采用最小二乘法对所述灰度值进行直线拟合,计算所述直线的斜率即为所述垂直边缘的灰度变化率Value。
由上述实现可知,本发明实施例提供的图像清晰度评价装置通过图像获取模块301获取待评价图像并利用图像预处理模块302对待评价图像进行预处理,然后通过边缘确定模块303根据待评价图像中每行像素点的灰度值确定每行中灰度值下降的垂直边缘,第一计算模块304根据垂直边缘包含的像素点的灰度值计算垂直边缘的灰度变化率Value,变量设置模块305设置一初始值为0的变量a,每计算一次垂直边缘的灰度变化率,变量a的值加1,第二计算模块306对待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,得到待评价图像的灰度变化率和S1,第三计算模块307计算待评价图像的灰度变化率和的平均值S,最后由评价模块308根据待评价图像的灰度变化率和的平均值S对待评价图像的清晰度进行评价,不仅可以提供较为准确,可靠的评价结果,而且适用范围广泛,具有良好的单峰性、无偏性和灵敏性。
为了验证本发明实施例所提供的图像清晰度评价方法的效果,对各种不同清晰程度的图像序列进行清晰度评价,并与传统的相邻像素灰度方差法(下文简称SMD法)和方差法进行对比。
如图4所示,为按照调焦顺序采集到的不同清晰程度的红外图像序列。图4中共有八幅图像,每幅图像的分辨率均为320×240,可以看出,其中最清晰的图片为第五幅图片。为了验证本发明实施例所述方法的有效性,对该组红外图像序列分别采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法进行清晰度评价,归一化后的实验结果对比如图5所示,传统方差法的评价效果较差,出现了多个峰值,不满足单峰性、无偏性和灵敏性,而本发明实施例所述方法则具有良好的单峰性、无偏性和灵敏性。
为了证明本发明实施例所述方法的适用范围,下面对一组不同清晰程度的简单可见光图像序列,采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法来进行对比。如图6所示,为一组不同清晰程度的简单可见光图像序列,其中第四幅图像最清晰。对该组简单可见光图像序列分别采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法进行清晰度评价并进行归一化后的实验结果如图7所示。由实验结果可知,本发明实施例所述图像清晰度评价方法具有良好的单峰性、无偏性和灵敏性,而传统方差法对图像的清晰度变化不敏感,传统SMD法也不满足灵敏性和无偏性要求。
下面将对一组不同清晰程度的复杂可见光图像序列,采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法来进行对比。如图8所示,为一组不同清晰程度的复杂可见光图像序列,其中第四幅图像最清晰。对该组复杂可见光图像序列分别采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法进行清晰度评价并进行归一化后的实验结果如图9所示。由实验结果可知,本发明实施例所述图像清晰度评价方法具有良好的单峰性、无偏性和灵敏性,而传统方差法不满足无偏性,对图像的清晰度变化也不敏感。
上述两组实验用图像序列均为散焦模糊图像,下面将对一组不同清晰程度的运动图像序列,采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法来进行对比。如图10所示,为一组不同清晰程度的运动图像序列,其中第四幅图像是原始图像,其他均为水平运动方向上不同模糊距离的图像,由图可知从第一到第四幅图像模糊度递减,从第四到第六幅图像模糊度递增。对该组运动图像序列分别采用本发明实施例所述方法以及传统相邻像素灰度方差法和方差法进行清晰度评价并进行归一化后的实验结果如图11所示。由实验结果可知,本发明实施例所述图像清晰度评价方法同时具有良好的单峰性、无偏性和灵敏性,而传统方差法和SMD法均不满足单峰性和无偏性。
综上所述,本发明实施例提供的图像清晰度评价方案对各种不同图像都可以提供较为准确,可靠的评价结果,适用范围广泛而且具有良好的单峰性、无偏性和灵敏性,为图像质量的评价提供了重要的参考。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本发明所提供的一种图像清晰度评价方法及装置的描述,对于本领域的技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种图像清晰度评价方法,其特征在于,所述方法包括:
图像清晰度评价装置获取待评价图像;
对所述待评价图像进行预处理;
根据所述待评价图像中每行像素点的灰度值确定所述待评价图像中每行灰度值下降的垂直边缘;
根据所述垂直边缘包含的像素点的灰度值计算所述垂直边缘的灰度变化率Value;
设置一初始值为0的变量a,每计算一次所述垂直边缘的灰度变化率,变量a的值加1;
根据下列公式对所述待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到所述待评价图像的灰度变化率和S1:
S1=∑|Value|;
根据下列公式计算所述待评价图像的灰度变化率和的平均值S:
根据所述待评价图像的灰度变化率和的平均值S对所述待评价图像的清晰度进行评价。
2.根据权利要求1所述的方法,其特征在于,所述待评价图像的分辨率为m×n,其中m为所述待评价图像中每行的像素点个数,n为所述待评价图像中每列的像素点个数;所述根据所述待评价图像中每行像素点的灰度值确定所述待评价图像中每行灰度值下降的垂直边缘的步骤具体包括:
