CN108648189A - 图像模糊检测方法、装置、计算设备及可读存储介质 - Google Patents
图像模糊检测方法、装置、计算设备及可读存储介质 Download PDFInfo
- Publication number
- CN108648189A CN108648189A CN201810462878.5A CN201810462878A CN108648189A CN 108648189 A CN108648189 A CN 108648189A CN 201810462878 A CN201810462878 A CN 201810462878A CN 108648189 A CN108648189 A CN 108648189A
- Authority
- CN
- China
- Prior art keywords
- image
- target area
- detected
- contrast
- line
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种图像模糊检测方法、装置、计算设备及计算机可读存储介质,其中,该方法包括:获取待检测图像,在待检测图像中选取待检测的目标区域,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度,根据得到的对比度,判断待检测图像是否模糊。解决了现有技术中无法实时地检测图像是否模糊的技术问题,取得了积极的技术效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像模糊检测方法、装置、计算设备及可读存储介质。
背景技术
随着互联网技术的发展与运用,服务商为了提供更优质的服务,需要验证用户的身份信息或者用户的经营资格信息。通常需要用户上传用于身份验证的证件,如身份证、驾驶证、以及结婚证等;以及需要用户上传用于经营资格验证的证件,如营业执照、组织机构代码证、以及税务登记证等。
在具体操作时,需要对证件进行拍照上传,由于光线、遮挡、抖动等原因,部分用户上传的证件模糊不清,影响服务商对图片内容的识别及判断。
相关技术中,服务商主要是在后台通过人用户辨别的方式判断用户上传的证件是否清晰,由于用户基量大,存在人工成本高的问题。同时,用户上传证件后,需要等待人工审核,才能知道上传的证件是否合格,如上传的证件不合格还需再次上传,用户不能实时的知晓上传的证件是否合格,存在等待时间长,用户体验差的问题。因此,实时地对图像模糊性检测尤其重要。
发明内容
本发明提供一种图像模糊检测方法、装置、计算设备及可读存储介质,用以解决现有技术中无法实时地检测图像是否模糊的技术问题。
依据本发明的一个方面,提供一种图像模糊检测方法,所述方法包括:
获取待检测图像;
在待检测图像中选取待检测的目标区域;
确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度;
根据得到的对比度,判断待检测图像是否模糊。
可选的,目标区域包括:待检测图像中的文本行区域。
可选的,在待检测图像中选取待检测的目标区域,包括:
对待检测图像进行局部二值化处理;
将局部二值化处理后的待检测图像进行膨胀处理;
对膨胀处理后的待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
可选的,符合预设规则的文本行区域包括:最长文本行的长短边之比大于设定的阈值的文本行区域。
可选的,确定经过局部二值化处理后的目标区域的对比度,包括:
计算经过局部二值化处理后的目标区域的原灰度图像的方差,得到目标区域的对比度。
可选的,确定经过全局二值化处理后的目标区域的对比度,包括:
在对目标区域的原图像进行全局二值化处理后,对全局二值化图像的前景像素在目标区域的原灰度图中计算方差,得到目标区域的对比度。
根据得到的对比度,判断待检测图像是否模糊,包括:
判断经过全局二值化处理后的目标区域的对比度是否大于经过局部二值化处理后的目标区域的对比度,并在判断结果为是时,判定待检测图像模糊。
依据本发明实施例的第二个方面,提供了一种图像模糊检测装置,所述装置包括:
图像获取模块,用于获取待检测图像;
目标区域模块,用于在待检测图像中选取待检测的目标区域;
对比度模块,用于确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度;
判断模块,用于根据得到的对比度,判断待检测图像是否模糊。
可选的,目标区域包括:待检测图像中的文本行区域。
可选的,目标区域模块包括:
二值化单元,用于对待检测图像进行局部二值化处理;
膨胀单元,用于将局部二值化处理后的待检测图像进行膨胀处理;
文本行区域选择单元,用于对膨胀处理后的待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
可选的,符合预设规则的文本行区域包括:最长文本行的长短边之比大于设定的阈值的文本行区域。
可选的,对比度模块包括:
局部对比度单元,用于计算经过局部二值化处理后的目标区域的原灰度图像的方差,得到目标区域的对比度。
可选的,对比度模块包括:
全局对比度单元,用于在对目标区域的原图像进行全局二值化处理后,对全局二值化图像的前景像素在目标区域的原灰度图中计算方差,得到目标区域的对比度。
