CN106204524A - 一种评价图像质量的方法及装置 - Google Patents

Abstract

本发明实施例公开了一种评价图像质量的方法及装置，获取预设的评价图像质量的算法和对应的图像数据；根据所述算法和所述图像数据获取评价图像质量的结果，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，从工业视觉最关注的清晰度、对比度、噪声三个角度综合进行评价，多角度的评价更能准确地客观地反映成像质量；针对工业视觉领域，从更专业的角度提出了一套与工业现场对图像质量需求最为契合的成像质量评价方法，解决了现有图像质量评价方法不适用于工业视觉领域的问题。

Description

一种评价图像质量的方法及装置

技术领域

本发明实施例涉及工业图像的技术领域，尤其涉及一种评价图像质量的方法及装置。

背景技术

在图像的获取、传输过程中可能会由于种种因素造成图像质量退化。例如，由于物体运动、镜头虚焦等可能会造成图像模糊；由于光源与物体材质的配合、光源照射的角度等可能会造成对比度较低；由于CCD芯片温度、光照、信道传输干扰等可能会造成图像噪声。

在工业应用中，图像质量直接影响到视觉方案的设计及视觉处理的精度与效率，同时，从图像质量的评价信息可以定量获知光学系统的安装信息与调试信息。

但是，目前大多数的图像质量评价方法几乎都是用于视频的压缩和传输领域的，主要衡量视频压缩、传输中解码图像与原始图像间的失真程度。而这些图像质量评价方法需要提供标准的参考图像，并不适用于工业视觉领域，且其关注的质量标准(例如相似性、边缘光滑性等)与工业视觉成像质量的关注点也相差较远。

发明内容

本发明实施例的目的在于提出一种评价图像质量的方法及装置，旨在解决如何提供一种能应用在工业视觉领域的图像质量的评价方法。

为达此目的，本发明实施例采用以下技术方案：

第一方面，一种评价图像质量的方法，其特征在于，所述方法包括：

获取预设的评价图像质量的算法和对应的图像数据；

根据所述算法和所述图像数据获取评价图像质量的结果；

其中，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，所述用于评价图像清晰度的算法包括图像差异模式算法、边缘梯度模式算法。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为所述图像差异模式算法，则获取每个图像像素点的强度值与预设间隔的图像像素点的强度值之差；

求和所述图像所有像素点的强度值之差；

获取所述强度值之差求和后的强度平均值，所述图像质量高低与所述强度平均值大小成正比关系。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为所述边缘梯度模式算法，则根据所述边缘梯度模式算法获取所述图像每个像素点的边缘幅值；

求和所述图像所有像素点的边缘幅值；

获取所述边缘幅值求和后的边缘幅值平均值，所述边缘幅值平均值大小与所述图像质量高低成正比关系。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为用于评价图像亮暗对比度的算法，则获取所述图像目标区域的灰度平均值和所述图像背景区域的灰度平均值；

获取所述图像目标区域的灰度值和所述图像背景区域的灰度平均值之差的绝对值，所述绝对值大小与所述图像质量高低成正比关系。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为用于评价图像噪声大小的信噪比算法，则获取多幅图像；

求和所有图像每个像素点的信噪比，并获取求和后的信噪比的平均值，所述图像质量高低与所述信噪比的平均值大小成正比关系。

第二方面，一种评价图像质量的装置，所述装置包括：

第一获取模块，用于获取预设的评价图像质量的算法和对应的图像数据；

第二获取模块，用于根据所述算法和所述图像数据获取评价图像质量的结果；

其中，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，所述用于评价图像清晰度的算法包括图像差异模式算法、边缘梯度模式算法。