从所述待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,则得到一个灰度矩阵V(I,J),在所述灰度矩阵V(I,J)中,每个像素点的灰度值用V(i,j)表示,其中1≤T≤m-1;
根据下列关系式在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置:
V(i,j)>V(i,j+1)>V(i,j+2),其中1≤i≤n,1≤j≤m-2;
根据所述起止像素点的位置在所述灰度矩阵V(I,J)中找出所述起止像素点间所有像素点的灰度值作为所述垂直边缘包含的像素点的灰度值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述关系式在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置的步骤具体包括:
判断每行中所述像素点个数的最大值是否只有一个;
当判断确定每行中所述像素点个数的最大值只有一个时,确定对应起止像素点的位置;
当判断确定每行中所述像素点个数的最大值不止一个时,则根据对应起止像素点的灰度值的差值确定灰度值相差最大的起止像素点的位置。
4.根据权利要求1所述的方法,其特征在于,所述根据所述垂直边缘包含的像素点的灰度值计算所述垂直边缘的灰度变化率Value的步骤具体包括:
采用最小二乘法对所述灰度值进行直线拟合,计算所述直线的斜率即为所述垂直边缘的灰度变化率Value。
5.根据权利要求1所述的方法,其特征在于,所述对所述待评价图像进行预处理的步骤具体包括:利用边缘保持滤波器为所述待评价图像滤除脉冲噪声。
6.一种图像清晰度评价装置,其特征在于,所述装置包括:
图像获取模块,用于获取待评价图像;
图像预处理模块,用于对所述待评价图像进行预处理;
边缘确定模块,用于根据所述待评价图像中每行像素点的灰度值确定所述待评价图像中每行灰度值下降的垂直边缘;
第一计算模块,用于根据所述垂直边缘包含的像素点的灰度值计算所述垂直边缘的灰度变化率Value;
变量设置模块,用于设置一初始值为0的变量a,每计算一次所述垂直边缘的灰度变化率,变量a的值加1;
第二计算模块,用于根据下列公式对所述待评价图像中所有行的垂直边缘的灰度变化率Value的绝对值求和,则得到所述待评价图像的灰度变化率和S1:
第三计算模块,用于根据下列公式计算所述待评价图像的灰度变化率和的平均值S:
评价模块,用于根据所述待评价图像的灰度变化率和的平均值S对所述待评价图像的清晰度进行评价。
7.根据权利要求6所述的装置,其特征在于,所述待评价图像的分辨率为m×n,其中m为所述待评价图像中每行的像素点个数,n为所述待评价图像中每列的像素点个数;所述边缘确定模块具体包括:
灰度提取模块,用于从所述待评价图像的每行像素点中每隔T个像素点取出一个像素点的灰度值,得到一个灰度矩阵V(I,J),在所述灰度矩阵V(I,J)中,每个像素点的灰度值用V(i,j)表示,其中1≤T≤m-1;
第一确定模块,用于根据下列关系式在所述灰度矩阵V(I,J)中确定每行中灰度值连续下降的起止像素点间隔的像素点个数的最大值以及对应起止像素点的位置:
V(i,j)>V(i,j+1)>V(i,j+2),其中1≤i≤n,1≤j≤m-2;
第一查找模块,用于根据所述起止像素点的位置在所述灰度矩阵V(I,J)中找出所述起止像素点间所有像素点的灰度值作为所述垂直边缘包含的像素点的灰度值。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块具体包括:
判断模块,用于判断每行中所述像素点个数的最大值是否只有一个;
第二确定模块,用于当判断确定每行中所述像素点个数的最大值只有一个时,确定对应起止像素点的位置;
第三确定模块,用于当判断确定每行中所述像素点个数的最大值不止一个时,则根据对应起止像素点的灰度值的差值确定灰度值相差最大的起止像素点的位置。
9.根据权利要求6所述的装置,其特征在于,所述第一计算模块具体包括:
直线拟合模块,用于采用最小二乘法对所述灰度值进行直线拟合,计算所述直线的斜率即为所述垂直边缘的灰度变化率Value。
10.根据权利要求6所述的装置,其特征在于,所述图像预处理模块具体包括:边缘保持滤波模块,用于为所述待评价图像滤除脉冲噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610491032.5A CN106127775A (zh) | 2016-06-28 | 2016-06-28 | 图像清晰度评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610491032.5A CN106127775A (zh) | 2016-06-28 | 2016-06-28 | 图像清晰度评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106127775A true CN106127775A (zh) | 2016-11-16 |
Family
ID=57285078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610491032.5A Pending CN106127775A (zh) | 2016-06-28 | 2016-06-28 | 图像清晰度评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127775A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934804A (zh) * | 2017-03-13 | 2017-07-07 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN108074237A (zh) * | 2017-12-28 | 2018-05-25 | 广东欧珀移动通信有限公司 | 图像清晰度检测方法、装置、存储介质及电子设备 |
