CN106530286A - 确定清晰度级别的方法及装置 - Google Patents

Abstract

本申请实施例提供应用于虚拟现实中的确定清晰度级别方法及装置，属于虚拟现实技术领域。所述方法包括：解析接收的图像数据，获得所述图像数据的梯度数值；根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。本申请实施例在虚拟现实中可量化地确定出清晰度级别，提高了确定清晰度级别的准确度。

Description

确定清晰度级别的方法及装置

技术领域

本发明实施例涉及虚拟现实技术领域，尤其涉及一种确定清晰度级别方法及装置。

背景技术

虚拟现实技术综合了计算机图形技术、计算机仿真技术、传感器技术、显示技术等多种科学技术，它在多维信息空间上创建一个虚拟信息环境，能使用户具有身临其境的沉浸感，具有与环境完善的交互作用能力，并有助于启发构思。

在虚拟现实的应用领域中,透镜成像的效果是影响用户体验的一个关键因素。发明人发现现有技术中至少存在如下问题：当形成图像数据的光线穿过透镜后，在形成图像的时候，会出现图像模糊、图像畸变的现象，在种现象在光学上属于像差。引起这种现象的主要原因为光线的折射现象，即光线从一种透明介质斜射入另一种透明介质时，光的传播方向会发生改变。光学上的象差会使透镜成像的清晰度变低，并且不同材质的透镜在成像时的清晰度也不同，目前测评图像清晰度度的标准主要通过人眼识别，通过眼睛观察，直观的去判断透镜成像的清晰度，但当透镜成像的清晰度比较相近的情况时，人眼识别无法量化地、准确地确定清晰度级别。

因此，如何量化地、准确地测评虚拟现实中透镜成像的清晰度，成为现有技术中亟需解决的技术问题。

发明内容

有鉴于此，本申请解决的技术问题之一在于提供应用于虚拟现实中确定清晰度级别的方法及装置，用以克服现有技术中无法量化地、准确地确定清晰度级别的问题。

本申请实施例提供应用于虚拟现实中的一种确定清晰度级别的方法，包括：

解析接收的图像数据，获得所述图像数据的梯度数值；

根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。

可选地，在本申请一具体实施例中，所述解析接收的图像数据，获得所述图像数据的梯度数值包括：

解析所述接收的图像数据，确定所述图像数据的边缘区域；

获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

可选地，在本申请一具体实施例中，所述获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值包括：

获得所述边缘区域中像素点对应的色值，根据所述色值确定所述像素点对应的梯度信息；

根据所述像素点对应的梯度信息计算获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

可选地，在本申请一具体实施例中，所述边缘区域的梯度数值具体为：所述边缘区域中每个像素点对应梯度数值的平均值。

可选地，在本申请一具体实施例中，所述根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别包括：

将所述梯度数值与预设的清晰度级别对应的梯度数值范围进行比较，获得所述梯度数值所落入的梯度数值范围；

将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

本申请实施例提供应用于虚拟现实中的一种确定清晰度级别的装置，包括：

图像解析模块，用于解析接收的图像数据，获得所述图像数据的梯度数值；

级别确定模块，用于根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。

可选地，在本申请一具体实施例中，数值获得模块包括：

边缘确定单元，用于解析所述图像数据，确定所述图像数据的边缘区域；

数值设置单元，用于获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

可选地，在本申请一具体实施例中，所述数值设置单元包括：

色值计算子单元，用于获得所述边缘区域中像素点对应的色值，根据所述色值确定所述像素点对应的梯度信息；

梯度确定子单元，用于根据所述像素点对应的梯度信息计算获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

可选地，在本申请一具体实施例中，所述边缘区域的梯度数值具体为：所述边缘区域中每个像素点对应梯度数值的平均值。

可选地，在本申请一具体实施例中，所述级别确定模块包括：

数值比较单元，将所述梯度数值与预设的清晰度级别对应的梯度数值范围进行比较，获得所述梯度数值所落入的梯度数值范围；

级别对应单元，将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

由以上技术方案可见，本申请实施例获得光线穿过所述透镜后形成的图像数据；解析所述图像数据，获得所述图像数据的梯度数值；根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别，通过以上方法可在虚拟现实中量化地确定出清晰度级别，提高了确定清晰度级别的准确度。

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实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本申请一种虚拟现实中确定清晰度级别方法一实施例的流程图；

