CN108537786A - 用于处理图像方法和装置 - Google Patents
用于处理图像方法和装置 Download PDFInfo
- Publication number
- CN108537786A CN108537786A CN201810296417.5A CN201810296417A CN108537786A CN 108537786 A CN108537786 A CN 108537786A CN 201810296417 A CN201810296417 A CN 201810296417A CN 108537786 A CN108537786 A CN 108537786A
- Authority
- CN
- China
- Prior art keywords
- image
- original image
- value
- original
- difference
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 description 32
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请实施例公开了用于处理图像方法和装置。该方法的一具体实施方式包括:获取至少两个原始图像;对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像;对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;基于所对应的差值,确定该至少两个原始图像中的各原始图像的清晰度的比较结果。本申请实施例通过清晰图像与原始图像之间的图像值的差值,来提高比较图像之间清晰度的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于处理图像方法和装置。
背景技术
图像的清晰度,可以指影像上各细部影纹及其边界的清晰程度。清晰度作为图像的重要参数,可以用于反映图像的质量。清晰度较高的图像,画质比较优良。
在现有技术中,当图像之间的清晰度差别不大的时候,往往很难比较图像之间的清晰度大小。
发明内容
本申请实施例提出了用于服务器的数据获取方法和装置。
第一方面,本申请实施例提供了一种用于处理图像的方法,包括:获取至少两个原始图像;对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像;对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果。
在一些实施例中,图像值包括以下的至少一项:图像的信息熵、图像的信噪比和边缘特征值,其中,边缘特征值用于表征图像中所包含的拍摄对象的边缘的像素点的经二值化后的像素值之和。
在一些实施例中,图像值包括图像的信息熵和图像的信噪比其中之一;基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果,包括:对于至少两个原始图像中的每一个原始图像,基于将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值所得到图像值的差值,对各原始图像进行清晰度排序。
在一些实施例中,图像值包括边缘特征值;对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,包括:对于至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值;将该原始图像对应的清晰图像的边缘特征值减去该原始图像的边缘特征值,得到该原始图像所对应的边缘特征差值;以及基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果,包括:对于至少两个原始图像中的每一个原始图像,确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值为边缘特征比值;基于所确定的边缘特征比值,对各原始图像进行清晰度排序。
在一些实施例中,图像值包括图像的信息熵和图像的信噪比;对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,包括:对于所述至少两个原始图像中的每一个原始图像,将该原始图像所对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值确定为第一差值,将该原始图像所对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值确定为第二差值;以及基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果,包括:对于至少两个原始图像中的每一个原始图像,基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,确定该原始图像所对应的第一差值和第二差值的加权和;基于所确定的加权和,对各原始图像进行清晰度排序。
第二方面,本申请实施例提供了一种用于处理图像的装置,包括:获取单元,配置用于获取至少两个原始图像;生成单元,配置用于对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像;差值确定单元,配置用于对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;结果确定单元,配置用于基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果。
在一些实施例中,图像值包括以下的至少一项:图像的信息熵、图像的信噪比和边缘特征值,其中,边缘特征值用于表征图像中所包含的拍摄对象的边缘的像素点的经二值化后的像素值之和。