优选地，所述第二获取模块，用于：

若所述算法为所述图像差异模式算法，则获取每个图像像素点的强度值与预设间隔的图像像素点的强度值之差；

求和所述图像所有像素点的强度值之差；

获取所述强度值之差求和后的强度平均值，所述图像质量高低与所述强度平均值大小成正比关系。

优选地，所述第二获取模块，用于：

若所述算法为所述边缘梯度模式算法，则根据所述边缘梯度模式算法获取所述图像每个像素点的边缘幅值；

求和所述图像所有像素点的边缘幅值；

获取所述边缘幅值求和后的边缘幅值平均值，所述边缘幅值平均值大小与所述图像质量高低成正比关系。

优选地，所述第二获取模块，用于：

若所述算法为用于评价图像亮暗对比度的算法，则获取所述图像目标区域的灰度平均值和所述图像背景区域的灰度平均值；

获取所述图像目标区域的灰度值和所述图像背景区域的灰度平均值之差的绝对值，所述绝对值大小与所述图像质量高低成正比关系。

优选地，所述第二获取模块，用于：

若所述算法为用于评价图像噪声大小的信噪比算法，则获取多幅图像；

求和所有图像每个像素点的信噪比，并获取求和后的信噪比的平均值，所述图像质量高低与所述信噪比的平均值大小成正比关系。

本发明实施例提供一种评价图像质量的方法及装置，获取预设的评价图像质量的算法和对应的图像数据；根据所述算法和所述图像数据获取评价图像质量的结果，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，从工业视觉最关注的清晰度、对比度、噪声三个角度综合进行评价，多角度的评价更能准确地客观地反映成像质量；针对工业视觉领域，从更专业的角度提出了一套与工业现场对图像质量需求最为契合的成像质量评价方法，解决了现有图像质量评价方法不适用于工业视觉领域的问题。

附图说明

图1是本发明实施例提供的一种评价图像质量的方法的流程示意图；

图2是本发明实施例提供的一种图像有效区域的示意图；

图3是本发明实施例提供的边缘梯度模式下的清晰图像和模糊图像边缘对比图；

图4是本发明实施例提供的一种同一场景下不同对比度的图像直方图；

图5是本发明实施例提供的一种单点位置处信噪比计算示意图；

图6是本发明实施例提供的一种评价图像质量的装置的功能模块示意图。

具体实施方式

下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。

参考图1，图1是本发明实施例提供的一种评价图像质量的方法的流程示意图。

在图1中，所述评价图像质量的方法包括：

步骤101，获取预设的评价图像质量的算法和对应的图像数据；

其中，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，所述用于评价图像清晰度的算法包括图像差异模式算法、边缘梯度模式算法。

步骤102，根据所述算法和所述图像数据获取评价图像质量的结果。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为所述图像差异模式算法，则获取每个图像像素点的强度值与预设间隔的图像像素点的强度值之差；

求和所述图像所有像素点的强度值之差；

获取所述强度值之差求和后的强度平均值，所述图像质量高低与所述强度平均值大小成正比关系。

具体的，图像差异模式用于比较图像某个特征边界指定偏移的两点间灰度差，如果差异越大，说明图像越清晰；否则说明图像越模糊。该种模式下，图像清晰度定义为所有对应像素灰度差异的平均值。

所述图像差异模式算法如下：

$\mathrm{Im}ageSharpnessScroe=\frac{1}{(M-Tx)(N-Ty)}\underset{i=0}{\overset{M-Tx-1}{\Σ}}\underset{j=0}{\overset{N-Ty-1}{\Σ}}|I(i,j)-I(i+Tx,j+Ty)|;$

其中：输入图像尺寸为M×N；Tx、Ty分别为用户设置的X偏移和Y偏移。对8位灰度图像，清晰度的值域范围为[0,255]。图像有效区域如图2所示。

图像差异模式清晰度度量有以下应用特点：

1)、需要用户知道感兴趣特征的尺寸。如果特征尺寸和定义的偏移有差异，将降低清晰度度量的可靠性；

2)、不能确定对角特征的清晰度；

3)、不适用于含高频信息较多的图像。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为所述边缘梯度模式算法，则根据所述边缘梯度模式算法获取所述图像每个像素点的边缘幅值；

求和所述图像所有像素点的边缘幅值；

获取所述边缘幅值求和后的边缘幅值平均值，所述边缘幅值平均值大小与所述图像质量高低成正比关系。

具体的，越清晰的图像应该具有越好的对比度，即灰度变化率越大。所以可以采用梯度体现灰度变化，即通过图像边缘的梯度来度量清晰度。如图3所示。可以采用边缘检测算子进行边缘检测，并计算边缘的梯度幅值：

$S=\sqrt{G_x^2+G_y^2}$

边缘梯度模式清晰度分数定义为：

$\mathrm{Im}ageSharpnessScroe=\frac{1}{\left(M-2\right)\left(N-2\right)}\underset{i=1}{\overset{M-2}{\Σ}}\underset{j=1}{\overset{N-2}{\Σ}}{S}_{ij};$