可选的,判断模块包括:
对比度判断单元,用于判断经过全局二值化处理后的目标区域的对比度是否大于经过局部二值化处理后的目标区域的对比度,并在判断结果为是时,判定待检测图像模糊。
依据本发明实施例的第三个方面,提供了一种计算设备,计算设备包括:存储器、处理器及通信总线;通信总线用于实现处理器和存储器之间的连接通信;
处理器用于执行存储器中存储的图像模糊检测程序,该程序被处理器执行时实现本发明实施例提供的图像模糊检测方法的步骤。
依据本发明实施例的第四个方面,提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本发明实施例提供的图像模糊检测方法的步骤。
根据本发明实施例的一种图像模糊检测方法、装置、计算设备及计算机可读存储介质,通过获取待检测图像,在待检测图像中选取待检测的目标区域,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度,根据得到的对比度,判断待检测图像是否模糊。由此解决了现有技术中无法实时地检测图像是否模糊的技术问题,取得了积极的技术效果。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明第一实施例提供的一种图像模糊检测方法的流程图;
图2为本发明第二实施例提供的一种图像模糊检测方法的流程图;
图3为本发明第三实施例提供的一种图像模糊检测方法的流程图;
图4为本发明第四实施例提供的一种图像模糊检测方法的流程图;
图5为本发明第五实施例提供的一种图像模糊检测方法的流程图;
图6为本发明第六实施例提供的一种图像模糊检测方法的流程图;
图7为本发明第七实施例和第八实施例提供的一种图像模糊检测装置的功能模块示意图;
图8为本发明第九实施例和第十实施例提供的一种图像模糊检测装置的功能模块示意图;
图9为本发明第十一实施例提供的一种图像模糊检测装置的功能模块示意图;
图10为本发明第十二实施例提供的一种图像模糊检测装置的功能模块示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
请参阅图1,为本发明第一实施提供的一种图像模糊检测方法的流程图。本实施例中,所述图像模糊检测方法包括如下步骤:
步骤S101,获取待检测图像。
具体实施时,该待检测图像可以为用户上传的用于身份验证的证件,如身份证、驾驶证等;以及用户上传的用于经营资格验证的证件,如营业执照、组织机构代码证、以及税务登记证等。其中,待检测图像的获取方式包括但不限于通过图像采集设备获取的图像,或从存储介质中获取的图像。具体的,待检测图像可以是用户通过图像采集设备(摄像头、扫描仪)实时采集的图像,或者是直接从相册或数据库中获取的图像。
步骤S102,在待检测图像中选取待检测的目标区域。
具体实施时,在获取到待检测图像后,需要按照类别对获取到的待检测图像进行分类,以根据该图像所属的类别进入下一步操作。如,获取待检测图像的特征,并根据该特征按照证件类别对待检测图像进行分类。在具体应用时,服务商在需要用户上传待检测图像时,一般规定了用户上传的证件类别,如规定上传营业执照,用户一般会将拍摄到的营业执照上传,但也有少数用户上传的并不是营业执照。通过对待检测图像的特征识别,检测上传的图像是否为规定的证件类别。在检测到上传的图像为规定的证件类别时,在该图像内获取对应的目标区域。该目标区域为该证件类型固有的特征区域,如证件徽章、证件边缘印记、以及证件的备注信息等。
步骤S103,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
具体的,本实施例中以获取到的目标区域为备注信息区域作为示例,对本实施例进行详细说明。在获取到备注信息区域后,在备注信息区域内选取特定的范围,如该特定的范围为字符对应范围。对字符对应范围进行二值化处理,计算经过二值化处理后该字符范围对应的对比度;对备注信息区域全局进行二值化处理,计算经过二值化处理后备注信息区域全局范围对应的对比度。
步骤S104,根据得到的对比度,判断待检测图像是否模糊。
根据获取到的经过二值化处理后该字符范围对应的对比度和经过二值化处理后备注信息区域全局范围对应的对比度,判断待检测图像是否模糊。
本实施例中,通过获取待检测图像,在待检测图像中选取待检测的目标区域,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度,根据得到的对比度,判断待检测图像是否模糊。由此解决了现有技术中无法实时地检测图像是否模糊的技术问题,取得了积极的技术效果。
请参阅图2,为本发明第二实施提供的一种图像模糊检测方法的流程图。本实施例中,所述图像模糊检测方法包括如下步骤:
步骤S201,获取待检测图像。
步骤S202,在待检测图像中选取待检测的文本行区域。
具体实施时,在获取到待检测图像后,需要按照类别对获取到的待检测图像进行分类,以根据该图像所属的类别进入下一步操作。如,获取待检测图像的特征,并根据该特征按照证件类别对待检测图像进行分类。在具体应用时,用户端在需要用户上传待检测图像时,一般规定了用户上传的证件类别,如规定上传营业执照,用户一般会将拍摄到的营业执照上传,但也有少数用户上传的并不是营业执照。通过对待检测图像的特征识别,检测上传的图像是否为规定的证件类别。在检测到上传的图像为规定的证件类别时,在该图像内获取对应的目标区域。在具体运用过程中,不同证件类别之间涉及到的相同或近似的特征区域,通过该特征区域对应的特征对图像模糊性进行判断,有助于提升对不同证件类别图像模糊性检测的效率。对不同证件类别之间相同或近似的特征区域的提取,如每一类别的证件均包括对应的备注信息,在备注信息对应的区域内选取符合预设规定的文本行区域,将图像的文本行区域作为目标区域。其中,该预设规定可以为文本行设定的长度和宽度范围。