图2是本申请一种虚拟现实中确定清晰度级别方法另一实施例的流程图；

图3是本申请一种虚拟现实中确定清晰度级别方法另一实施例的流程图；

图4是本申请一种虚拟现实中确定清晰度级别方法另一实施例的流程图；

图5是本申请一种虚拟现实中确定清晰度级别装置一实施例的结构图；

图6是本申请一种虚拟现实中确定清晰度级别装置中图像解析模块的结构图；

图7是本申请一种虚拟现实中确定清晰度级别装置中数值设置单元的结构图；

图8是本申请一种虚拟现实中确定清晰度级别装置中级别确定模块的结构图；

图9是本申请执行虚拟现实中确定清晰度级别的一些电子设备的硬件结构示意图。

具体实施方式

本申请实施例解析接收到的图像数据，获得所述图像数据的梯度数值；并根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。本申请实施例在虚拟现实中量化地确定清晰度级别，提高了确定清晰度级别的准确性。

当然，实施本发明实施例的任一技术方案必不一定需要同时达到以上的所有优点。

为了使本领域的人员更好地理解本发明实施例中的技术方案，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，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。

下面结合本发明实施例附图进一步说明本发明实施例具体实现。

实施例一

如图1所示，本申请提供一种虚拟现实中确定清晰度级别的方法，包括：

S1、解析接收的图像数据，获得所述图像数据的梯度数值；

本实施例中，所述接收的图像数据可以是将形成图像数据的光线穿过虚拟现实中透镜后获得的图像数据。

具体地，本实施例中，所述接收的图像数据可以是对原始图像进行模糊处理(Blurring)后的图像数据，所述模糊处理也称为平滑处理(Smoothing)。所述模糊处理包括光学手段和软件手段，通过光学手段，即将形成图像数据的光线穿过虚拟现实中透镜，以获得的穿过透镜的图像数据；通过软件手段，例如，使用PhotoShop中的滤镜功能，可以对图像进行模糊处理；当然，还可使用模糊处理算法对原始图像进行模糊处理，例如，可使用均值滤波算法(Simple Blurring)或高斯滤波算法(Gaussian Blurring)处理原始图像数据。

具体地，在本实施例中，可使用感光设备接收所述图像数据，例如，使用照相机或摄像机拍摄获得光线穿过透镜后形成的图像数据。

本实施例中，所述梯度是指像素点相对于相邻像素点的像素变化程度。所述梯度的属性具体可由梯度信息确定。所述梯度信息可包括梯度幅值和梯度方向，根据梯度方向，可将梯度分为横向梯度(x轴方向)和纵向梯度(y轴方向)。所述横向梯度为像素点与横向相邻像素点的像素变化程度，所述纵向梯度为像素点与纵向相邻像素点的像素变化程度。

本实施例中，所述梯度数值可以是反映所述图像数据整体梯度属性的值，。所述梯度数值可以是对全部像素点对应横向梯度和纵向梯度的平均值。通过计算每个像素点的梯度数字，获得图像的梯度数值。

S2、根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。

本实施例中，所述清晰度级别与所述梯度数值范围存在一定的对应关系，该对应关系可以是预设的。

本实施例中，可将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

本实施例解析接收到的图像数据，获得所述图像数据的梯度数值；并根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。本实施例在虚拟现实中量化地确定清晰度级别，提高了确定清晰度级别的准确性。

实施例二

如图2所示，所述步骤S1包括：

S11、解析所述接收的图像数据，确定所述图像数据的边缘区域；

本实施例中，所述图像数据的边缘区域为：周围像素灰度有明显变化的那些像素的集合。所述边缘区域表现出来可以是图像数据中物体的轮廓区域。

本实施例提供一种确定边缘区域的方法：通过边缘检测的方法确定所述图像数据的边缘区域。所述边缘检测通过计算图像数据中像素点的色值(RGB)，获得像素点的梯度值，并根据像素点的梯度值确定出边缘区域内像素点的坐标。边缘检测是图像处理或计算机视觉中常用的图像处理方法，属于现有技术，在此不再赘述。

本实施例提供另一种确定边缘区域的方法，将黑白网格形成的原始图像进行模糊化处理，所述原始图像中的像素点只包括黑白两种色值，分别为：(0，0，0)和(255，255，255)；解析模糊处理后的图像数据，如果像素点对应的色值不与(0，0，0)或(255，255，255)相同，则判定当前像素点位于所述边缘区域内。本方法的步骤简单，不对像素点的梯度信息运算处理，只分析像素点的色值，减少了处理器的运算量，提高了确定边缘区域时的速度。