在一些实施例中,图像值包括图像的信息熵和图像的信噪比其中之一;结果确定单元进一步配置用于:对于至少两个原始图像中的每一个原始图像,基于将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值所得到图像值的差值,对各原始图像进行清晰度排序。
在一些实施例中,图像值包括边缘特征值;差值确定单元进一步配置用于:对于至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值;将该原始图像对应的清晰图像的边缘特征值减去该原始图像的边缘特征值,得到该原始图像所对应的边缘特征差值;以及结果确定单元,包括:确定模块,配置用于对于至少两个原始图像中的每一个原始图像,确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值为边缘特征比值;排序模块,配置用于基于所确定的边缘特征比值,对各原始图像进行清晰度排序。
在一些实施例中,图像值包括图像的信息熵和图像的信噪比;差值确定单元进一步配置用于:对于所述至少两个原始图像中的每一个原始图像,将该原始图像所对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值确定为第一差值,将该原始图像所对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值确定为第二差值;以及结果确定单元,包括:加权和确定模块,配置用于对于至少两个原始图像中的每一个原始图像,基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,确定该原始图像所对应的第一差值和第二差值的加权和;清晰度排序模块,配置用于基于所确定的加权和,对各原始图像进行清晰度排序。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如用于处理图像的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如用于处理图像的方法中任一实施例的方法。
本申请实施例提供的用于处理图像方法和装置,通过获取至少两个原始图像。之后,对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。而后,对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值。最后,基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果。本申请实施例通过清晰图像与原始图像之间的图像值的差值,来提高比较图像之间清晰度的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于处理图像方法的一个实施例的流程图;
图3是根据本申请的用于处理图像方法的一个应用场景的示意图;
图4是根据本申请的用于处理图像方法的又一个实施例的流程图;
图5是根据本申请的用于处理图像方法的又一个实施例的流程图;
图6是根据本申请的用于处理图像方法的又一个实施例的流程图;
图7是根据本申请的用于处理图像装置的一个实施例的结构示意图;
图8是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理图像方法或用于处理图像装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。终端设备101、102、103可以对图片进行去模糊处理,通过图像在去模糊前后的差异,比较各个图像的清晰度。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的清晰度的比较结果提供支持的后台服务器。后台服务器可以对接收到的原始图像等数据进行分析等处理,并将处理结果各图像的清晰度的比较结果反馈给终端设备。
需要说明的是,本申请实施例所提供的用于处理图像方法可以由服务器105或终端设备101、102、103执行,相应地,用于处理图像装置可以设置于服务器105或终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于处理图像方法的一个实施例的流程200。该用于处理图像方法,包括以下步骤:
步骤201,获取至少两个原始图像。
在本实施例中,用于处理图像方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以从本地或者其他执行主体获取至少两个原始图像。原始图像为所获取的有待于进行去模糊处理的图像。获取原始图像是为了便于后续可以对原始图像进行处理,并通过处理结果来比较各原始图像之间的清晰度。
步骤202,对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
在本实施例中,上述执行主体对上述至少两个原始图像中的各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
在实践中,可以采用多种方式进行去模糊处理。举例来说,可以采用图像增强进行去模糊处理,图像增强可以包括频率域法或空间域法。还可以采用图像复原进行去模糊处理,图像复原可以包括非邻域滤波法,邻域滤波法、维纳滤波或最小二乘滤波等等。
对各原始图像进行同样的去模糊处理,需要采用同样的方式进行去模糊处理,在这里所采用的方式可以是上述多种方式中的一种或几种。此外,在去模糊处理时,采用的处理参数、处理公式或处理模型也是一致的。比如,在采用滤波法对各原始图像进行去模糊处理时,使用的滤波器矩阵是一致的。
步骤203,对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值。
