CN108596874A - 图像清晰判定方法、装置，以及计算机设备、产品 - Google Patents

图像清晰判定方法、装置，以及计算机设备、产品 Download PDF

Info

Publication number
CN108596874A
CN108596874A CN201810221529.4A CN201810221529A CN108596874A CN 108596874 A CN108596874 A CN 108596874A CN 201810221529 A CN201810221529 A CN 201810221529A CN 108596874 A CN108596874 A CN 108596874A
Authority
CN
China
Prior art keywords
image
gray level
binaryzation
connected domain
gray
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
Application number
CN201810221529.4A
Other languages
English (en)
Other versions
CN108596874B (zh
Inventor
祝安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ziguang Huizhi Information Technology Co ltd
Original Assignee
Shenzhen Geek Thinking Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Geek Thinking Technology Co Ltd filed Critical Shenzhen Geek Thinking Technology Co Ltd
Priority to CN201810221529.4A priority Critical patent/CN108596874B/zh
Publication of CN108596874A publication Critical patent/CN108596874A/zh
Application granted granted Critical
Publication of CN108596874B publication Critical patent/CN108596874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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

Abstract

本发明实施例公开了一种图像清晰判定方法、装置，以及计算机设备、程序产品。本发明实施例方法部分包括：获取目标图像；对所述目标图像分别进行二值化以及灰度化处理，以获得对应的二值化图像以及灰度化图像；确定所述二值化、灰度化图像的连通域；根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像。可以有效地提高图像清晰度的准确性，从而有效地提高图像信息的识别准确率。