步骤S203,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
步骤S204,根据得到的对比度,判断待检测图像是否模糊。
其中,步骤S201、步骤S203、以及步骤S204均在第一实施例中进行了详细说明,在此不做赘述。
请参阅图3,为本发明第三实施提供的一种图像模糊检测方法的流程图,本实施例中,所述图像模糊检测方法包括如下步骤:
步骤S301,获取待检测图像。
步骤S302,对待检测图像进行局部二值化处理。
具体实施时,在获取到待检测图像后需要对待检测图像进行局部二值化处理,以便于找到对应的目标区域。具体的,在获取到待检测图像后,待检测的图像噪音比较大,为了保留待检测图像的特征区域,对待检测图像进行局部二值化处理。其中,局部二值化处理具体包括,根据待检测图像的特征,找到对应的特征区域,对每一特征区域进行二值化处理。如对获取到的图像进行特征提取,找到图像对应的特征区域,该特征区域包括文字区域、图像区域、以及空白区域。
步骤S303,将局部二值化处理后的待检测图像进行膨胀处理。
对特征区域进行二值化处理后,由于二值化处理后,图片保留的一些文字或线条会出现断裂,因此需要对待检测图像内二值化处理后的特征区域进行膨胀处理,优选地,采用3*3的核对特征区域进行膨胀。
步骤S304,对膨胀处理后的待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
在对膨胀处理后的待检测图像进行连通域分析后,在特征区域内选择文本行对应的区域。具体的,在对图像进行连通域分析后,根据预设的选择规则,在特征区域内选择一个最优的文本行区域。其中,选取规则可以是,文本行的规定的长度及高度范围,或文本行的长度与高度的比值范围。
步骤S305,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
步骤S306,根据得到的对比度,判断待检测图像是否模糊。
其中,步骤S304、以及步骤S304至步骤S306均在第一实施例中进行了详细说明,在此不做赘述。
请参阅图4,为本发明第四实施提供的一种图像模糊检测方法的流程图,本实施例中,所述图像模糊检测方法包括如下步骤:
步骤S401,获取待检测图像。
步骤S402,对待检测图像进行局部二值化处理。
步骤S403,将局部二值化处理后的待检测图像进行膨胀处理。
步骤S404,对膨胀处理后的待检测图像进行连通域分析后,选择最长文本行的长短边之比大于设定的阈值的文本行区域。
具体实施时,对待检测图像进行连通域分析后,选择长短边之比大于设定阈值的文本行区域。其中,在对待检测图像进行连通域进行分析后,找不到文本行或文本行的长短编之比大于设定的阈值的文本行区域时,有可能是获取到的图像不清晰,在图像中获取不到对应的文本行区域,以此判断图像不清晰。当最长文本行的长短边之比大于设定的阈值的文本行区域时,执行步骤S405,进一步的对图像的清晰度进行判断。
步骤S405,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
步骤S406,根据得到的对比度,判断待检测图像是否模糊。
其中,步骤S401至步骤S403、以及步骤S405至步骤S406均在第一实施例中进行了详细说明,在此不做赘述。
请参阅图5,为本发明第五实施提供的一种图像模糊检测方法的流程图,本实施例中,所述图像模糊检测方法包括如下步骤:
步骤S501,获取待检测图像。
步骤S502,在待检测图像中选取待检测的目标区域。
步骤S503,计算经过局部二值化处理后的目标区域的原灰度图像的方差,得到目标区域的对比度;计算在对目标区域的原图像进行全局二值化处理后,对全局二值化图像的前景像素在目标区域的原灰度图中计算方差,得到目标区域的对比度。
具体实施时,计算经过局部二值化处理后的目标区域的灰度图像方差。具体的,本实施例中,以获取到的目标区域为备注信息区域为示例,对本实施例进行详细说明。对备注信息区域进行局部二值化,在备注区域内选取特定的范围,如特定的范围为字符对应的范围,获取该文字范围的灰度图像方差。对备注信息区域全局进行二值化处理,计算前景像素在备注信息区域全局的原灰度图中计算方差,得到备注信息区域全局的对比度,其中前景像素为字符对应的像素。
步骤S504,根据得到的对比度,判断待检测图像是否模糊。
其中,步骤S501至步骤S502、以及步骤S504均在第一实施例中进行了详细说明,在此不做赘述。
请参阅图6,为本发明第六实施提供的一种图像模糊检测方法的流程图。本实施例中,所述图像模糊检测方法包括如下步骤:
步骤S601,获取待检测图像。
步骤S602,在待检测图像中选取待检测的目标区域。
步骤S603,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