在本实施例中,对于每一个原始图像,上述执行主体确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值。其中,图像值用于描述图像的至少一个预设属性的属性值。比如,图像值可以是灰度方差,能量梯度函数等等。
在本实施例的一些可选的实现方式中,图像值可以是图像的信息熵、图像的信噪比和边缘特征值。边缘特征值用于表征图像中所包含的拍摄对象的边缘的像素点的经二值化后的像素值之和。比如,图像所包含的拍摄对象的边缘所包括的像素点有100个,在二值化之后,各个像素点被赋值为0或1,其中的80个像素点的值为1,20个为0。那么,边缘特征值为80。
步骤204,基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果。
在本实施例中,上述执行主体基于所对应的差值,对上述至少两个原始图像中的各原始图像的清晰度进行比较,以确定比较结果。
具体地,可以采用多种方式确定各原始图像清晰度的比较结果。举例来说,当图像值为信息熵时,原始图像所对应的清晰图像的信息熵大于该原始图像的信息熵。可以将清晰图像的信息熵减去原始图像的信息熵,得到每个原始图像所对应的信息熵的差值。差值越大,则可以判断该原始图像的清晰度越低。此外,还可以将各个差值输入预先获得的由差值获取清晰度相关数值的公式或模型等等,得到由公式或模型输出的各原始图像的清晰度相关数值。之后对清晰度相关数值进行升序或者降序排序,并将该排序结果作为最终的清晰度比较结果。
继续参见图3,图3是根据本实施例的用于处理图像方法的应用场景的一个示意图。在图3的应用场景中,执行主体301从本地或者其他执行主体获取3个原始图像302,3个原始图像分别为甲、乙和丙。对甲、乙和丙进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像303,清晰图像分别是甲1、乙1和丙1。对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值304,其中,图像值用于描述图像的至少一个预设属性的属性值。基于所对应的差值,确定原始图像甲、乙和丙的清晰度的比较结果305。
本申请的上述实施例提供的方法通过清晰图像与原始图像之间的图像值的差值,来提高比较图像之间清晰度的准确性。
进一步参考图4,其示出了用于处理图像方法的又一个实施例的流程400。在本实施例中,图像值包括图像的信息熵和图像的信噪比其中之一。该用于处理图像方法的流程400,包括以下步骤:
步骤401,获取至少两个原始图像。
在本实施例中,用于处理图像方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以从本地或者其他执行主体获取至少两个原始图像。原始图像为所获取的未经过去模糊处理的图像。获取原始图像是为了便于后续可以对原始图像进行处理,并通过处理结果来比较各原始图像之间的清晰度。
步骤402,对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
在本实施例中,上述执行主体对上述至少两个原始图像中的各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
步骤403,对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值。
在本实施例中,对于每一个原始图像,上述执行主体确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值。其中,图像值用于描述图像的至少一个预设属性的属性值。
本实施例中的步骤401-步骤403与步骤201-步骤203相对应,在此不再赘述。
步骤404,对于至少两个原始图像中的每一个原始图像,基于将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值所得到图像值的差值,对各原始图像进行清晰度排序。
在本实施例中,对于上述至少两个原始图像中的每一个原始图像,上述执行主体将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值,得到图像值的差值。上述执行主体进一步可以基于各差值,对各原始图像进行清晰度排序。
举例来说,上述执行主体可以按照原始图像所对应的差值从小到大的顺序,排列原始图像以得到原始图像序列,该原始图像序列中的原始图像的清晰度的顺序为由大到小。由此可知,原始图像所对应的差值越大,则清晰度越低。
本实施例可以基于图像值的差值,对原始图像进行清晰度排序,能够准确地了解到各个原始图像的清晰度的顺序,以准确地确定各个原始图像之间清晰度的关系。
进一步参考图5,其示出了用于处理图像方法的又一个实施例的流程500。在本实施例中,图像值包括边缘特征值。该用于处理图像方法的流程500,包括以下步骤:
步骤501,获取至少两个原始图像。
在本实施例中,用于处理图像方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以从本地或者其他执行主体获取至少两个原始图像。原始图像为所获取的未经过去模糊处理的图像。获取原始图像是为了便于后续可以对原始图像进行处理,并通过处理结果来比较各原始图像之间的清晰度。
步骤502,对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
在本实施例中,上述执行主体对上述至少两个原始图像中的各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。去模糊处理为对较为模糊的图像进行的处理,可以提高图像的清晰度。
本实施例中的步骤501-步骤502与步骤201-步骤202相对应,在此不再赘述。
