CN108961210B - 一种判断图像是否经过算法处理的方法 - Google Patents
一种判断图像是否经过算法处理的方法 Download PDFInfo
- Publication number
- CN108961210B CN108961210B CN201810509584.3A CN201810509584A CN108961210B CN 108961210 B CN108961210 B CN 108961210B CN 201810509584 A CN201810509584 A CN 201810509584A CN 108961210 B CN108961210 B CN 108961210B
- Authority
- CN
- China
- Prior art keywords
- image
- autocorrelation function
- correlation
- algorithm
- processed
- 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.)
- Active
Links
Images
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
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
Abstract
本发明公开了一种判断图像是否经过算法处理的方法,包括如下步骤:S01:将图像转换为灰度图像,若图像为灰度图像则不做处理,其中,所述图像中不含有规律的几何图形矩阵;S02:计算并得出转换后的灰度图像的三维自相关函数图;S03:根据上述三维自相关函数图的形状判断图像是否经过算法计算。本发明提供的一种判断图像是否经过算法处理的方法,能够简单快速地判断出图像是否经过算法处理。
Description
技术领域
本发明属于图像处理领域,具体涉及一种判断图像是否经过算法处理的方法。
背景技术
当今社会,数字图像拍摄设备被广泛应用到生活中。无论是相机还是手机,在ISP和后期处理软件的帮助下,都可以向普通用户提供越来越好的图像。与此同时,专业摄影师们依然热衷于RAW图像格式。RAW格式文件基本上是一个没有经任何图像处理的源文件,它能原原本本地记录相机拍摄到的信息,没有因为图像处理(如锐化、增加色彩对比)和压缩而造成的信息丢失,但需要用特别的软件来打开这些文件。另一方面,RAW在后期处理时能够使照片有更大的“容错率”,如调整白平衡、曝光度、对比度、饱和度等设定,也特别适合新手补救拍摄失败的照片,而且无论在后期制作上有什么改动,相片也能无损地回复到最初状态,不怕因意外储存而损失照片。
而新闻摄影中,路透社将不再接收RAW文件处理后生成的JPEG图片。RAW格式虽然带来了更好的画质,但新闻图片追求的是真实性。RAW格式的强大后期处理空间,让摄影师的个人情绪和见解可以更多地放映到图片上,而这实际上是有悖于新闻图片的基本准则的。时至今日,判断图像是否进行过过度的后期处理已成为当务之急。
在图像处理中,绝大多数算法都是以矩阵窗口的形式在整张图像上反复计算,经过这种方法计算输出的图像会呈现出一种肉眼不可见的数学关联性,即人为的、有规律操作的痕迹。而自然界的纹理结构多呈现一种无规则,无规律的结构。因此这种人为的痕迹可以通过图像的二维自相关函数及其表征得出。
发明内容
本发明所要解决的技术问题为提供一种判断图像是否经过算法处理的方法,能够简单快速地判断出图像是否经过算法处理。
为了实现上述目的,本发明采用如下技术方案:一种判断图像是否经过算法处理的方法,包括如下步骤:
S01:将图像转换为灰度图像,若图像为灰度图像则不做处理,其中,所述图像中不含有规律的几何图形矩阵;
S02:计算并得出转换后的灰度图像的三维自相关函数图;
S03:根据上述三维自相关函数图的形状判断图像是否经过算法计算;其中,当所述图像对应的三维自相关函数图显示中心相关性最大,且从中心向四周的相关性总是保持平滑递减时,判断该图像未经过算法处理;当所述图像对应的三维自相关函数图显示相关性最大的部分偏离了中心位置,或者中心相关性最大且从中心向四周的相关性保持递减趋势,但在递减过程中出现凸起的时候,则判断该图像经过算法处理。
进一步地,所述步骤S02中同时计算并得出转换后的灰度图像的二维自相关函数图。
进一步地,当所述图像对应的三维自相关函数图显示相关性最大的部分偏离了中心位置,且从相关性最大的部分向其四周的相关性保持递减趋势,但在递减的过程中出现凸起的时候,则判断该图像经过算法处理。
进一步地,所述递减过程中出现的凸起部分对应的相关性数值小于中心部分对应的相关性数值。
进一步地,所述步骤S01中的图像为RAW格式、JPEG格式、BMP格式、PNG格式、TIFF格式中的一种。
进一步地,所述步骤S01中的图像为RGB色彩空间、CMYK色彩空间或L*a*b*色彩空间中的一种。
进一步地,所述步骤S01中图像转换为灰度图像的方法为:将图像中各个像素点分别转换为同位置上的灰度像素点,转换之后的各个灰度像素点形成对应的灰度图像。
进一步地,所述规律的几何图形矩阵由M个规律的几何图形构成,M为大于1的整数。