S12、获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

具体地，本实施例中，所述梯度数值可以是对边缘区域内全部像素点对应横向梯度和纵向梯度的平均值。

在本实施例中，将边缘区域的梯度数值作为整个所述图像数据的梯度数值，避免对所述图像数据中每个像素点进行运算处理，进一步减少了处理器的运算量，提高了确定图像数据梯度数值时的速度。

实施例三

如图3所示，所述步骤S12包括：

S121、获得所述边缘区域中像素点对应的色值，根据所述色值确定所述像素点对应的梯度信息；

本实施例中，所述梯度信息可包括梯度幅值和梯度方向，根据梯度方向，可将梯度分为横向梯度和纵向梯度。

本实施例中，根据色值计算获得像素点对应的梯度信息，如下公式所示：

dx(i,j)＝V(i+1,j)-V(i,j)

dy(i,j)＝V(i,j+1)-V(i,j)

其中，i为所述边缘区域内像素点的横坐标，j为边缘区域内像素点的纵坐标，V为像素点的色值，dx为横向梯度，dy为纵向梯度。

S122、根据所述像素点对应的梯度信息计算获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

本实施例提供一种根据所述梯度信息计算梯度数值如下公式所示：

G(x)＝[|dx(1,1)|+|dx(1,2)|+…+|dx(m,n)|]/N

G(y)＝[|dy(1,1)|+|dy(1,2)|+…+|dy(m,n)|]/N

G＝[G(x)+G(y)]/2

其中，m为边缘区域内像素点的横坐标，n为边缘区域内像素点的纵坐标，，N为所述边缘区域内的像素点的个数，dx为像素点的横向梯度，dy为像素点的纵向梯度，G(x)为横向平均梯度，G(y)为纵向平均梯度，G为所述图像的梯度数值。

当然，所述梯度数值可以是反映所述图像数据整体梯度属性的值，上述公式中还可以是横向平均梯度G(x)与纵向平均梯度G(y)的总和，再次不再赘述。

实施例四

如图4所示，所述步骤S2包括：

S21、将所述梯度数值与预设的清晰度级别对应的梯度数值范围进行比较，获得所述梯度数值所落入的梯度数值范围。

本实施例中，所述梯度取值范围可根据若干预设的阈值进行确定；例如，可使用第一阈值与第二阈值确定第一取值范围，使用第二阈值与第三阈值确定第二取值范围，并依此类推。所述取值范围的个数与阈值的选择可根据实际需要进行设置。

本实施例中，可将所述梯度数值与预设的阈值进行比较操作，从而确定所述梯度数值落入的梯度数值范围。

S22、将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

本实施例中，所述清晰度级别与所述梯度数值范围存在一定的对应关系，该对应关系可以是预设的。例如，第一取值范围对应于级别一、第二取值范围对应于级别二，第三取值范围对应级别三，并依此类推。根据该对应关系确定所述图像数据的清晰度级别。

实施例五

如图5所示，本申请提供一种虚拟现实中确定清晰度级别的装置，包括：

图像解析模块50，用于解析接收的图像数据，获得所述图像数据的梯度数值；

本实施例中，所述接收的图像数据可以是将形成图像数据的光线穿过虚拟现实中透镜后获得的图像数据。

具体地，本实施例中，所述接收的图像数据可以是对原始图像进行模糊处理(Blurring)后的图像数据，所述模糊处理也称为平滑处理(Smoothing)。所述模糊处理包括光学手段和软件手段，通过光学手段，即将形成图像数据的光线穿过虚拟现实中透镜，以获得的穿过透镜的图像数据；通过软件手段，例如，使用PhotoShop中的滤镜功能，可以对图像进行模糊处理；当然，还可使用模糊处理算法对原始图像进行模糊处理，例如，可使用均值滤波算法(Simple Blurring)或高斯滤波算法(Gaussian Blurring)处理原始图像数据。

具体地，在本实施例中，可使用感光设备接收所述图像数据，例如，使用照相机或摄像机拍摄获得光线穿过透镜后形成的图像数据。

本实施例中，所述梯度是指像素点相对于相邻像素点的像素变化程度。所述梯度的属性具体可由梯度信息确定。所述梯度信息可包括梯度幅值和梯度方向，根据梯度方向，可将梯度分为横向梯度(x轴方向)和纵向梯度(y轴方向)。所述横向梯度为像素点与横向相邻像素点的像素变化程度，所述纵向梯度为像素点与纵向相邻像素点的像素变化程度。