其中：输入图像尺寸为M×N。清晰度分数的值域范围为[0,255]。

边缘梯度模式清晰度度量有以下应用特点：

1)适用于高对比度、噪声较少的图像；

2)不适用于高频图像；

3)不适用于噪声较多的图像。

若所述算法为用于评价图像亮暗对比度的算法，则获取所述图像目标区域的灰度平均值和所述图像背景区域的灰度平均值；

获取所述图像目标区域的灰度值和所述图像背景区域的灰度平均值之差的绝对值，所述绝对值大小与所述图像质量高低成正比关系。

具体的，图像对比度就是图像亮暗的对比程度。假设图像可以简单分割为目标和背景，越清晰的图像则背景和目标的灰度差异应该会更大，越模糊图像二者差异会较小。如图4所示。

基于直方图的对比度计算方式，其定义如下式所示。即分别计算目标区域和背景区域的灰度平均值，然后求二者差值的绝对值。

C＝|F₁-F₂|

上式中，F₁为目标区域的灰度平均值，F₂为背景区域的灰度平均值。对比度C的取值范围为[0，255]。C越大，表示对比度越大；反之越小。

另外自动分割算法拟采用大津阈值法。这种计算对比度的方式仅适用于图像内容可以简单划分成目标和背景的场合。

优选地，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为用于评价图像噪声大小的信噪比算法，则获取多幅图像；

求和所有图像每个像素点的信噪比，并获取求和后的信噪比的平均值，所述图像质量高低与所述信噪比的平均值大小成正比关系。

具体的，图像中各种妨碍人们对其信息接受的因素。本质上是不可预测的、只能用概率统计方法来认识的多维随机过程(误差)。噪声完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。

噪声一般由其概率特征来描述，并采用信噪比SNR度量。图像信噪比指的系统信号与噪声的强度比，是衡量图像质量的关键参数之一。图像质量越好，则噪声越少，其信噪比越高；反之信噪比越低。

对于面阵相机上的某个像素点P，在系统条件(包括相机设置、光源、目标等)稳定不变时，连续采集N帧图像，记录每帧图像上P点的输出值P₁.P₂…P_n，P点的信噪比可采用如下公式计算：

$S/N=10*\lg \left(\frac{\underset{i=1}{\overset{N}{\Σ}}{P}_i^2}{\underset{i=1}{\overset{N}{\Σ}}{\left(P_i-\stackrel{\‾}{P}\right)}^2}\right)$

由于不同像素点的信噪比不一样，通常采用平均信噪比(面阵上各像素点信噪比的算术平均值)来综合评价整体画面质量。如图5所示，平均信噪比的定义如下：

$\stackrel{\‾}{S/N}=\frac{1}{XY}\underset{x}{\Σ}\underset{y}{\Σ}{(S/N)}_{xy}$

其中X、Y分别为所选用的点的坐标。

本发明实施例提供一种评价图像质量的方法，获取预设的评价图像质量的算法和对应的图像数据；根据所述算法和所述图像数据获取评价图像质量的结果，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，从工业视觉最关注的清晰度、对比度、噪声三个角度综合进行评价，多角度的评价更能准确地客观地反映成像质量；针对工业视觉领域，从更专业的角度提出了一套与工业现场对图像质量需求最为契合的成像质量评价方法，解决了现有图像质量评价方法不适用于工业视觉领域的问题。

参考图6，图6是本发明实施例提供的一种评价图像质量的装置的功能模块示意图。

如图6所示，所述评价图像质量的装置包括：

第一获取模块601，用于获取预设的评价图像质量的算法和对应的图像数据；

其中，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，所述用于评价图像清晰度的算法包括图像差异模式算法、边缘梯度模式算法。

第二获取模块602，用于根据所述算法和所述图像数据获取评价图像质量的结果；

优选地，所述第二获取模块，用于：

若所述算法为所述图像差异模式算法，则获取每个图像像素点的强度值与预设间隔的图像像素点的强度值之差；

求和所述图像所有像素点的强度值之差；

获取所述强度值之差求和后的强度平均值，所述图像质量高低与所述强度平均值大小成正比关系。

优选地，所述第二获取模块，用于：

若所述算法为所述边缘梯度模式算法，则根据所述边缘梯度模式算法获取所述图像每个像素点的边缘幅值；

求和所述图像所有像素点的边缘幅值；

获取所述边缘幅值求和后的边缘幅值平均值，所述边缘幅值平均值大小与所述图像质量高低成正比关系。

优选地，所述第二获取模块，用于：

若所述算法为用于评价图像亮暗对比度的算法，则获取所述图像目标区域的灰度平均值和所述图像背景区域的灰度平均值；

获取所述图像目标区域的灰度值和所述图像背景区域的灰度平均值之差的绝对值，所述绝对值大小与所述图像质量高低成正比关系。

优选地，所述第二获取模块，用于：

若所述算法为用于评价图像噪声大小的信噪比算法，则获取多幅图像；

求和所有图像每个像素点的信噪比，并获取求和后的信噪比的平均值，所述图像质量高低与所述信噪比的平均值大小成正比关系。

本发明实施例提供一种评价图像质量的装置，获取预设的评价图像质量的算法和对应的图像数据；根据所述算法和所述图像数据获取评价图像质量的结果，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，从工业视觉最关注的清晰度、对比度、噪声三个角度综合进行评价，多角度的评价更能准确地客观地反映成像质量；针对工业视觉领域，从更专业的角度提出了一套与工业现场对图像质量需求最为契合的成像质量评价方法，解决了现有图像质量评价方法不适用于工业视觉领域的问题。