Description

图像清晰判定方法、装置，以及计算机设备、产品
技术领域
本发明涉及图像处理领域，尤其涉及到一种图像清晰判定方法、装置，以及计算机设备、产品。
背景技术
随着移动互联网的普及，互联网医疗也逐渐成为医疗信息化发展的新兴热门行业。把医院的检验单等医疗单据拍照进行识别来获取医疗电子信息，可以方便数据的整理和搜集以及电子病历的结构化处理，因此识别医疗单据上的医疗信息对于医疗行业显得越来越重要，而医疗单据照片的清晰度对于是否能够正确识别出医疗单据上的医疗信息非常关键。
目前，通常利用手机等手持装置对医疗单据进行拍照以获得医疗单据图像，从而利用依靠照片附加的信息，例如中国专利文件CN107516307A提出了一种判断上传照片清晰度的处理方法，其利用照片的焦点信息、光圈与快门速度、对比度、亮度、镜头实际焦距、镜头等效焦距和感光度等信息来判定图像是否清晰，但是目前，绝大多数手持装置所拍摄出来的照片不具备上述附加信息，从而容易导致最终图像清晰度判定不准，最终导致在利用OCR(光学字符识别)技术对图像进行识别时，图像信息的识别准确率较低。
发明内容
本发明实施例要解决的问题在于，提供一种图像清晰判定方法、装置，以及计算机设备、产品，用于提高图像清晰度判定的准确率，从而提高图像信息的识别准确率。
为解决上述问题，本发明实施例第一方面提供了一种图像清晰判定方法，该方法包括:
获取图像；
对所述图像分别进行二值化以及灰度化处理，以获得对应的二值化图像以及灰度化图像；
确定所述二值化、灰度化图像的连通域；
根据所述二值化、灰度化图像的连通域确定所述图像是否为清晰图像。
在一种可能的实现中，所述根据所述二值化、灰度化图像的连通域确定所述图像是否为清晰图像，包括：
确定所述二值化图像的连通域的总面积，以及所述灰度化图像的连通域的总面积；
确定所述二值化、灰度化图像的连通域的总面积之间的差；
确定所述差与所述灰度化图像的连通域的总面积的比值；
确定所述比值是否在预设范围内；
若是，则确定所述图像为清晰图像。
在一种可能的实现中，所述确定所述比值是否在预设范围内，包括:
确定所述比值是否在±0.1内；
若是，则确定所述图像为清晰图像。
在一种可能的实现中，所述确定所述灰度化图像的连通域，包括：
根据预设灰度值分级方式确定所述灰度化图像的主灰度级别；
根据所述主灰度级别确定所述灰度化图像的连通域。
在一种可能的实现中，所述根据预设灰度值分级方式确定所述灰度化图像的主灰度级别，包括：
采用直方图均衡法确定所述灰度化图像的灰度级别；
将满足以下公式的灰度级别作为所述灰度化图像的主灰度级别：
Gp＝Gn-n*0.618；
其中，所述Gn为所述灰度化图像的灰度级别，所述n为所述灰度化图像的灰度级别数量，所述Gp为所述主灰度级别。
在一种可能的实现中，所述获取图像之后，所述对所述图像分别进行二值化以及灰度化处理之前，所述方法还包括：
6、根据权利要求1所述的方法，其特征在于，所述获取目标图像之后，所述对所述目标图像分别进行二值化以及灰度化处理之前，所述方法还包括：
对所述目标图像分割为N个子图像，所述N为正整数，所述N大于或等于2；
所述对所述目标图像分别进行二值化以及灰度化处理，包括：
对经过所述N个子图像分别进行二值化以及灰度化处理，以获得对应的N个二值化图像以及N个灰度化图像；
所述根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像，包括：
确定所述N个子图像中，每一个子图像的二值化、灰度化图像的连通域的总面积之间的差；
确定每一个子图像的二值化、灰度化图像的连通域的总面积之间的差与对应的子图像的灰度化图像的连通域的总面积的比值；
确定所述比值的平均值是否在预设范围内；
若是，则确定所述目标图像为清晰图像。
在一种可能的实现中，所述对所述图像进行分割包括：
根据所述图像的长宽比均匀对所述图像进行分割。
本发明实施例第二方面提供了一种图像清晰判定装置，该装置包括:
获取模块，用于获取图像；
二值化处理模块，用于对所述图像进行二值化处理，以获得对应的二值化图像；
灰度化处理模块，用于对所述图像进行灰度化处理，以获得对应的灰度化图像；
第一确定模块，用于确定所述二值化、灰度化图像的连通域；
第二确定模块，用于根据所述二值化、灰度化图像的连通域确定所述图像是否为清晰图像。
本发明实施例第三方面提供了一种计算机设备，所述计算机设备包括存储器以及至少一个处理器，所述存储器与所述处理器连接；所述存储器存储有可被所述至少一个处理器所执行的计算机程序，所述计算机程序被所述至少一个处理器执行时能够执行如上述第一方面以及各种可能的实现中任一项所述的方法。