步骤503,对于至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值。
在本实施例中,对于上述至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值。
具体地,可以采用多种方式获取边缘特征值。比如,可以首先对图像进行边缘检测,比如,图像呈现一个人脸,在边缘检测之后,得到人脸的边缘。之后,对边缘检测得到的边缘进行二值化,得到二值化的边缘,进而获取到边缘特征值。此外,也可以首先对图像进行二值化,之后对二值化得到的二值图像进行边缘检测,以得到二值化的边缘,继而得到边缘特征值。
步骤504,将该原始图像对应的清晰图像的边缘特征值减去该原始图像的边缘特征值,得到该原始图像所对应的边缘特征差值。
在本实施例中,上述执行主体可以将该原始图像所对应的清晰图像的边缘特征值作为被减数,原始图像的边缘特征值作为减数,确定边缘特征差值。其中,边缘特征差值为原始图像所对应的清晰图像的边缘特征值减去该原始图像的边缘特征值所得到的值。
步骤505,对于至少两个原始图像中的每一个原始图像,确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值为边缘特征比值。
在本实施例中,对于至少两个原始图像中的每一个原始图像,上述执行主体在得到边缘特征差值之后,可以确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值,并将该比值作为边缘特征比值。在得到边缘特征差值之后,上述执行主体可以对边缘特征差值进行归一化处理,以求得边缘特征差值与原始图像的边缘特征值的比值,这样就获取到了更加准确的表征图像清晰度的参数,避免了原始图像的边缘特征值对比较结果的干扰。
步骤506,基于所确定的边缘特征比值,对各原始图像进行清晰度排序。
在本实施例中,上述执行主体基于边缘特征比值,对各原始图像进行清晰度排序。举例来说,上述执行主体可以按照原始图像所对应的边缘特征比值从小到大的顺序,排列原始图像以得到原始图像序列,该原始图像序列中的原始图像的清晰度的顺序为由大到小。由此可知,原始图像所对应的边缘特征比值越大,则清晰度越低。
本实施例采用归一化的方法,确定了边缘特征比值,并通过确定边缘特征比值,避免了原始图像的边缘特征值对比较结果的干扰,进一步提高了比较图像清晰度的准确度。
进一步参考图6,其示出了用于处理图像方法的又一个实施例的流程600。在本实施例中,图像值包括图像的信息熵和图像的信噪比。该用于处理图像方法的流程600,包括以下步骤:
步骤601,获取至少两个原始图像。
在本实施例中,用于处理图像方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以从本地或者其他执行主体获取至少两个原始图像。原始图像为所获取的未经过去模糊处理的图像。获取原始图像是为了便于后续可以对原始图像进行处理,并通过处理结果来比较各原始图像之间的清晰度。
步骤602,对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
在本实施例中,上述执行主体对上述至少两个原始图像中的各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。
本实施例中的步骤601-步骤602与步骤201-步骤202相对应,在此不再赘述。
步骤603,对于至少两个原始图像中的每一个原始图像,将该原始图像所对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值确定为第一差值,将该原始图像所对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值确定为第二差值。
在本实施例中,图像值包括图像的信息熵和图像的信噪比。对于至少两个原始图像中的每一个原始图像,上述执行主体确定该原始图像对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值,并将该值确定为第一差值。此外,上述执行主体也确定原始图像对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值,并将该值确定为第二差值。
步骤604,对于至少两个原始图像中的每一个原始图像,基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,确定该原始图像所对应的第一差值和第二差值的加权和。
在本实施例中,对于至少两个原始图像中的每一个原始图像,上述执行主体基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,对该原始图像所对应的第一差值和第二差值进行加权,以确定该原始图像所对应的第一差值和第二差值的加权和。
在实践中,上述执行主体可以预先评价信息熵和信噪比的重要性,得到重要性数值。然后上述执行主体可以根据信息熵的重要性数值和信噪比的重要性数值设定第一差值的预设权重和第二差值的预设权重。
步骤605,基于所确定的加权和,对各原始图像进行清晰度排序。
在本实施例中,上述执行主体基于对上述至少两个原始图像中的各原始图像所确定的加权和,对各原始图像进行清晰度排序。举例来说,上述执行主体可以按照原始图像所对应的加权和从小到大的顺序,排列原始图像以得到原始图像序列,该原始图像的序列中的原始图像的清晰度的顺序为由大到小。由此可知,原始图像所对应的加权和越大,则清晰度越低。
本实施例确定了图像的信息熵和信噪比的加权和,而不仅仅是考虑单一的参数,从而实现了更加全面、更加准确地比较图像之间的清晰度。