步骤S604,判断经过全局二值化处理后的目标区域的对比度是否大于经过局部二值化处理后的目标区域的对比度,并在判断结果为是时,判定待检测图像模糊。
具体实施时,通过比较全局二值化处理后的目标区域的对比度是否大于经过局部二值化处理后的目标区域的对比度,来判断图像是否模糊。当全局二值化处理后的目标区域的对比度大于经过局部二值化处理后的目标区域的对比度时,判断图像为模糊状态。
其中,步骤S601至步骤S603均在第一实施例中进行了详细说明,在此不做赘述。
请参阅图7,为本发明第七实施例提供的一种图像模糊检测装置100的功能模块示意图。应用于计算机设备,该图像模糊检测装置100包括图像获取模块110、目标区域模块120、对比度模块130、以及判断模块140。该装置主要用来实现本发明实施例提供的图像模糊检测方法,该方法主要用来解决现有技术中无法实时地检测图像是否模糊的技术问题。
其中,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。
图像获取模块110,用于获取待检测图像。
具体实施时,该待检测图像可以为用户上传的用于身份验证的证件,如身份证、驾驶证、以及结婚证等;以及用户上传的用于经营资格验证的证件,如营业执照、组织机构代码证、以及税务登记证等。其中,待检测图像的获取方式包括但不限于通过图像采集设备获取的图像,或从存储介质中获取的图像。具体的,待检测图像可以是用户通过图像采集设备(摄像头、扫描仪)实时采集的图像,或者是直接从相册或数据库中获取的图像。
目标区域模块120,用于在待检测图像中选取待检测的目标区域。
具体实施时,在获取到待检测图像后,需要按照类别对获取到的待检测图像进行分类,以根据该图像所属的类别进入下一步操作。如,获取待检测图像的特征,并根据该特征按照证件类别对待检测图像进行分类。在具体应用时,服务商在需要用户上传待检测图像时,一般规定了用户上传的证件类别,如规定上传营业执照,用户一般会将拍摄到的营业执照上传,但也有少数用户上传的并不是营业执照。通过对待检测图像的特征识别,检测上传的图像是否为规定的证件类别。在检测到上传的图像为规定的证件类别时,在该图像内获取对应的目标区域。该目标区域为该证件类型固有的特征区域,如证件徽章、证件边缘印记、以及证件的备注信息等。
对比度模块130,用于确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
具体的,本实施例中以获取到的目标区域为备注信息区域作为示例,对本实施例进行详细说明。在获取到备注信息区域后,在备注信息区域内选取特定的范围,如该特定的范围为字符对应范围。对字符对应范围进行二值化处理,计算经过二值化处理后该字符范围对应的对比度;对备注信息区域全局进行二值化处理,计算经过二值化处理后备注信息区域全局范围对应的对比度。
判断模块140,用于根据得到的对比度,判断待检测图像是否模糊。
根据获取到的经过二值化处理后该字符范围对应的对比度和经过二值化处理后备注信息区域全局范围对应的对比度,判断待检测图像是否模糊。
本实施例中,通过获取待检测图像,在待检测图像中选取待检测的目标区域,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度,根据得到的对比度,判断待检测图像是否模糊。由此解决了现有技术中无法实时地检测图像是否模糊的技术问题,取得了积极的技术效果。
请参阅图7,为本发明第八实施例提供的图像模糊检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。该图像模糊检测装置100包括图像获取模块110、目标区域模块120、对比度模块130、以及判断模块140。在第七实施例的基础上,目标区域模块120,具体用于在待检测图像中选取待检测的目标区域。
具体实施时,在获取到待检测图像后,需要按照类别对获取到的待检测图像进行分类,以根据该图像所属的类别进入下一步操作。如,获取待检测图像的特征,并根据该特征按照证件类别对待检测图像进行分类。在具体应用时,用户端在需要用户上传待检测图像时,一般规定了用户上传的证件类别,如规定上传营业执照,用户一般会将拍摄到的营业执照上传,但也有少数用户上传的并不是营业执照。通过对待检测图像的特征识别,检测上传的图像是否为规定的证件类别。在检测到上传的图像为规定的证件类别时,在该图像内获取对应的目标区域。在具体运用过程中,不同证件类别之间涉及到的相同或近似的特征区域,通过该特征区域对应的特征对图像模糊性进行判断,有助于提升对不同证件类别图像模糊性检测的效率。对不同证件类别之间相同或近似的特征区域的提取,如每一类别的证件均包括对应的备注信息,在备注信息对应的区域内选取符合预设规定的文本行区域,将图像的文本行区域作为目标区域。其中,该预设规定可以为文本行设定的长度和宽度范围。
请参阅图8,为本发明第九实施例提供的图像模糊检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。该图像模糊检测装置100包括图像获取模块110、目标区域模块120、对比度模块130、以及判断模块140。在第八实施例的基础上,目标区域模块120包括:
二值化单元121,用于对待检测图像进行局部二值化处理。