本发明实施例第四方面提供了一种计算机程序产品，所述计算机程序产品能实现执行如上述第一方面以及各种可能的实现中任一项方法所实现的功能。
由此可看出，本发明实施例提供了一种图像清晰判定方法，在该方法中，获取图像；对所述图像分别进行二值化以及灰度化处理，以获得对应的二值化图像以及灰度化图像；确定所述二值化、灰度化图像的连通域；根据所述二值化、灰度化图像的连通域确定所述图像是否为清晰图像。与现有技术相比，本发明实施例所提供的图像清晰判定方法对图像是否为清晰图像进行判定时，是依据图像本身的信息(连通域)来判定，而不依靠图像的附加信息，例如焦点信息、光圈等信息，这样，可以有效地减少当图像不具有上述附加信息时，图像清晰度判定不准确的情况，通过本发明可以有效地提高图像清晰度的准确性，从而有效地提高图像信息的识别准确率。
附图说明
为了便于理解本发明所提供的技术方案，本发明还对应提供了供于参考的说明书附图，需要说明的是，基于下述附图，本领域技术人员还可以结合说明书的描述得到其他附图。
图1为本发明实施例中二值化图像一个示例示意图；
图2为本发明实施例中灰度化图像一个示例示意图；
图3为本发明实施例中像素点的4邻接关系一个示例示意图；
图4为本发明实施例中像素点的8邻接关系一个示例示意图；
图5为本发明实施例中像素点的邻接关系另一示例示意图；
图6为本发明实施例中一种图像清晰判定方法一个实施例流程示意图；
图7为本发明实施例中一种图像清晰判定装置一个实施例结构示意图；
图8为本发明实施例中一种计算机设备一个实施例结构示意图。
具体实施方式
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，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解，首先对本发明实施例所涉及的一些概念或定义进行描述：
图像的二值化：
应理解，通常拍摄所得的照片都是彩色的，以RGB三原色模型为例，图像的每个像素点为RGB三原色的组合，R、G、B每种颜色都有256阶色差。而图像的二值化，就是指将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果，示例性的，如图1所示。
图像的灰度化：
与图像的二值化不同的是，图像的灰度化是指将彩色图像转化成为灰度图像的过程。同样以RGB三原色模型为例，由上述可知，R、G、B每种颜色都有256阶色，彩色图像中的每个像素的颜色有R、G、B三个分量决定，每个分量有255种值可取，一个像素点将有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，彩色图像中一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。简而言之，图像的灰度化是指处理后的图像只含亮度信息，不含色彩信息的图像。黑白照片就是灰度图，特点是亮度由暗到明，变化是连续的，示例性的，如图2所示。
图像的连通域：
应理解，在图像中，包括彩色图像，二值化图像亦或是灰度化图像，最小的单位是像素，每个像素点周围有8个像素点，图像中像素点的邻接关系有2种：4邻接关系和8邻接关系。4邻接关系表示像素点的邻接像素点为上下左右4个像素点，具体如图3所示。8邻接关系的像素点的邻接像素点一共有8个，也就是说与4邻接关系相比，8邻接关系的邻接像素点还包括了对角线位置的像素点，具体如图4所示。
如果像素点A与像素点B邻接，则称A与B连通，由此可得，如果A与B连通，B与C连通，则A与C连通，彼此连通的像素点形成了一个区域，而不连通的点形成了另一区域。这样的一个所有的像素点彼此连通点构成的集合，则称为一个连通域。从另一方面讲，同一个颜色等级的像素点满足4邻接关系或8邻接关系时则说明上述同一个颜色等级的像素点是同一个连通域。示例性的，以二值化图像为例，如图5所示，如果考虑4邻接关系，则图5中有3个连通域；如果考虑8邻接关系，则有2个连通域。灰度化图像的连通域概念与二值化类似，这里不再展开说明。
在本发明实施例中提出了一种图像清晰判定方法，在于通过目标图像的二值化图像，以及灰度化图像的连通域来确定目标图像是否为清晰图像。
请参阅图6，图6为本发明实施例一种图像清晰判定方法一个实施例流程示意图，包括：
101、获取目标图像。
在本发明实施例中，可以获取待判定清晰度的目标图像，示例性，上述目标图像可以是指直接拍摄的照片或从第三方终端中获取到照片或图像。
102、对所述目标图像分别进行二值化以及灰度化处理，以获得对应的二值化图像以及灰度化图像。
在获得上述目标图像后，对所述目标图像进行二值化处理以获得对应的二值化图像，并且，对所述目标图像进行灰度化处理以获得对应的灰度化图像。
103、确定所述二值化、灰度化图像的连通域。