本发明的有益效果为:由于绝大多数算法都是以矩阵窗口的形式在整张图像上反复计算,经过这种方法计算输出的图像会呈现出一种肉眼不可见的数学关联性,即人为的、有规律操作的痕迹,本发明正是利用这种规律的痕迹来判断自然风景照是否经过了计算处理,采用将图像转换为灰度图像,再根据灰度图像得出二维自相关函数图和三维自相关函数图,利用函数图的形状可以清晰地判断出该图像是否经过计算处理,本发明提供的方法简单快捷,能够有效地判断出原始的人物风景照片是否经过计算处理。
附图说明
附图1为本发明一种判断图像是否经过算法处理方法的流程图。
附图2为本发明中未经过计算处理的图像的二维自相关函数图。
附图3为相对应于附图2的未经过计算处理的图像的三维自相关函数图。
附图4为本发明中经过计算处理的人为图像。
附图5为附图4对应的二维自相关函数图。
附图6为附图4对应的三维自相关函数图。
附图7为本发明中经过计算处理的风景图像。
附图8为附图7对应的二维自相关函数图。
附图9为附图7对应的三维自相关函数图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明的具体实施方式做进一步的详细说明。
在图像处理中,绝大多数算法都是以矩阵窗口的形式在整张图像上反复计算,经过这种方法计算输出的图像会呈现出一种肉眼不可见的数学关联性,即人为的、有规律操作的痕迹。而自然界的纹理结构多呈现一种无规则,无规律的结构。因此这种人为的痕迹可以通过图像的二维自相关函数及其表征得出。本发明的核心思想正是利用人为有规律操作的痕迹来判断自然界图像是否经过计算处理。
值得说明的是,若人为制作出来的图形中含有多个有规律图形,则按照本发明方法得出的相关二维自相关函数图和三维自相关函数图中也会出现人为的规律的痕迹,因此,这种含有多个有规律图形的图像并不在本发明的保护范围之内,本发明的保护范围仅限于拍摄出来的自然风光或者人文图像。
本发明提供的一种判断图像是否经过算法处理的方法,包括如下步骤:
S01:将图像转换为灰度图像,若图像为灰度图像则不做处理,其中,图像中不含有规律的几何图形矩阵。
其中,本发明中可以处理的原始图像为RAW格式、JPEG格式、BMP格式、PNG格式、TIFF格式中的一种。且原始图形的色彩空间也可以为现有技术中的任意一种,例如RGB色彩空间或者CMYK色彩空间或L*a*b*色彩空间。
具体原始图像转换为灰度图像的方法为:将图像中各个像素点分别转换为同位置上的灰度像素点,转换之后的各个灰度像素点形成对应的灰度图像。其中,转换的具体算法根据原始图像的色彩空间类型进行计算,可以采用任意现有技术中的转换计算方式进行计算,在此不做详细说明。
本发明中提及的规律的几何图形矩阵指的是由多个规律的几何图形构成,其中,规律的几何图形包括马赛克、点阵、菱形格纹、雪花图样等等中的一种或多种,当然,具体的图形不限于上述种类,任何人为的有重复性的图案均可视为规律的几何图形矩阵,而本发明中的方法是在排除这些图形的基础上来进行判断的。
S02:计算并得出转换后的灰度图像的二维自相关函数图和三维自相关函数图,本步骤中可以只得出三维自相关函数图进行判断,其中,三维自相关函数图将相关性的大小直观地反应在Z轴上,能够更加清晰地看出其不同区域的自相关情况;具体的转换方式可以采用现有技术中的计算方式进行计算。由于现有技术中计算图像的二维自相关函数和三维自相关函数的计算方法比较成熟,在此不做详细阐述。根据计算出来的二维自相关函数和三维自相关函数可以做出图像对应的二维自相关函数图和三维自相关函数图。值得说明的是,因为是三维自相关函数图由于是该图像和自己的循环卷积,所以理论上一定是中心值最大,四周值越小整体形状。
S03:根据上述二维自相关函数图和三维自相关函数图的形状判断图像是否经过算法计算;其中,当图像对应的二维自相关函数图和三维自相关函数图显示中心相关性最大,且从中心向四周的相关性保持平滑递减时,则判断该图像未经过算法处理。
由于本发明已经排除了含有人为的有重复性图案的图像,也就是说本发明所要判断的图像为自然风景之类的自然图像,具有自然界的纹理结构,可以根据这类图像的二维自相关函数图和三维自相关函数图直接判断其是否经过计算处理。
如附图2和附图3所示,为未经过计算处理的图像对应的二维自相关函数图和三维自相关函数图。当图像对应的二维自相关函数图和三维自相关函数图显示中心相关性最大,从中心向四周的相关性保持平滑递减的时候,则判断该图像未经过算法处理,从附图3中可以清晰地看出,该图像对应的三维自相关函数图呈现中心相关性最大,四周相关性平滑递减的平滑山峰形状。
当图像对应的三维自相关函数图显示相关性最大的部分偏离了中心位置,或者中心相关性最大且从中心向四周的相关性保持递减趋势,但在递减过程中出现凸起的时候,则判断该图像经过算法处理。具体请参见附图4-9。
请参阅附图4-6,附图4为本发明中经过计算处理的人为图像;附图5为附图4对应的二维自相关函数图;附图6为附图4对应的三维自相关函数图。该图像对应的二维自相关函数图和三维自相关函数图中相关性最大的峰值并不在中心位置,而是偏离了中心位置的,并且从相关性最大的部分向其四周的相关性保持递减趋势,但在递减的过程中出现凸起的时候,这就说明附图4中的图像在拍摄之后经过了算法处理。