具体实施时,在获取到待检测图像后需要对待检测图像进行局部二值化处理,以便于找到对应的目标区域。具体的,在获取到待检测图像后,待检测的图像噪音比较大,为了保留待检测图像的特征区域,对待检测图像进行局部二值化处理。其中,局部二值化处理具体包括,根据待检测图像的特征,找到对应的特征区域,对每一特征区域进行二值化处理。如对获取到的图像进行特征提取,找到图像对应的特征区域,该特征区域包括文字区域、图像区域、以及空白区域。
膨胀单元122,用于将局部二值化处理后的待检测图像进行膨胀处理。
对特征区域进行二值化处理后,由于二值化处理后,图片保留的一些文字或线条会出现断裂,因此需要对待检测图像内二值化处理后的特征区域进行膨胀处理,优选地,采用3*3的核对特征区域进行膨胀。
文本行区域选择单元123,用于对膨胀处理后的待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
在对膨胀处理后的待检测图像进行连通域分析后,在特征区域内选择文本行对应的区域。具体的,在对图像进行连通域分析后,根据预设的选择规则,在特征区域内选择一个最优的文本行区域。其中,选取规则可以是,文本行的规定的长度及高度范围,或文本行的长度与高度的比值范围。
请参阅图8,为本发明第十实施例提供的图像模糊检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。该图像模糊检测装置100包括图像获取模块110、目标区域模块120、对比度模块130、以及判断模块140,目标区域模块120包括二值化单元121、膨胀单元122、以及文本行区域选择单元123。在第九实施例的基础上,文本行区域选择单元123,具体用于对膨胀处理后的待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
具体实施时,对待检测图像进行连通域分析后,选择长短边之比大于设定阈值的文本行区域。其中,在对待检测图像进行连通域进行分析后,找不到文本行或文本行的长短编之比大于设定的阈值的文本行区域时,有可能是获取到的图像不清晰,在图像中获取不到对应的文本行区域,以此判断图像不清晰。当最长文本行的长短边之比大于设定的阈值的文本行区域时,执行步骤S405,进一步的对图像的清晰度进行判断。
请参阅图9,为本发明第十一实施例提供的图像模糊检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。该图像模糊检测装置100包括图像获取模块110、目标区域模块120、对比度模块130、以及判断模块140。在第七实施例的基础上,对比度模块130包括:
局部对比度单元131,用于计算经过局部二值化处理后的目标区域的原灰度图像的方差,得到目标区域的对比度。
全局对比度单元132,用于在对目标区域的原图像进行全局二值化处理后,对全局二值化图像的前景像素在目标区域的原灰度图中计算方差,得到目标区域的对比度。
具体实施时,计算经过局部二值化处理后的目标区域的灰度图像方差。具体的,本实施例中,以获取到的目标区域为备注信息区域为示例,对本实施例进行详细说明。对备注信息区域进行局部二值化,在备注区域内选取特定的范围,如特定的范围为字符对应的范围,获取该文字范围的灰度图像方差。对备注信息区域全局进行二值化处理,计算前景像素在备注信息区域全局的原灰度图中计算方差,得到备注信息区域全局的对比度,其中前景像素为字符对应的像素。
请参阅图10,为本发明第十二实施例提供的图像模糊检测装置100的功能模块示意图。应用于计算机设备,该计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。该图像模糊检测装置100包括图像获取模块110、目标区域模块120、对比度模块130、以及判断模块140。在第七实施例的基础上,判断模块140包括:
对比度判断单元141,用于判断经过全局二值化处理后的目标区域的对比度是否大于经过局部二值化处理后的目标区域的对比度,并在判断结果为是时,判定待检测图像模糊。
具体实施时,通过比较全局二值化处理后的目标区域的对比度是否大于经过局部二值化处理后的目标区域的对比度,来判断图像是否模糊。当全局二值化处理后的目标区域的对比度大于经过局部二值化处理后的目标区域的对比度时,判断图像为模糊状态。
本发明实施例还提供了一种计算设备,计算设备包括:存储器、处理器及通信总线;通信总线用于实现处理器和存储器之间的连接通信;
处理器用于执行存储器中存储的图像模糊检测程序,以实现本发明如下步骤:
步骤S101,获取待检测图像。
步骤S102,在待检测图像中选取待检测的目标区域。
步骤S103,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
步骤S104,根据得到的对比度,判断待检测图像是否模糊。
可选的,执行的步骤可替换为步骤S201至步骤S204、步骤S301至步骤S306、步骤S401至步骤S406、步骤S501至步骤S504、以及步骤S601至步骤S604。
由于在第一实施例至第六实施例中已经对图像模糊检测方法实施过程进行了详细说明,本实施例在此不再重复赘述。
本实施例中计算机设备包括但不限于移动电话、手机、智能手机、平板电脑、个人电脑、个人数字助理、媒体播放器、服务器和其他电子设备。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本发明实施例提供的如下步骤:
步骤S101,获取待检测图像。
步骤S102,在待检测图像中选取待检测的目标区域。
步骤S103,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度。
步骤S104,根据得到的对比度,判断待检测图像是否模糊。
可选的,执行的步骤可替换为步骤S201至步骤S204、步骤S301至步骤S306、步骤S401至步骤S406、步骤S501至步骤S504、以及步骤S601至步骤S604。
由于在第一实施例至第六实施例中已经对图像模糊检测方法实施过程进行了详细说明,本实施例在此不再重复赘述。
本实施例计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
综上所述,本发明实施例公开了一种图像模糊检测方法、装置、计算设备及计算机可读存储介质,通过获取待检测图像,在待检测图像中选取待检测的目标区域,确定经过局部二值化处理后的目标区域的对比度和经过全局二值化处理后的目标区域的对比度,根据得到的对比度,判断待检测图像是否模糊。由此解决了现有技术中无法实时地检测图像是否模糊的技术问题,取得了积极的技术效果。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
总之,以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种图像模糊检测方法,其特征在于,所述方法包括:
获取待检测图像;
在所述待检测图像中选取待检测的目标区域;
确定经过局部二值化处理后的所述目标区域的对比度和经过全局二值化处理后的所述目标区域的对比度;
根据得到的对比度,判断所述待检测图像是否模糊。
2.如权利要求1所述的方法,其特征在于,所述目标区域包括:所述待检测图像中的文本行区域。
3.如权利要求2所述的方法,其特征在于,在所述待检测图像中选取待检测的目标区域,包括:
对所述待检测图像进行局部二值化处理;
将局部二值化处理后的所述待检测图像进行膨胀处理;
对膨胀处理后的所述待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
4.如权利要求3所述的方法,其特征在于,所述符合预设规则的文本行区域包括:最长文本行的长短边之比大于设定的阈值的文本行区域。
5.如权利要求1至4任意一项所述的方法,其特征在于,确定经过局部二值化处理后的所述目标区域的对比度,包括:
计算经过局部二值化处理后的所述目标区域的原灰度图像的方差,得到所述目标区域的对比度。
6.如权利要求1至4任意一项所述的方法,其特征在于,确定经过全局二值化处理后的所述目标区域的对比度,包括:
在对所述目标区域的原图像进行全局二值化处理后,对全局二值化图像的前景像素在目标区域的原灰度图中计算方差,得到所述目标区域的对比度。
7.如权利要求1所述的方法,其特征在于,根据得到的对比度,判断所述待检测图像是否模糊,包括:
判断经过全局二值化处理后的所述目标区域的对比度是否大于经过局部二值化处理后的所述目标区域的对比度,并在判断结果为是时,判定待检测图像模糊。
8.一种图像模糊检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取待检测图像;
目标区域模块,用于在所述待检测图像中选取待检测的目标区域;
对比度模块,用于确定经过局部二值化处理后的所述目标区域的对比度和经过全局二值化处理后的所述目标区域的对比度;
判断模块,用于根据得到的对比度,判断所述待检测图像是否模糊。
9.根据权利要求8所述的装置,其特征在于,所述目标区域包括:所述待检测图像中的文本行区域。
10.根据权利要求9所述的装置,其特征在于,所述目标区域模块包括:
二值化单元,用于对所述待检测图像进行局部二值化处理;
膨胀单元,用于将局部二值化处理后的所述待检测图像进行膨胀处理;
文本行区域选择单元,用于对膨胀处理后的所述待检测图像进行连通域分析后,选择符合预设规则的文本行区域。
11.如权利要求10所述的装置,其特征在于,所述符合预设规则的文本行区域包括:最长文本行的长短边之比大于设定的阈值的文本行区域。
12.如权利要求8至11任意一项所述的装置,其特征在于,所述对比度模块包括:
局部对比度单元,用于计算经过局部二值化处理后的所述目标区域的原灰度图像的方差,得到所述目标区域的对比度。
13.如权利要求8至11任意一项所述的装置,其特征在于,所述对比度模块包括:
全局对比度单元,用于在对所述目标区域的原图像进行全局二值化处理后,对全局二值化图像的前景像素在目标区域的原灰度图中计算方差,得到所述目标区域的对比度。
14.如权利要求8所述的装置,其特征在于,所述判断模块包括:
对比度判断单元,用于判断经过全局二值化处理后的所述目标区域的对比度是否大于经过局部二值化处理后的所述目标区域的对比度,并在判断结果为是时,判定待检测图像模糊。