在本发明实施例中，在获得上述对应的二值化图像以及灰度化图像后，分别确定出上述二值化图像和灰度化图像的连通域。
104、根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像。
与现有技术相比，本发明实施例所提供的图像清晰判定方法对目标图像是否为清晰图像进行判定时，是依据目标图像本身的信息(连通域)来判定，而不依靠图像的外部附加信息，例如焦点信息、光圈等信息，这样，可以有效地减少当目标图像不具有上述外部附加信息时，图像清晰度判定不准确的情况，通过本发明可以有效地提高图像清晰度的准确性，从而有效地提高图像信息的识别准确率。
可选地，在本发明的一些实施例中，所述确定所述灰度化图像的连通域，包括：
根据预设灰度值分级方式确定所述灰度化图像的主灰度级别；
根据所述主灰度级别确定所述灰度化图像的连通域。
可选地，所述根据预设灰度值分级方式确定所述灰度化图像的主灰度级别，包括：
采用直方图均衡法确定所述灰度化图像的灰度级别；
将满足以下公式的灰度级别作为所述灰度化图像的主灰度级别：
Gp＝Gn-n*0.618；
其中，所述Gn为所述灰度化图像的灰度级别，所述n为所述灰度化图像的灰度级别数量，所述Gp为所述主灰度级别。
需要说明的是，灰度化图像能够比二值化图像保存更多信息，同一图像，灰度化程度不同，对应的连通域不尽相同，因此，在本发明实施例中，为了保证灰度化图像的连通域的计算，又不丢失灰度化图像中的有用信息，对灰度化图像中的灰度值进行了分级，也就是灰度化图像的灰度级别不同，灰度化图像的连通域也不同。
在本发明实施例中，预设灰度值分级方式通常采用直方图均衡法，这种分级法不会改变图像中像素的灰度值，只对每个像素设置一个级别为了便于理解，下面进行详细的说明：
假设灰度化图像f(x，y)由C(k)(k＝1，...，n)个连通域组成，其中，x，y分别为灰度化图像的长、宽；连通域C(k)是指由a(t)(t＝1，...，m)个像素a(p)组成的集合，且满足：
在本发明实施例中，连通域C(k)有一定级别设为grade(C)，其级别由其所包含的像素的最高灰度级确定如下：
grade(C)＝max(grade(a(1)),grade(a(2)),…,grade(a(t)))，其中，其中grade(a(i))为像素a(i)的灰度级。
对于灰度化图像，假设该灰度化图像的灰度级分为G1,...,Gn，可以找到一个灰度级别GP(1≤p≤n)，如果将所有低于GP的灰度级别看成是一样的，这则这样的灰度级别称为主灰度级别。
请参阅图5，当通过直方图均衡法确定图像的灰度级别时，图像中的像素划分为G1到Gn时，该文本图像分别为3个灰度级别，分为用黑、深灰、浅灰表示。黑色像素表示G1级别的像素点，深灰像素表示G2级别的像素点，浅灰像素表示G3级别的像素点。由图5可见，不同级别的主灰度级对于连通域的生成有很大的影响。在实际应用中，每张图片的灰度级别都有多有少，不可能固定一种灰度级别来作为主灰度级，将影响图像清晰度的判定，通过实验比较得到，在每张图片的灰度级别中满足覆盖黄金比例是一个适合的确定主灰度级的方法，即将满足Gp＝Gn-n*0.618的灰度级别作为所述灰度化图像的主灰度级别为优选选择，有效地提高了图像清晰判定的准确率。
可选地，在本发明实施例中，所述根据所述二值化、灰度化图像的连通域确定所述图像是否为清晰图像，包括：
确定所述二值化图像的连通域的总面积，以及所述灰度化图像的连通域的总面积；
确定所述二值化、灰度化图像的连通域的总面积之间的差；
确定所述差与所述灰度化图像的连通域的总面积的比值；
确定所述比值是否在预设范围内；
若是，则确定所述图像为清晰图像。
示例性的，为了便于理解，假设灰度化图像的主灰度级别的某个连通域面积为Sgi(g表示是灰度化图像，i表示某个连通域)，二值化图像的某个连通域面积为Sti(t表示是二值化图像，i表示是某个连通域)。
假设二值化图像有n个连通域，则所述二值化图像的连通域的总面积为：
假设灰度化图像有n个连通域，则所述灰度化图像的连通域的总面积为：
因此，可以根据以下公式确定出上述比值：
可选地，在本发明的一些实施例中，所述确定所述比值是否在预设范围内，包括:
确定所述比值是否在±0.1内；若是，则确定所述目标图像为清晰图像。也就是说，在本发明实施例中，△S在正负10％以内，则确定目标图像为清晰图像。
可选地，所述获取图像之后，所述对所述图像分别进行二值化以及灰度化处理之前，所述方法还包括：
可选地，所述获取目标图像之后，所述对所述目标图像分别进行二值化以及灰度化处理之前，所述方法还包括：
对所述目标图像分割为N个子图像，所述N为正整数，所述N大于或等于2；