以上结合具体实施例描述了本发明实施例的技术原理。这些描述只是为了解释本发明实施例的原理，而不能以任何方式解释为对本发明实施例保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明实施例的其它具体实施方式，这些方式都将落入本发明实施例的保护范围之内。

Claims (10)

1.一种评价图像质量的方法，其特征在于，所述方法包括：

获取预设的评价图像质量的算法和对应的图像数据；

根据所述算法和所述图像数据获取评价图像质量的结果；

其中，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，所述用于评价图像清晰度的算法包括图像差异模式算法、边缘梯度模式算法。

2.根据权利要求1所述的方法，其特征在于，根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为所述图像差异模式算法，则获取每个图像像素点的强度值与预设间隔的图像像素点的强度值之差；

求和所述图像所有像素点的强度值之差；

获取所述强度值之差求和后的强度平均值，所述图像质量高低与所述强度平均值大小成正比关系。

3.根据权利要求1所述的方法，其特征在于，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为所述边缘梯度模式算法，则根据所述边缘梯度模式算法获取所述图像每个像素点的边缘幅值；

求和所述图像所有像素点的边缘幅值；

获取所述边缘幅值求和后的边缘幅值平均值，所述边缘幅值平均值大小与所述图像质量高低成正比关系。

4.根据权利要求1所述的方法，其特征在于，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为用于评价图像亮暗对比度的算法，则获取所述图像目标区域的灰度平均值和所述图像背景区域的灰度平均值；

获取所述图像目标区域的灰度值和所述图像背景区域的灰度平均值之差的绝对值，所述绝对值大小与所述图像质量高低成正比关系。

5.根据权利要求1所述的方法，其特征在于，所述根据所述算法和所述图像数据获取评价图像质量的结果，包括：

若所述算法为用于评价图像噪声大小的信噪比算法，则获取多幅图像；

求和所有图像每个像素点的信噪比，并获取求和后的信噪比的平均值，所述图像质量高低与所述信噪比的平均值大小成正比关系。

6.一种评价图像质量的装置，其特征在于，所述装置包括：

第一获取模块，用于获取预设的评价图像质量的算法和对应的图像数据；

第二获取模块，用于根据所述算法和所述图像数据获取评价图像质量的结果；

其中，所述算法包括用于评价图像清晰度的算法、用于评价图像亮暗对比度的算法和/或用于评价图像噪声大小的信噪比算法，所述用于评价图像清晰度的算法包括图像差异模式算法、边缘梯度模式算法。

7.根据权利要求6所述的装置，其特征在于，所述第二获取模块，用于：

若所述算法为所述图像差异模式算法，则获取每个图像像素点的强度值与预设间隔的图像像素点的强度值之差；

求和所述图像所有像素点的强度值之差；

获取所述强度值之差求和后的强度平均值，所述图像质量高低与所述强度平均值大小成正比关系。

8.根据权利要求6所述的装置，其特征在于，所述第二获取模块，用于：

若所述算法为所述边缘梯度模式算法，则根据所述边缘梯度模式算法获取所述图像每个像素点的边缘幅值；

求和所述图像所有像素点的边缘幅值；

获取所述边缘幅值求和后的边缘幅值平均值，所述边缘幅值平均值大小与所述图像质量高低成正比关系。

9.根据权利要求6所述的装置，其特征在于，所述第二获取模块，用于：

若所述算法为用于评价图像亮暗对比度的算法，则获取所述图像目标区域的灰度平均值和所述图像背景区域的灰度平均值；

获取所述图像目标区域的灰度值和所述图像背景区域的灰度平均值之差的绝对值，所述绝对值大小与所述图像质量高低成正比关系。

10.根据权利要求6所述的装置，其特征在于，所述第二获取模块，用于：

若所述算法为用于评价图像噪声大小的信噪比算法，则获取多幅图像；

求和所有图像每个像素点的信噪比，并获取求和后的信噪比的平均值，所述图像质量高低与所述信噪比的平均值大小成正比关系。