15.一种计算设备,其特征在于,所述计算设备包括:存储器、处理器及通信总线;所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的图像模糊检测程序,以实现如权利要求1至7中任一项所述的图像模糊检测方法的步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现如权利要求1至7中任一项所述的图像模糊检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810462878.5A CN108648189B (zh) | 2018-05-15 | 2018-05-15 | 图像模糊检测方法、装置、计算设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810462878.5A CN108648189B (zh) | 2018-05-15 | 2018-05-15 | 图像模糊检测方法、装置、计算设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108648189A true CN108648189A (zh) | 2018-10-12 |
CN108648189B CN108648189B (zh) | 2022-04-05 |
Family
ID=63755860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810462878.5A Active CN108648189B (zh) | 2018-05-15 | 2018-05-15 | 图像模糊检测方法、装置、计算设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648189B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211105A (zh) * | 2019-05-24 | 2019-09-06 | 厦门美柚信息科技有限公司 | 一种模糊图像检测方法、装置及系统 |
CN111126098A (zh) * | 2019-12-24 | 2020-05-08 | 京东数字科技控股有限公司 | 证件图像采集方法、装置、设备及存储介质 |
CN111178347A (zh) * | 2019-11-22 | 2020-05-19 | 京东数字科技控股有限公司 | 证件图像的模糊度检测方法、装置、设备及存储介质 |
CN111861991A (zh) * | 2020-06-11 | 2020-10-30 | 北京百度网讯科技有限公司 | 计算图像清晰度的方法以及装置 |
CN114549499A (zh) * | 2022-03-01 | 2022-05-27 | 浪潮金融信息技术有限公司 | 一种用于终端设备的高拍仪达标检测方法、系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020044689A1 (en) * | 1992-10-02 | 2002-04-18 | Alex Roustaei | Apparatus and method for global and local feature extraction from digital images |
CN104574381A (zh) * | 2014-12-25 | 2015-04-29 | 南京邮电大学 | 一种基于局部二值模式的全参考图像质量评价方法 |
CN105374015A (zh) * | 2015-10-27 | 2016-03-02 | 湖北工业大学 | 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法 |
CN106530279A (zh) * | 2016-10-15 | 2017-03-22 | 扬州奥泰光电生物技术有限公司 | 一种图像处理方法及系统 |
-
2018
- 2018-05-15 CN CN201810462878.5A patent/CN108648189B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020044689A1 (en) * | 1992-10-02 | 2002-04-18 | Alex Roustaei | Apparatus and method for global and local feature extraction from digital images |
CN104574381A (zh) * | 2014-12-25 | 2015-04-29 | 南京邮电大学 | 一种基于局部二值模式的全参考图像质量评价方法 |
CN105374015A (zh) * | 2015-10-27 | 2016-03-02 | 湖北工业大学 | 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法 |
CN106530279A (zh) * | 2016-10-15 | 2017-03-22 | 扬州奥泰光电生物技术有限公司 | 一种图像处理方法及系统 |
Non-Patent Citations (2)
Title |
---|
DAVARZANI R 等: "Perceptual image hashing using center-symmetric local binary patterns", 《MULTIMEDIA TOOLS AND APPLICATIONS》 * |