本实施例中，所述梯度数值可以是反映所述图像数据整体梯度属性的值，。所述梯度数值可以是对全部像素点对应横向梯度和纵向梯度的平均值。通过计算每个像素点的梯度数字，获得图像的梯度数值。

级别确定模块60，用于根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。

本实施例中，所述清晰度级别与所述梯度数值范围存在一定的对应关系，该对应关系可以是预设的。

本实施例中，可将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

本实施例解析接收到的图像数据，获得所述图像数据的梯度数值；并根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。本实施例在虚拟现实中量化地确定清晰度级别，提高了确定清晰度级别的准确性。

实施例六

如图6所示，所述图像解析模块50包括：

边缘确定单元51，用于解析所述接收的图像数据，确定所述图像数据的边缘区域；

本实施例中，所述图像数据的边缘区域为：周围像素灰度有明显变化的那些像素的集合。所述边缘区域表现出来可以是图像数据中物体的轮廓区域。

本实施例提供一种确定边缘区域的方法：通过边缘检测的方法确定所述图像数据的边缘区域。所述边缘检测通过计算图像数据中像素点的色值(RGB)，获得像素点的梯度值，并根据像素点的梯度值确定出边缘区域内像素点的坐标。边缘检测是图像处理或计算机视觉中常用的图像处理方法，属于现有技术，在此不再赘述。

本实施例提供另一种确定边缘区域的方法，将黑白网格形成的原始图像进行模糊化处理，所述原始图像中的像素点只包括黑白两种色值，分别为：(0，0，0)和(255，255，255)；解析模糊处理后的图像数据，如果像素点对应的色值不与(0，0，0)或(255，255，255)相同，则判定当前像素点位于所述边缘区域内。本方法的步骤简单，不对像素点的梯度信息运算处理，只分析像素点的色值，减少了处理器的运算量，提高了确定边缘区域时的速度。

数值设置单元52，用于获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

具体地，本实施例中，所述梯度数值可以是对边缘区域内全部像素点对应横向梯度和纵向梯度的平均值。

在本实施例中，将边缘区域的梯度数值作为整个所述图像数据的梯度数值，避免对所述图像数据中每个像素点进行运算处理，进一步减少了处理器的运算量，提高了确定图像数据梯度数值时的速度。

实施例七

如图7所示，所述数值设置单元52包括：

色值计算子单元521，用于获得所述边缘区域中像素点对应的色值，根据所述色值确定获得所述像素点对应的梯度信息；

本实施例中，所述梯度信息可包括梯度幅值和梯度方向，根据梯度方向，可将梯度分为横向梯度和纵向梯度。

本实施例中，根据色值计算获得像素点对应的梯度信息，如下公式所示：

dx(i,j)＝V(i+1,j)-V(i,j)

dy(i,j)＝V(i,j+1)-V(i,j)

其中，i为所述边缘区域内像素点的横坐标，j为边缘区域内像素点的纵坐标，V为像素点的色值，dx为横向梯度，dy为纵向梯度。

梯度确定子单元522，用于根据所述像素点对应的梯度信息计算获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

本实施例提供一种根据所述梯度信息计算梯度数值如下公式所示：

G(x)＝[|dx(1,1)|+|dx(1,2)|+…+|dx(m,n)|]/N

G(y)＝[|dy(1,1)|+|dy(1,2)|+…+|dy(m,n)|]/N

G＝[G(x)+G(y)]/2

其中，m为边缘区域内像素点的横坐标，n为边缘区域内像素点的纵坐标，，N为所述边缘区域内的像素点的个数，dx为像素点的横向梯度，dy为像素点的纵向梯度，G(x)为横向平均梯度，G(y)为纵向平均梯度，G为所述图像的梯度数值。

当然，所述梯度数值可以是反映所述图像数据整体梯度属性的值，上述公式中还可以是横向平均梯度G(x)与纵向平均梯度G(y)的总和，再次不再赘述。

实施例八

如图8所示，所述级别确定模块60包括：

数值比较单元61，用于将所述梯度数值与预设的清晰度级别对应的梯度数值范围进行比较，获得所述梯度数值所落入的梯度数值范围。

本实施例中，所述梯度取值范围可根据若干预设的阈值进行确定；例如，可使用第一阈值与第二阈值确定第一取值范围，使用第二阈值与第三阈值确定第二取值范围，并依此类推。所述取值范围的个数与阈值的选择可根据实际需要进行设置。

本实施例中，可将所述梯度数值与预设的阈值进行比较操作，从而确定所述梯度数值落入的梯度数值范围。

级别对应单元62，用于将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

本实施例中，所述清晰度级别与所述梯度数值范围存在一定的对应关系，该对应关系可以是预设的。例如，第一取值范围对应于级别一、第二取值范围对应于级别二，第三取值范围对应级别三，并依此类推。根据该对应关系确定所述图像数据的清晰度级别。

图9是本申请执行确定清晰度级别方法的一些电子设备的硬件结构示意图。根据图9所示，该设备包括：

一个或多个处理器910以及存储器920，图9中以一个处理器910为例。

执行确定清晰度级别方法的设备还可以包括：输入装置930和输出装置930。

处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接，图9中以通过总线连接为例。

存储器920作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的确定清晰度级别方法对应的程序指令/模块。处理器910通过运行存储在存储器920中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中确定清晰度级别方法。

存储器920可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据确定清晰度级别装置的使用所创建的数据等。此外，存储器920可以包括高速随机存取存储器920，还可以包括非易失性存储器920，例如至少一个磁盘存储器920件、闪存器件、或其他非易失性固态存储器920件。在一些实施例中，存储器920可选包括相对于处理器910远程设置的存储器920，这些远程存储器920可以通过网络连接至确定清晰度级别装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置930可接收输入的数字或字符信息，以及产生与确定清晰度级别装置的用户设置以及功能控制有关的键信号输入。输入装置930可包括按压模组等设备。

所述一个或者多个模块存储在所述存储器920中，当被所述一个或者多个处理器910执行时，执行上述任意方法实施例中的确定清晰度级别方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器910、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，所述计算机可读记录介质包括用于以计算机(例如计算机)可读的形式存储或传送信息的任何机制。例如，机器可读介质包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪速存储介质、电、光、声或其他形式的传播信号(例如，载波、红外信号、数字信号等)等，该计算机软件产品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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请实施例的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种虚拟现实中确定清晰度级别的方法，其特征在于，包括：

解析接收的图像数据，获得所述图像数据的梯度数值；

根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。

2.如权利要求1所述的方法，其特征在于，所述解析接收的图像数据，获得所述图像数据的梯度数值包括：

解析所述接收的图像数据，确定所述图像数据的边缘区域；

获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

3.如权利要求2所述的方法，其特征在于，所述获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值包括：

获得所述边缘区域中像素点对应的色值，根据所述色值确定所述像素点对应的梯度信息；

根据所述像素点对应的梯度信息计算获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

4.如权利要求2所述的方法，其特征在于，所述边缘区域的梯度数值具体为：所述边缘区域中每个像素点对应梯度数值的平均值。

5.如权利要求1所述的方法，其特征在于，所述根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别包括：

将所述梯度数值与预设的清晰度级别对应的梯度数值范围进行比较，获得所述梯度数值所落入的梯度数值范围；

将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。

6.一种虚拟现实中确定清晰度级别装置，其特征在于，包括：

图像解析模块，用于解析接收的图像数据，获得所述图像数据的梯度数值；

级别确定模块，用于根据所述图像数据的梯度数值，确定所述图像数据的清晰度级别。

7.如权利要求6所述的装置，其特征在于，数值获得模块包括：

边缘确定单元，用于解析所述图像数据，确定所述图像数据的边缘区域；

数值设置单元，用于获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

8.如权利要求7所述的装置，其特征在于，所述数值设置单元包括：

色值计算子单元，用于获得所述边缘区域中像素点对应的色值，根据所述色值确定所述像素点对应的梯度信息；

梯度确定子单元，用于根据所述像素点对应的梯度信息计算获得所述边缘区域的梯度数值，以将所述边缘区域的梯度数值作为所述图像数据的梯度数值。

9.如权利要求7所述的装置，其特征在于，所述边缘区域的梯度数值具体为：所述边缘区域中每个像素点对应梯度数值的平均值。

10.如权利要求6所述的装置，其特征在于，所述级别确定模块包括：

数值比较单元，用于将所述梯度数值与预设的清晰度级别对应的梯度数值范围进行比较，获得所述梯度数值所落入的梯度数值范围；

级别对应单元，用于将所述梯度数值所落入的梯度数值范围对应的清晰度级别作为所述图像数据的清晰度级别。