所述对所述目标图像分别进行二值化以及灰度化处理，包括：
对经过所述N个子图像分别进行二值化以及灰度化处理，以获得对应的N个二值化图像以及N个灰度化图像；
所述根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像，包括：
确定所述N个子图像中，每一个子图像对应的二值化、灰度化图像的连通域的总面积之间的差；
确定每一个子图像对应的二值化、灰度化图像的连通域的总面积之间的差，与相对应的子图像的灰度化图像的连通域的总面积的比值；
确定所述比值的平均值是否在预设范围内；
若是，则确定所述目标图像为清晰图像。
可选地，所述对所述图像进行分割包括：
根据所述图像的长宽比均匀对所述图像进行分割。
为了便于理解，下面举例进行说明：在本发明的一些实施例中，可以将目标图像按长宽比均匀等分成N个子图像，通过上述步骤101-104中求目标图像的比值△Si的方式类似，分别求出每个子图像的△Si，当每个子图像的△Si的平均值也在上述预设范围内，则确定目标图像为清晰图像，示例性的，当每个子图像的△Si的平均值在±0.1内时，则确定目标图像为清晰图像。
请参阅图7，本发明实施例第二方面提供了一种图像清晰判定装置，该装置包括:
获取模块201，用于获取目标图像；
二值化处理模块202，用于对所述图像进行二值化处理，以获得对应的二值化图像；
灰度化处理模块203，用于对所述图像进行灰度化处理，以获得对应的灰度化图像；
第一确定模块204，用于确定所述二值化、灰度化图像的连通域；
第二确定模块205，用于根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像。
与现有技术相比，本发明实施例所提供的图像清晰判定装置对目标图像是否为清晰图像进行判定时，是依据目标图像本身的信息(连通域)来判定，而不依靠图像的外部附加信息，例如焦点信息、光圈等信息，这样，可以有效地减少当目标图像不具有上述外部附加信息时，图像清晰度判定不准确的情况，通过本发明可以有效地提高图像清晰度的准确性，从而有效地提高图像信息的识别准确率。
应当说明的是，上述实施例中提供的图像清晰判定装置和上述图像清晰判定方法是基于相同的发明构思。因此，图像清晰判定方法中各个具体实施例的步骤均可以由对应的图像清晰判定装置所执行，具体的功能也可以在上述图像清晰判定方法中具有对应的方法步骤，在此不再赘述。
另外需要说明的是，本发明实施例还提供了一种计算机程序产品，该计算机程序产品被计算机设备执行时，可以实现本发明实施例中图像清晰判定方法的步骤或功能。
图8为本申请实施例提供的计算机设备的硬件结构示意图，该计算机设备可用于实现上述图像清晰判定装置的功能，该计算机设备包括：一个或多个处理器301以及存储器302。图3中以一个为例。其中，处理器301以及存储器302可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器302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，如本发明实施例中图像清晰判定装置对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行图像清晰判定装置的各种功能应用以及数据处理，即实现上述方法实施例中图像清晰判定装置的功能。
存储器302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；存储数据区可存储图像清晰判定装置使用所获取的图像数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器。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。
上述计算机设备可执行本申请实施例所提供的系统或方法，具备执行该系统或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图像清晰判定方法，这里不重复赘述。
并且，以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加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，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(read-only memory，ROM)、随机存取存储器(random access memory，rAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。