龙钧宇 等: "一种基于全局均值和局部方差的图像二值化方法", 《计算机工程》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211105A (zh) * | 2019-05-24 | 2019-09-06 | 厦门美柚信息科技有限公司 | 一种模糊图像检测方法、装置及系统 |
CN110211105B (zh) * | 2019-05-24 | 2021-09-07 | 厦门美柚股份有限公司 | 一种模糊图像检测方法、装置及系统 |
CN111178347A (zh) * | 2019-11-22 | 2020-05-19 | 京东数字科技控股有限公司 | 证件图像的模糊度检测方法、装置、设备及存储介质 |
CN111178347B (zh) * | 2019-11-22 | 2023-12-08 | 京东科技控股股份有限公司 | 证件图像的模糊度检测方法、装置、设备及存储介质 |
CN111126098A (zh) * | 2019-12-24 | 2020-05-08 | 京东数字科技控股有限公司 | 证件图像采集方法、装置、设备及存储介质 |
CN111126098B (zh) * | 2019-12-24 | 2023-11-07 | 京东科技控股股份有限公司 | 证件图像采集方法、装置、设备及存储介质 |
CN111861991A (zh) * | 2020-06-11 | 2020-10-30 | 北京百度网讯科技有限公司 | 计算图像清晰度的方法以及装置 |
CN111861991B (zh) * | 2020-06-11 | 2024-05-24 | 北京百度网讯科技有限公司 | 计算图像清晰度的方法以及装置 |
CN114549499A (zh) * | 2022-03-01 | 2022-05-27 | 浪潮金融信息技术有限公司 | 一种用于终端设备的高拍仪达标检测方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108648189B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648189A (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
WO2020098250A1 (zh) | 字符识别方法、服务器及计算机可读存储介质 | |
US11790499B2 (en) | Certificate image extraction method and terminal device | |
CN109657673B (zh) | 图像识别方法和终端 | |
CN109255356A (zh) | 一种文字识别方法、装置及计算机可读存储介质 | |
US10140510B2 (en) | Machine print, hand print, and signature discrimination | |
WO2021151313A1 (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
CN109903210B (zh) | 水印的去除方法、装置和服务器 | |
CN112508145B (zh) | 电子印章生成及验证方法、装置、电子设备及存储介质 | |
CN111898520A (zh) | 证件真伪识别方法、装置、计算机可读介质及电子设备 | |
CN110135889A (zh) | 智能推荐书单的方法、服务器及存储介质 | |
CN111160395A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
CN112686243A (zh) | 智能识别图片文字的方法、装置、计算机设备及存储介质 | |
CN113111880A (zh) | 证件图像校正方法、装置、电子设备及存储介质 | |
CN113239910B (zh) | 证件识别方法、装置、设备及存储介质 | |
CN113792659B (zh) | 文档识别方法、装置及电子设备 | |
CN112560855A (zh) | 图像信息提取方法、装置、电子设备及存储介质 | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
CN112287653B (zh) | 产生电子合同的方法、计算设备和计算机存储介质 | |
CN112541899B (zh) | 证件的残缺检测方法、装置、电子设备及计算机存储介质 | |
CN114821588A (zh) | 图像处理方法、装置、电子设备及可读介质 | |
CN113989548A (zh) | 证件分类模型训练方法、装置、电子设备及存储介质 | |
CN112861836B (zh) | 文本图像处理方法、文本及卡证图像质量评价方法和装置 | |
CN113065619A (zh) | 数据处理方法、装置、计算机可读存储介质及设备 | |
CN112633183A (zh) | 影像遮挡区域自动检测方法、装置及存储介质 |
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 |