CN108184110A (zh) * | 2017-12-25 | 2018-06-19 | 南京巨鲨显示科技有限公司 | 一种用于医用显示器的图像清晰度测量装置及方法 |
CN108182404A (zh) * | 2017-12-28 | 2018-06-19 | 上海传英信息技术有限公司 | 一种基于智能终端的照片分享方法及照片分享系统 |
CN109089052A (zh) * | 2018-10-18 | 2018-12-25 | 浙江宇视科技有限公司 | 一种目标物体的验证方法及装置 |
CN110136105A (zh) * | 2019-04-28 | 2019-08-16 | 西安理工大学 | 一种基于方差和平滑度的同一内容图像的清晰度评价方法 |
WO2019210707A1 (zh) * | 2018-05-02 | 2019-11-07 | 杭州海康威视数字技术股份有限公司 | 一种图像清晰度评测方法、装置及电子设备 |
CN110942442A (zh) * | 2018-09-20 | 2020-03-31 | 浙江宇视科技有限公司 | 图像通透度计算方法及装置 |
CN110956624A (zh) * | 2019-12-02 | 2020-04-03 | 河海大学常州校区 | 一种针对立体物体的图像清晰度评价方法 |
CN111122126A (zh) * | 2019-12-31 | 2020-05-08 | 北京灵犀微光科技有限公司 | 光学系统清晰度测试方法和装置 |
CN111599294A (zh) * | 2020-05-26 | 2020-08-28 | 昆山国显光电有限公司 | 显示屏颗粒感的评测方法和装置 |
CN115049954A (zh) * | 2022-05-09 | 2022-09-13 | 北京百度网讯科技有限公司 | 目标识别方法、装置、电子设备和介质 |
CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
-
2016
- 2016-06-28 CN CN201610491032.5A patent/CN106127775A/zh active Pending
Non-Patent Citations (2)
Title |
---|
徐贵力 等: "一种图像清晰度评价方法", 《红外与激光工程》 * |
徐贵力 等: "红外图像清晰度评价新方法", 《第二届红外成像系统仿真、测试与评价技术研讨会论文集》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934804B (zh) * | 2017-03-13 | 2019-12-13 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN106934804A (zh) * | 2017-03-13 | 2017-07-07 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN108184110A (zh) * | 2017-12-25 | 2018-06-19 | 南京巨鲨显示科技有限公司 | 一种用于医用显示器的图像清晰度测量装置及方法 |
CN108184110B (zh) * | 2017-12-25 | 2020-07-17 | 南京巨鲨显示科技有限公司 | 一种用于医用显示器的图像清晰度测量装置及方法 |
CN108074237A (zh) * | 2017-12-28 | 2018-05-25 | 广东欧珀移动通信有限公司 | 图像清晰度检测方法、装置、存储介质及电子设备 |
CN108182404A (zh) * | 2017-12-28 | 2018-06-19 | 上海传英信息技术有限公司 | 一种基于智能终端的照片分享方法及照片分享系统 |
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 |
CN110458789A (zh) * | 2018-05-02 | 2019-11-15 | 杭州海康威视数字技术股份有限公司 | 一种图像清晰度评测方法、装置及电子设备 |
CN110458789B (zh) * | 2018-05-02 | 2022-04-05 | 杭州海康威视数字技术股份有限公司 | 一种图像清晰度评测方法、装置及电子设备 |
WO2019210707A1 (zh) * | 2018-05-02 | 2019-11-07 | 杭州海康威视数字技术股份有限公司 | 一种图像清晰度评测方法、装置及电子设备 |
CN110942442A (zh) * | 2018-09-20 | 2020-03-31 | 浙江宇视科技有限公司 | 图像通透度计算方法及装置 |
CN110942442B (zh) * | 2018-09-20 | 2022-11-25 | 浙江宇视科技有限公司 | 图像通透度计算方法及装置 |
CN109089052B (zh) * | 2018-10-18 | 2020-09-01 | 浙江宇视科技有限公司 | 一种目标物体的验证方法及装置 |