进一步参考图7,作为对上述各图所示方法的实现,本申请提供了一种用于处理图像装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的用于处理图像装置700包括:获取单元701、生成单元702、差值确定单元703和结果确定单元704。其中,获取单元701,配置用于获取至少两个原始图像;生成单元702,配置用于对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像;差值确定单元703,配置用于对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;结果确定单元704,配置用于基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果。
在本实施例中,获取单元701可以从本地或者其他电子设备获取至少两个原始图像。原始图像为所获取的未经过去模糊处理的图像。获取原始图像是为了便于后续可以对原始图像进行处理,并通过处理结果来比较各原始图像之间的清晰度。
生成单元702对上述至少两个原始图像中的各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像。去模糊处理为对较为模糊的图像进行的处理,可以提高图像的清晰度。清晰图像为对原始图像进行去模糊处理所得到的图像,清晰图像的清晰度大于原始图像。对一个原始图像进行去模糊处理之后,该原始图像较为模糊,得到的清晰图像则较为清晰。该原始图像与由该原始图像得到的清晰图像存在对应关系。
差值确定单元703对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值。其中,图像值用于描述图像的至少一个预设属性的属性值。
结果确定单元704基于所对应的差值,对上述至少两个原始图像中的各原始图像的清晰度进行比较,以确定比较结果。具体地,可以根据图像值的属性,采用多种方式确定各原始图像清晰度的比较结果。举例来说,当图像值为信息熵时,原始图像所对应的清晰图像的信息熵大于该原始图像的信息熵。可以将清晰图像的信息熵减去原始图像的信息熵,得到每个原始图像所对应的信息熵的差值。差值越大,则可以判断该原始图像的清晰度越低。此外,还可以将差值输入预先获得的由差值获取清晰度的比较结果的公式或模型等等,并将由公式或模型输出的结果作为最终的清晰度比较结果。
在本实施例的一些可选的实现方式中,图像值包括以下的至少一项:图像的信息熵、图像的信噪比和边缘特征值,其中,边缘特征值用于表征图像中所包含的拍摄对象的边缘的像素点的经二值化后的像素值之和。
在本实施例的一些可选的实现方式中,图像值包括图像的信息熵和图像的信噪比其中之一;结果确定单元进一步配置用于:对于至少两个原始图像中的每一个原始图像,基于将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值所得到图像值的差值,对各原始图像进行清晰度排序。
在本实施例的一些可选的实现方式中,图像值包括边缘特征值;差值确定单元进一步配置用于:对于至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值;将该原始图像对应的清晰图像的边缘特征值减去该原始图像的边缘特征值,得到该原始图像所对应的边缘特征差值;以及结果确定单元,包括:确定模块,配置用于对于至少两个原始图像中的每一个原始图像,确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值为边缘特征比值;排序模块,配置用于基于所确定的边缘特征比值,对各原始图像进行清晰度排序。
在本实施例的一些可选的实现方式中,图像值包括图像的信息熵和图像的信噪比;差值确定单元进一步配置用于:对于至少两个原始图像中的每一个原始图像,将该原始图像对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值确定为第一差值,将该原始图像对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值确定为第二差值;以及结果确定单元,包括:加权和确定模块,配置用于对于至少两个原始图像中的每一个原始图像,基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,确定该原始图像所对应的第一差值和第二差值的加权和;清晰度排序模块,配置用于基于所确定的加权和,对各原始图像进行清晰度排序。
下面参考图8,其示出了适于用来实现本申请实施例的电子设备的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、生成单元、差值确定单元和结果确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取至少两个原始图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取至少两个原始图像;对各原始图像进行同样的去模糊处理,生成分别与各原始图像对应的清晰图像;对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;基于所对应的差值,确定至少两个原始图像中的各原始图像的清晰度的比较结果。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于处理图像的方法,包括:
获取至少两个原始图像;
对各所述原始图像进行同样的去模糊处理,生成分别与各所述原始图像对应的清晰图像;
对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;
基于所对应的差值,确定所述至少两个原始图像中的各原始图像的清晰度的比较结果。
2.根据权利要求1所述的方法,其中,图像值包括以下的至少一项:图像的信息熵、图像的信噪比和边缘特征值,其中,边缘特征值用于表征图像中所包含的拍摄对象的边缘的像素点的经二值化后的像素值之和。