请参阅附图7-9,附图7为本发明中经过计算处理的风景图像;附图8为附图7对应的二维自相关函数图;附图9为附图7对应的三维自相关函数图。从附图8和附图9中可以看出该图像的二维自相关函数图和三维自相关函数图中虽然相关性最大的峰值在中心位置,从中心向四周的相关性保持递减趋势,但在递减过程中出现凸起,从附图9中可以清晰地看出,三维自相关函数图呈现出的在从中心向四周的相关性递减过程中引入了大量的凸起,并且递减过程中出现的凸起部分对应的相关性在Z轴上的数值小于中心部分或者该三维自相关函数图中相关性最大部分对应的相关性在Z轴上的数值。因为若是凸起的相关性大于中心位置的相关性,则表明该图像的三维自相关函数图中相关性最大的部分已经偏离了中心位置,直接认定该图像为经过计算处理的图像。
以上所述仅为本发明的优选实施例,所述实施例并非用于限制本发明的专利保护范围,因此凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明所附权利要求的保护范围内。
Claims (8)
1.一种判断图像是否经过算法处理的方法,其特征在于,包括如下步骤:
S01:将图像转换为灰度图像,若图像为灰度图像则不做处理,其中,所述图像中不含有规律的几何图形矩阵;
S02:计算并得出转换后的灰度图像的三维自相关函数图;
S03:根据上述三维自相关函数图的形状判断图像是否经过算法计算;其中,当所述图像对应的三维自相关函数图显示中心相关性最大,且从中心向四周的相关性总是保持平滑递减时,判断该图像未经过算法处理;当所述图像对应的三维自相关函数图显示相关性最大的部分偏离了中心位置,或者中心相关性最大且从中心向四周的相关性保持递减趋势,但在递减过程中出现凸起的时候,则判断该图像经过算法处理。
2.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,所述步骤S02中同时计算并得出转换后的灰度图像的二维自相关函数图。
3.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,当所述图像对应的三维自相关函数图显示相关性最大的部分偏离了中心位置,且从相关性最大的部分向其四周的相关性保持递减趋势,但在递减的过程中出现凸起的时候,则判断该图像经过算法处理。
4.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,所述递减过程中出现的凸起部分对应的相关性数值小于中心部分对应的相关性数值。
5.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,所述步骤S01中的图像为RAW格式、JPEG格式、BMP格式、PNG格式、TIFF格式中的一种。
6.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,所述步骤S01中的图像为RGB色彩空间、CMYK色彩空间或L*a*b*色彩空间中的一种。
7.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,所述步骤S01中图像转换为灰度图像的方法为:将图像中各个像素点分别转换为同位置上的灰度像素点,转换之后的各个灰度像素点形成对应的灰度图像。
8.根据权利要求1所述的一种判断图像是否经过算法处理的方法,其特征在于,所述规律的几何图形矩阵由M个规律的几何图形构成,M为大于1的整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810509584.3A CN108961210B (zh) | 2018-05-24 | 2018-05-24 | 一种判断图像是否经过算法处理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810509584.3A CN108961210B (zh) | 2018-05-24 | 2018-05-24 | 一种判断图像是否经过算法处理的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961210A CN108961210A (zh) | 2018-12-07 |
CN108961210B true CN108961210B (zh) | 2021-08-31 |
Family
ID=64492026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810509584.3A Active CN108961210B (zh) | 2018-05-24 | 2018-05-24 | 一种判断图像是否经过算法处理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961210B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101438594A (zh) * | 2006-04-21 | 2009-05-20 | 史诺伟思有限公司 | 图像分析 |
CN104081416A (zh) * | 2012-01-20 | 2014-10-01 | A·安那普拉加达 | 用于客观地表征医学图像的方法和组合物 |
CN105261003A (zh) * | 2015-09-10 | 2016-01-20 | 西安工程大学 | 一种基于织物自身结构进行疵点检测的方法 |