Claims (10)

1.一种图像清晰判定方法，其特征在于，包括:
获取目标图像；
对所述目标图像分别进行二值化以及灰度化处理，以获得对应的二值化图像以及灰度化图像；
确定所述二值化、灰度化图像的连通域；
根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像，包括：
确定所述二值化图像的连通域的总面积，以及所述灰度化图像的连通域的总面积；
确定所述二值化、灰度化图像的连通域的总面积之间的差；
确定所述差与所述灰度化图像的连通域的总面积的比值；
确定所述比值是否在预设范围内；
若是，则确定所述目标图像为清晰图像。
3.根据权利要求2所述的方法，其特征在于，所述确定所述比值是否在预设范围内，包括:
确定所述比值是否在±0.1内；
若是，则确定所述目标图像为清晰图像。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定所述灰度化图像的连通域，包括：
根据预设灰度值分级方式确定所述灰度化图像的主灰度级别；
根据所述主灰度级别确定所述灰度化图像的连通域。
5.根据权利要求4所述的方法，其特征在于，所述根据预设灰度值分级方式确定所述灰度化图像的主灰度级别，包括：
采用直方图均衡法确定所述灰度化图像的灰度级别；
将满足以下公式的灰度级别作为所述灰度化图像的主灰度级别：
Gp＝Gn-n*0.618；
其中，所述Gn为所述灰度化图像的灰度级别，所述n为所述灰度化图像的灰度级别数量，所述Gp为所述主灰度级别。
6.根据权利要求1所述的方法，其特征在于，所述获取目标图像之后，所述对所述目标图像分别进行二值化以及灰度化处理之前，所述方法还包括：
对所述目标图像分割为N个子图像，所述N为正整数，所述N大于或等于2；
所述对所述目标图像分别进行二值化以及灰度化处理，包括：
对经过所述N个子图像分别进行二值化以及灰度化处理，以获得对应的N个二值化图像以及N个灰度化图像；
所述根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像，包括：
确定所述N个子图像中，每一个子图像对应的二值化、灰度化图像的连通域的总面积之间的差；
确定每一个子图像对应的二值化、灰度化图像的连通域的总面积之间的差，与相对应的子图像的灰度化图像的连通域的总面积的比值；
确定所述比值的平均值是否在预设范围内；
若是，则确定所述目标图像为清晰图像。
7.根据权利要求6所述的方法，其特征在于，所述对所述目标图像进行分割包括：
根据所述目标图像的长宽比均匀对所述目标图像进行分割。
8.一种图像清晰判定装置，其特征在于，包括:
获取模块，用于获取目标图像；
二值化处理模块，用于对所述目标图像进行二值化处理，以获得对应的二值化图像；
灰度化处理模块，用于对所述图像进行灰度化处理，以获得对应的灰度化图像；
第一确定模块，用于确定所述二值化、灰度化图像的连通域；
第二确定模块，用于根据所述二值化、灰度化图像的连通域确定所述目标图像是否为清晰图像。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器以及至少一个处理器，所述存储器与所述处理器连接；所述存储器存储有可被所述至少一个处理器所执行的计算机程序，所述计算机程序被所述至少一个处理器执行时能够执行如权利要求1-7任一项所述的方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品能实现执行权利要求1-7任一项方法所实现的功能。
CN201810221529.4A 2018-03-17 2018-03-17 图像清晰判定方法、装置，以及计算机设备、产品 Active CN108596874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810221529.4A CN108596874B (zh) 2018-03-17 2018-03-17 图像清晰判定方法、装置，以及计算机设备、产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810221529.4A CN108596874B (zh) 2018-03-17 2018-03-17 图像清晰判定方法、装置，以及计算机设备、产品