CN109089052A (zh) * | 2018-10-18 | 2018-12-25 | 浙江宇视科技有限公司 | 一种目标物体的验证方法及装置 |
CN110136105A (zh) * | 2019-04-28 | 2019-08-16 | 西安理工大学 | 一种基于方差和平滑度的同一内容图像的清晰度评价方法 |
CN110136105B (zh) * | 2019-04-28 | 2022-12-09 | 瞰融云计算科技(盐城)有限公司 | 一种基于方差和平滑度的同一内容图像的清晰度评价方法 |
CN110956624A (zh) * | 2019-12-02 | 2020-04-03 | 河海大学常州校区 | 一种针对立体物体的图像清晰度评价方法 |
CN111122126B (zh) * | 2019-12-31 | 2022-03-22 | 北京灵犀微光科技有限公司 | 光学系统清晰度测试方法和装置 |
CN111122126A (zh) * | 2019-12-31 | 2020-05-08 | 北京灵犀微光科技有限公司 | 光学系统清晰度测试方法和装置 |
CN111599294A (zh) * | 2020-05-26 | 2020-08-28 | 昆山国显光电有限公司 | 显示屏颗粒感的评测方法和装置 |
CN115049954A (zh) * | 2022-05-09 | 2022-09-13 | 北京百度网讯科技有限公司 | 目标识别方法、装置、电子设备和介质 |
CN115049954B (zh) * | 2022-05-09 | 2023-09-22 | 北京百度网讯科技有限公司 | 目标识别方法、装置、电子设备和介质 |
CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127775A (zh) | 图像清晰度评价方法及装置 | |
CN108288027A (zh) | 一种图像质量的检测方法、装置及设备 | |
CN110210276A (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
CN101470809B (zh) | 一种基于扩展混合高斯模型的运动目标检测方法 | |
CN107169463A (zh) | 人脸检测方法、装置、计算机设备及存储介质 | |
CN105740775A (zh) | 一种三维人脸活体识别方法及其装置 | |
CN110070115B (zh) | 一种单像素攻击样本生成方法、装置、设备及存储介质 | |
CN109145766A (zh) | 模型训练方法、装置、识别方法、电子设备及存储介质 | |
Jeon et al. | Ring difference filter for fast and noise robust depth from focus | |
CN110046617A (zh) | 一种基于深度学习的数字电表读数自适应识别方法 | |
Pavel et al. | Recurrent convolutional neural networks for object-class segmentation of RGB-D video | |
CN104200487A (zh) | 一种基于orb特征点匹配的目标跟踪方法 | |
CN107945210A (zh) | 基于深度学习和环境自适应的目标跟踪算法 | |
CN116342601B (zh) | 基于边缘引导和多层级搜索的图像篡改检测方法 | |
CN106504207A (zh) | 一种图像数据处理方法 | |
CN113592911A (zh) | 表观增强深度目标跟踪方法 | |
KR20080058366A (ko) | 피처 추출을 위한 마이크로구조의 모델링을 위한 방법 및시스템 | |
US20210256717A1 (en) | Edge-guided ranking loss for monocular depth prediction | |
US8428369B2 (en) | Information processing apparatus, information processing method, and program | |
Zhang et al. | New mixed adaptive detection algorithm for moving target with big data | |
CN101996312B (zh) | 跟踪目标的方法和装置 | |
Devadethan et al. | Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing | |
Singh et al. | Gaussian and Laplacian of Gaussian weighting functions for robust feature based tracking | |
CN111368602A (zh) | 人脸图像模糊程度评价方法、装置、可读存储介质及设备 | |
CN113807407B (zh) | 目标检测模型训练方法、模型性能检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161116 |
|
WD01 | Invention patent application deemed withdrawn after publication |