CN106443718A (zh) * | 2016-09-09 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 非理想信道下基于相关峰修正的测量零值无偏跟踪系统及其方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010134700A (ja) * | 2008-12-04 | 2010-06-17 | Toshiba Corp | 画像評価装置および画像評価方法 |
-
2018
- 2018-05-24 CN CN201810509584.3A patent/CN108961210B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101438594A (zh) * | 2006-04-21 | 2009-05-20 | 史诺伟思有限公司 | 图像分析 |
CN104081416A (zh) * | 2012-01-20 | 2014-10-01 | A·安那普拉加达 | 用于客观地表征医学图像的方法和组合物 |
CN105261003A (zh) * | 2015-09-10 | 2016-01-20 | 西安工程大学 | 一种基于织物自身结构进行疵点检测的方法 |
CN106443718A (zh) * | 2016-09-09 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 非理想信道下基于相关峰修正的测量零值无偏跟踪系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108961210A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107370958B (zh) | 图像虚化处理方法、装置及拍摄终端 | |
JP4234195B2 (ja) | 画像分割方法および画像分割システム | |
JP4415188B2 (ja) | 画像撮影装置 | |
US8866927B2 (en) | Determining an image capture payload burst structure based on a metering image capture sweep | |
CN107864337B (zh) | 素描图像处理方法、装置、设备及计算机可读存储介质 | |
US10992845B1 (en) | Highlight recovery techniques for shallow depth of field rendering | |
EP1745436A1 (en) | Methods and systems for converting images from low dynamic range to high dynamic range | |
JP5874497B2 (ja) | 画像処理装置および画像処理プログラム | |
Ershov et al. | NTIRE 2022 challenge on night photography rendering | |
US9087391B2 (en) | Determining an image capture payload burst structure | |
JP4639037B2 (ja) | 画像処理方法および装置 | |
JP2004310475A (ja) | 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム | |
JP5765893B2 (ja) | 画像処理装置、撮像装置および画像処理プログラム | |
JP2023509744A (ja) | スーパー夜景画像の生成方法、装置、電子機器および記憶媒体 | |
CN112785534A (zh) | 一种动态场景下去鬼影多曝光图像融合方法 | |
JP3438719B2 (ja) | 画像検出装置、画像検出方法、ディジタルカメラおよびプリンタ | |
JP4208767B2 (ja) | 画像処理装置及び画像処理方法 | |
CN108961210B (zh) | 一种判断图像是否经过算法处理的方法 | |
CN112750087A (zh) | 图像处理方法和装置 | |
JP5932392B2 (ja) | 画像処理装置および画像処理方法 | |
JP2006295581A (ja) | 撮影システム、および映像信号処理プログラム | |
JP4527439B2 (ja) | 画像処理方法および装置並びにプログラム | |
JP2005039458A (ja) | 画像処理装置および方法 | |
JP2014160912A (ja) | 画像処理装置、撮像装置、画像処理方法及びプログラム | |
JP2006031171A (ja) | 擬似的3次元データ生成方法、装置、プログラム、および記録媒体 |
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 |