Publications (2)

Publication Number Publication Date
CN108596874A true CN108596874A (zh) 2018-09-28
CN108596874B CN108596874B (zh) 2024-01-05

Family

ID=63626683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810221529.4A Active CN108596874B (zh) 2018-03-17 2018-03-17 图像清晰判定方法、装置，以及计算机设备、产品

Country Status (1)

Country Link
CN (1) CN108596874B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100315512A1 (en) * 2008-03-05 2010-12-16 Huawei Device Co., Ltd Method and System for Processing Images
JP2013081174A (ja) * 2011-09-30 2013-05-02 Fujitsu Ltd 画像処理装置及び画像処理方法
CN103914843A (zh) * 2014-04-04 2014-07-09 上海交通大学 基于分水岭算法和形态学标记的图像分割方法
CN104952077A (zh) * 2015-06-18 2015-09-30 辰通智能设备(深圳)有限公司 一种票据图像油污检测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100315512A1 (en) * 2008-03-05 2010-12-16 Huawei Device Co., Ltd Method and System for Processing Images
JP2013081174A (ja) * 2011-09-30 2013-05-02 Fujitsu Ltd 画像処理装置及び画像処理方法
CN103914843A (zh) * 2014-04-04 2014-07-09 上海交通大学 基于分水岭算法和形态学标记的图像分割方法
CN104952077A (zh) * 2015-06-18 2015-09-30 辰通智能设备(深圳)有限公司 一种票据图像油污检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙红利，等: ""图像清晰度评价算法研究"", 《传感器与微系统》 *
李晓燕等: "一种基于图像清晰度评价的天文望远镜自动调焦系统", 《天文研究与技术》 *

Also Published As

Publication number Publication date
CN108596874B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
US9070044B2 (en) Image adjustment
CN109003231B (zh) 一种图像增强方法、装置和显示设备
CN102693528B (zh) 低光度图像中的噪声抑制
US20220189029A1 (en) Semantic refinement of image regions
CN107563976A (zh) 美颜参数获取方法、装置、可读存储介质和计算机设备
US11334973B2 (en) Image colorizing method and device
Kim et al. BigColor: Colorization using a generative color prior for natural images
US20110058736A1 (en) Image processing apparatus, method, and program
CN113763296A (zh) 图像处理方法、设备以及介质
CN107038695A (zh) 一种图像融合方法及移动设备
Fang et al. Creatism: A deep-learning photographer capable of creating professional work
US20190373232A1 (en) Systems, methods and computer programs for colorimetric mapping
CN110852940A (zh) 一种图像处理方法及相关设备
JP2006031440A (ja) 画像処理方法、画像処理装置、画像処理プログラム及び画像処理システム
US8509529B2 (en) Color-image representative color decision apparatus and method of controlling operation thereof
CN106575434A (zh) 图像处理装置、摄像装置、图像处理方法以及程序
US20230222639A1 (en) Data processing method, system, and apparatus
US8712161B2 (en) Image manipulating system and method
CN111104987A (zh) 人脸识别方法、装置及电子设备
CN108596874A (zh) 图像清晰判定方法、装置，以及计算机设备、产品
Buzzelli et al. Consensus-driven illuminant estimation with GANs
US10026201B2 (en) Image classifying method and image displaying method
CN109587396A (zh) 拍摄方法和拍摄装置
JP2006039666A (ja) 画像処理方法、画像処理装置及び画像処理プログラム
Gavilan Ruiz et al. Image categorization using color blobs in a mobile environment

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231208

Address after: 14-17, Building 3, Zone B, Administrative Center, No. 12 Guangfu Avenue, Nan'an District, Chongqing, 400000

Applicant after: Ziguang Huizhi Information Technology Co.,Ltd.

Address before: 518000, B202-33, 2nd Floor, Building 3, Yu'anju Tongjian Building, Xin'an Street, Bao'an District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN JIKE SISUO TECHNOLOGY CO.,LTD.

GR01 Patent grant
GR01 Patent grant