3.根据权利要求2所述的方法,其中,图像值包括图像的信息熵和图像的信噪比其中之一;
所述基于所对应的差值,确定所述至少两个原始图像中的各原始图像的清晰度的比较结果,包括:
对于所述至少两个原始图像中的每一个原始图像,基于将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值所得到图像值的差值,对各所述原始图像进行清晰度排序。
4.根据权利要求2所述的方法,其中,图像值包括边缘特征值;
所述对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,包括:
对于所述至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值;将该原始图像对应的清晰图像的边缘特征值减去该原始图像的边缘特征值,得到该原始图像所对应的边缘特征差值;以及
所述基于所对应的差值,确定所述至少两个原始图像中的各原始图像的清晰度的比较结果,包括:
对于所述至少两个原始图像中的每一个原始图像,确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值为边缘特征比值;
基于所确定的边缘特征比值,对各所述原始图像进行清晰度排序。
5.根据权利要求2所述的方法,其中,图像值包括图像的信息熵和图像的信噪比;
所述对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,包括:
对于所述至少两个原始图像中的每一个原始图像,将该原始图像所对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值确定为第一差值,将该原始图像所对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值确定为第二差值;以及
所述基于所对应的差值,确定所述至少两个原始图像中的各原始图像的清晰度的比较结果,包括:
对于所述至少两个原始图像中的每一个原始图像,基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,确定该原始图像所对应的第一差值和第二差值的加权和;
基于所确定的加权和,对各所述原始图像进行清晰度排序。
6.一种用于处理图像的装置,包括:
获取单元,配置用于获取至少两个原始图像;
生成单元,配置用于对各所述原始图像进行同样的去模糊处理,生成分别与各所述原始图像对应的清晰图像;
差值确定单元,配置用于对于每一个原始图像,确定该原始图像所对应的清晰图像的图像值和该原始图像的图像值的差值,其中,图像值用于描述图像的至少一个预设属性的属性值;
结果确定单元,配置用于基于所对应的差值,确定所述至少两个原始图像中的各原始图像的清晰度的比较结果。
7.根据权利要求1所述的装置,其中,图像值包括以下的至少一项:图像的信息熵、图像的信噪比和边缘特征值,其中,边缘特征值用于表征图像中所包含的拍摄对象的边缘的像素点的经二值化后的像素值之和。
8.根据权利要求2所述的装置,其中,图像值包括图像的信息熵和图像的信噪比其中之一;
所述结果确定单元进一步配置用于:
对于所述至少两个原始图像中的每一个原始图像,基于将该原始图像所对应的清晰图像的图像值减去该原始图像的图像值所得到图像值的差值,对各所述原始图像进行清晰度排序。
9.根据权利要求2所述的装置,其中,图像值包括边缘特征值;
所述差值确定单元进一步配置用于:
对于所述至少两个原始图像中的每一个原始图像,获取该原始图像的边缘特征值,以及与该原始图像相对应的清晰图像的边缘特征值;将该原始图像对应的清晰图像的边缘特征值减去该原始图像的边缘特征值,得到该原始图像所对应的边缘特征差值;以及
所述结果确定单元,包括:
确定模块,配置用于对于所述至少两个原始图像中的每一个原始图像,确定该原始图像所对应的边缘特征差值和该原始图像的边缘特征值的比值为边缘特征比值;
排序模块,配置用于基于所确定的边缘特征比值,对各所述原始图像进行清晰度排序。
10.根据权利要求2所述的装置,其中,图像值包括图像的信息熵和图像的信噪比;
所述差值确定单元进一步配置用于:
对于所述至少两个原始图像中的每一个原始图像,将该原始图像所对应的清晰图像的信息熵减去该原始图像的信息熵所得到的值确定为第一差值,将该原始图像所对应的清晰图像的信噪比减去该原始图像的信噪比所得到的值确定为第二差值;以及
所述结果确定单元,包括:
加权和确定模块,配置用于对于所述至少两个原始图像中的每一个原始图像,基于该原始图像所对应的第一差值的预设权重和该原始图像所对应的第二差值的预设权重,确定该原始图像所对应的第一差值和第二差值的加权和;
清晰度排序模块,配置用于基于所确定的加权和,对各所述原始图像进行清晰度排序。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810296417.5A CN108537786B (zh) | 2018-03-30 | 2018-03-30 | 用于处理图像方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810296417.5A CN108537786B (zh) | 2018-03-30 | 2018-03-30 | 用于处理图像方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537786A true CN108537786A (zh) | 2018-09-14 |
CN108537786B CN108537786B (zh) | 2020-11-24 |
Family
ID=63483095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810296417.5A Active CN108537786B (zh) | 2018-03-30 | 2018-03-30 | 用于处理图像方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537786B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264488A (zh) * | 2019-06-20 | 2019-09-20 | 合肥工业大学 | 一种二值图像边缘提取装置 |
CN110942429A (zh) * | 2019-01-17 | 2020-03-31 | 张红梅 | 计算机质量判断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793918A (zh) * | 2014-03-07 | 2014-05-14 | 深圳市辰卓科技有限公司 | 一种图像清晰度检测方法及装置 |
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 |
CN105516579A (zh) * | 2014-09-25 | 2016-04-20 | 联想(北京)有限公司 | 一种图像处理方法、装置和电子设备 |
CN106548468A (zh) * | 2016-10-13 | 2017-03-29 | 广州酷狗计算机科技有限公司 | 图像清晰度的判别方法及装置 |
-
2018
- 2018-03-30 CN CN201810296417.5A patent/CN108537786B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103793918A (zh) * | 2014-03-07 | 2014-05-14 | 深圳市辰卓科技有限公司 | 一种图像清晰度检测方法及装置 |
CN105516579A (zh) * | 2014-09-25 | 2016-04-20 | 联想(北京)有限公司 | 一种图像处理方法、装置和电子设备 |
CN106548468A (zh) * | 2016-10-13 | 2017-03-29 | 广州酷狗计算机科技有限公司 | 图像清晰度的判别方法及装置 |
Non-Patent Citations (2)
Title |
---|
张亚涛 等: "基于区域对比度的图像清晰度评价算法", 《应用光学》 * |
徐贵力 等: "一种图像清晰度评价方法", 《红外与激光工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942429A (zh) * | 2019-01-17 | 2020-03-31 | 张红梅 | 计算机质量判断方法 |
CN110942429B (zh) * | 2019-01-17 | 2020-07-24 | 刘子健 | 计算机质量判断方法 |
CN110264488A (zh) * | 2019-06-20 | 2019-09-20 | 合肥工业大学 | 一种二值图像边缘提取装置 |
CN110264488B (zh) * | 2019-06-20 | 2021-03-16 | 合肥工业大学 | 一种二值图像边缘提取装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108537786B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106911697B (zh) | 访问权限设置方法、装置、服务器及存储介质 | |
CN107491771A (zh) | 人脸检测方法和装置 | |
CN109255337A (zh) | 人脸关键点检测方法和装置 | |
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN109711508B (zh) | 图像处理方法和装置 | |
CN109344762A (zh) | 图像处理方法和装置 | |
CN109255767A (zh) | 图像处理方法和装置 | |
CN108986169A (zh) | 用于处理图像的方法和装置 | |
CN107423085A (zh) | 用于部署应用的方法和装置 | |
CN108595448A (zh) | 信息推送方法和装置 | |
CN109063653A (zh) | 图像处理方法和装置 | |
CN108335390A (zh) | 用于处理信息的方法和装置 | |
CN109242801A (zh) | 图像处理方法和装置 | |
CN109389072A (zh) | 数据处理方法和装置 | |
CN109118456A (zh) | 图像处理方法和装置 | |
CN110059623A (zh) | 用于生成信息的方法和装置 | |
CN108492393A (zh) | 用于签到的方法和装置 | |
CN110110666A (zh) | 目标检测方法和装置 | |
CN110427915A (zh) | 用于输出信息的方法和装置 | |
CN110059624A (zh) | 用于检测活体的方法和装置 | |
CN109408748A (zh) | 用于处理信息的方法和装置 | |
CN108171167A (zh) | 用于输出图像的方法和装置 | |
CN108399401A (zh) | 用于检测人脸图像的方法和装置 | |
CN108537786A (zh) | 用于处理图像方法和装置 | |
CN109688086A (zh) | 用于终端设备的权限控制方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |