CN109635800B - 一种图像对焦方法及其相关设备 - Google Patents
一种图像对焦方法及其相关设备 Download PDFInfo
- Publication number
- CN109635800B CN109635800B CN201811603240.5A CN201811603240A CN109635800B CN 109635800 B CN109635800 B CN 109635800B CN 201811603240 A CN201811603240 A CN 201811603240A CN 109635800 B CN109635800 B CN 109635800B
- Authority
- CN
- China
- Prior art keywords
- image information
- definition
- target area
- image
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000008569 process Effects 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 80
- 238000004422 calculation algorithm Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 21
- 241001156002 Anthonomus pomorum Species 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 101100517192 Arabidopsis thaliana NRPD1 gene Proteins 0.000 claims description 8
- 101150094905 SMD2 gene Proteins 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图像对焦方法，用于实现对图像中车牌的自动对焦过程。本申请实施例方法包括：本实施例中，获取数据采集终端发送的图像信息；计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；判断所述目标区域中的车牌框大小是否符合预设条件；若是，则确定完成对所述图像信息的对焦过程。其中，在计算图像信息的清晰度，确定出图像信息中清晰度最高的目标区域之后，若确定目标区域中的车牌框大小符合预设条件时，则确定完成对图像信息的对焦过程，从而实现对采集得到图像的车牌的自动对焦过程，解决了调试人员经常需要多次设置调倍大小的问题。
Description
技术领域
本申请涉及图像处理领域，尤其涉及一种图像对焦方法及其相关设备。
背景技术
目前自动对焦技术主要应用在相机领域：主要包括单反相机、数码相机、智能手机、视频采集终端等高低端产品中。即使被摄物在移动，自动对焦技术的应用也可以将被摄物体拍出的图片更加清晰，同时也可以抓拍，拍摄出精彩瞬间的照片；对焦技术发展方向为手动对焦和自动对焦并存的发展态势；现在的准专业及专业数码相机，还有单反数码相机都设有手动对焦的功能，以配合不同的拍摄需要。
自动对焦任务的目的是通过驱动电机马达转动电动镜头，从而达到让图像从模糊到清晰状态的过程。技术路线从主动式自动对焦和被动式自动对焦两种方式衍生；主动式自动对焦主要包括：激光对焦、红外对焦、超声波对焦方式；被动式自动对焦主要包括：相位对焦和反差对焦方式，上述的方法对硬件要求比较高以及对摄像机成像要求比较高，造成成本比较高，并不适用在车牌识别自动对焦方案中。
现有的车牌识别中提供的对焦镜头虽提供对焦功能，但并非全自动的对焦系统，往往只提供调倍一次后会对焦清楚，但并不满足实际使用需求。
发明内容
本申请实施例提供了一种图像对焦方法及其相关设备，用于实现对图像中车牌的自动对焦过程。
本申请实施例第一方面提供了一种图像对焦方法，包括：
获取数据采集终端发送的图像信息；
计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
判断所述目标区域中的车牌框大小是否符合预设条件；
若是，则确定完成对所述图像信息的对焦过程。
可选地，所述计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域具体包括：
将所述图像信息分为多个区域；
分别计算所述多个区域的清晰度；
确定出在所述多个区域中清晰度最高的区域为目标区域。
可选地，在确定出在所述多个区域中清晰度最高的区域为目标区域之后，所述方法还包括：
重新获取所述目标区域的当前图像信息；
计算所述当前图像信息的清晰度；
当确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
可选地，所述计算所述图像信息的清晰度具体包括：
对所述图像信息进行模糊处理，得到模糊图像；
使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
可选地，所述计算所述图像信息的清晰度具体包括：
使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度，所述目标算法包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种。
本申请实施例第二方面提供了一种图像对焦系统，包括：
第一获取单元，用于获取数据采集终端发送的图像信息；
第一计算单元，用于计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
判断单元，用于判断所述目标区域中的车牌框大小是否符合预设条件；
确定单元，用于当所述判断单元确定所述目标区域中的车牌框大小符合预设条件时，确定完成对所述图像信息的对焦过程。
可选地，所述第一计算单元具体用于：
将所述图像信息分为多个区域；
分别计算所述多个区域的清晰度；
确定出在所述多个区域中清晰度最高的区域为目标区域。
可选地，所述系统还包括：
第二获取单元，用于重新获取所述目标区域的当前图像信息；
第二计算单元，用于计算所述当前图像信息的清晰度；
执行单元，用于当确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
可选地，所述第一计算单元具体用于：
对所述图像信息进行模糊处理，得到模糊图像；
使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
可选地，所述第一计算单元具体用于：
使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度，所述目标算法包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种。
本申请实施例第三方面提供了一种计算机装置，包括：
处理器、存储器、输入输出设备以及总线；
所述处理器、存储器、输入输出设备分别与所述总线相连；
所述处理器用于执行如前述实施例中任一项所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序：所述计算机程序被处理器执行时实现如前述实施例中任一项所述方法的步骤。
从以上技术方案可以看出，本申请实施例具有以下优点：本实施例中，获取数据采集终端发送的图像信息；计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；判断所述目标区域中的车牌框大小是否符合预设条件；若是，则确定完成对所述图像信息的对焦过程。其中，在计算图像信息的清晰度，确定出图像信息中清晰度最高的目标区域之后，若确定目标区域中的车牌框大小符合预设条件时，则确定完成对图像信息的对焦过程，从而实现对采集得到图像的车牌的自动对焦过程，解决了调试人员经常需要多次设置调倍大小的问题。
附图说明
图1为本申请实施例中一种图像对焦方法实施例的一个示意图；
图2为本申请实施例中另一种图像对焦方法实施例的一个示意图；
图3为本申请实施例中另一种图像对焦方法实施例的一个示意图；
图4为本申请实施例中另一种图像对焦方法实施例的一个示意图；
图5为本申请实施例中另一种图像对焦方法实施例的一个示意图；
图6为本申请实施例中一种图像对焦系统实施例的一个示意图；
图7为本申请实施例中一种计算机装置的一个示意图。
具体实施方式
本申请实施例提供了一种图像对焦方法及其相关设备，用于实现对图像中车牌的自动对焦过程。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等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，下面对本申请实施例中的具体流程进行描述，请参阅图1，本申请实施例中一种图像对焦方法的一个实施例包括：
101、获取数据采集终端发送的图像信息；
本实施例中，终端获取数据采集终端发送的图像信息，具体来说，终端可以是用于车牌抓拍的硬件实施的，例如停车场的门禁管理系统、高速拍照系统，或者是其它的系统，具体此处不做限定。
具体地，终端可以获取视频采集终端或者是图像采集终端发送的图像信息，获取过程可以是通过有线或者是无线的通讯方式获取，此处不做限定。
102、计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
本实施例中，终端计算步骤101获取得到的图像信息的清晰度，确定出该图像信息中清晰度最高的目标区域。
具体地，计算图像信息的清晰度的方法有多种，例如可以通过结构相似性SSIM算法、Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种来实现。
103、判断所述目标区域中的车牌框大小是否符合预设条件；
本实施例中，终端判断步骤102确定出来的目标区域中的车牌框大小是否符合预设大小，若是，则执行步骤104，若否，则执行步骤105。
104、若是，则确定完成对所述图像信息的对焦过程。
本实施例中，当确定目标区域中的车牌框大小符合预设条件时，即目标区域中的车牌框大小符合预先设定的车牌大小时，则终端确定完成对该图像信息的对焦过程，在此之后，可以输出该图像中的目标区域进行车牌号识别，也可以将该图像中的目标区域发送至其它终端进行相应的识别处理，还可以是其它操作，具体此处不做限定。
105、执行其它操作。
本实施例中，当确定目标区域中的车牌框大小不符合预设条件时，即目标区域中的车牌框大小不符合预先设定的车牌大小时，终端执行其它操作，例如可以在该图像信息中重新进行全局搜索确定出清晰度第二高的区域作为目标区域进行车牌框大小的判断，也可以在该图像信息中去除目标区域再重新进行计算，还可以是其它操作，具体此处不做限定。
本实施例中，获取数据采集终端发送的图像信息；计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；判断所述目标区域中的车牌框大小是否符合预设条件；若是，则确定完成对所述图像信息的对焦过程。其中，在计算图像信息的清晰度，确定出图像信息中清晰度最高的目标区域之后，若确定目标区域中的车牌框大小符合预设条件时，则确定完成对图像信息的对焦过程，从而实现对采集得到图像的车牌的自动对焦过程，解决了调试人员经常需要多次设置调倍大小的问题。
本申请实施例中，具体在步骤102计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域的过程中，可以是应用全局搜索的策略，下面将对这一过程进行详细描述，请参阅图2，本申请实施例中，基于图1所述实施例，一种图像对焦方法的另一个实施例中，步骤102具体可以包括：
201、将所述图像信息分为多个区域；
本实施例中，终端将步骤101获取得到的图像信息分为多个区域，示例性地，可以移动该终端中进行对焦识别的电机位置来实现，例如可以首先确定一个起点(最左侧或者最右侧)，以2/5/10/20的步长不断地移动电机的位置来实现对该图像信息分区。
202、分别计算所述多个区域的清晰度；
本实施例中，终端分别计算该图像信息中多个区域的清晰度，具体计算清晰度的方法有多种，例如可以通过结构相似性SSIM算法、Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种来实现。
203、确定出在所述多个区域中清晰度最高的区域为目标区域。
本实施例中，终端在步骤202中计算出来的多个区域的清晰度中确定出清晰度最高的区域为目标区域。
本实施例中，具体在步骤201至步骤203中，可以是执行一次也可以是执行多次的过程，差异在步骤201中对多个区域的划分。执行一次的过程可以是直接设定电机移动的步长为一个确定数值，例如2/5/10/20或者是其它的步长去移动获取得到多个区域，而后计算确定出清晰度最高的区域为目标区域；执行多次的过程可以是先设定一个较大的步长，例如以20为步长确定出清晰度最高的区域，然后在这个区域中以5为步长确定出清晰度最高的区域，再接着以2为步长确定出清晰度最高的区域为目标区域，具体方案在实现的过程中，步长的选择可以根据实际应用的需要进行调整，此处不做限定。
本申请实施例中，为确保图像对于车牌对焦的准确性，在步骤102确定出在所述多个区域中清晰度最高的区域为目标区域之后，还可以增加一个验证过程。下面请参阅图3，本申请实施例中，基于图1或图2所述实施例，一种图像对焦方法的另一个实施例中，步骤102之后，该方法具体还可以包括：
301、重新获取所述目标区域的当前图像信息；
本实施例中，终端重新获取该目标区域的当前图像信息，具体来说，基于步骤102确定出来的目标区域，再次在该目标区域中获取步骤101获取得到的图像信息中该目标区域对应的图像信息，确定为当前图像信息。
302、计算所述当前图像信息的清晰度；
本实施例中，终端计算步骤301中获取得到的当前图像信息的清晰度，具体计算过程请参照步骤102或步骤202中的计算过程，此处不再赘述。
303、执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
本实施例中，当终端确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行步骤103所述判断所述目标区域中的车牌框大小是否符合预设条件。
具体来说，以结构相似性SSIM算法为例，清晰度具体以得分数值的形式体现，若满足当前图像的清晰度得分与目标区域的清晰度得分的差值小于2的绝对值时，或者小于目标区域的清晰度得分的绝对值时，则确定当前图像的清晰度与目标区域的清晰度的差值满足预设条件，在此之后，执行步骤103，若不满足，可以选择重新执行步骤101至步骤102重新确定目标区域来判断。
本申请实施例中，具体在步骤102计算所述图像信息的清晰度的过程有多种方法，例如可以通过SSIM算法，也可以是通过其它的无参考图像的清晰度评价方法，下面将分别通过图4和图5进行说明。
一、通过SSIM算法计算清晰度
请参阅图4，本申请实施例中，基于图1图2或图3所述实施例，一种图像对焦方法的另一个实施例中，步骤102计算图像信息的清晰度的过程包括：
401、对所述图像信息进行模糊处理，得到模糊图像；
本实施例中，终端对步骤101获取得到的图像信息进行模糊处理，例如高斯模糊、动感模糊、特殊模糊或者是其它的模糊处理，优选为高斯模糊处理，在此之后，可以得到模糊处理后的模糊图像。
402、使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
本实施例中，终端使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
具体来说，对上述的原始图像和高斯模糊后的图像分别取其中心区域，该区域的宽和高为原始图像宽和高的1/4，对取得的两个中心区域进行求解，求解出两个图像间相似度的参数：亮度、对比度和结构信息三个相似度；
亮度相似度：
对比度：
结构相似度：
其中，μx和μy为两个中心区域图像用高斯平滑后的均值图像；δx与δy为两个中心区域图像的标准差；C1与C2为了避免分母为0而设的常数。
求解当前图像中心区域的清晰度：
通过计算SSIM(x，y)＝I(x，y)＝C(x，y)×S(x，y)；
再对SSIM三个通道的值求均值，其均值为最后的得分值，作为判断图像的清晰度的标准。得分越高表明原始图像越模糊，得分越低表明原始图像越清晰。
二、通过无参考图像的清晰度评价方法计算清晰度
请参阅图5，本申请实施例中，基于图1图2或图3所述实施例，一种图像对焦方法的另一个实施例中，步骤102计算图像信息的清晰度的过程包括：
501、使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度；
本实施例中，终端使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度，所述目标算法包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种。
具体来说，在无参考图像的质量评价中，图像的清晰度是衡量图像质量优劣的重要指标，它能够较好的与人的主观感受相对应，图像的清晰度不高表现出图像的模糊。以Brenner梯度函数为例，Brenner梯度函数是最简单的梯度评价函数，它只是简单的计算相邻两个像素灰度差的平方，该函数定义如下：
D(f)＝∑y∑x|f(x+2，y)-f(x，y)|2
其中：f(x,y)表示图像f对应像素点(x,y)的灰度值，D(f)为图像清晰度计算结果。
上面对本申请实施例的方法部分进行了介绍，下面从虚拟装置的角度对本申请实施例中的一种图像对焦系统进行描述。请参阅图6，本申请实施例中，一种图像对焦系统的一个实施例包括：
第一获取单元601用于获取数据采集终端发送的图像信息；
第一计算单元602用于计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
判断单元603用于判断所述目标区域中的车牌框大小是否符合预设条件；
确定单元604用于当所述判断单元确定所述目标区域中的车牌框大小符合预设条件时，确定完成对所述图像信息的对焦过程。
本实施例中，第一获取单元601用于获取数据采集终端发送的图像信息；第一计算单元602用于计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；判断单元603用于判断所述目标区域中的车牌框大小是否符合预设条件；确定单元604用于当所述判断单元确定所述目标区域中的车牌框大小符合预设条件时，确定完成对所述图像信息的对焦过程。其中，在计算图像信息的清晰度，确定出图像信息中清晰度最高的目标区域之后，若确定目标区域中的车牌框大小符合预设条件时，则确定完成对图像信息的对焦过程，从而实现对采集得到图像的车牌的自动对焦过程，解决了调试人员经常需要多次设置调倍大小的问题。
作为一个优选方案，所述第一计算单元602具体用于：
将所述图像信息分为多个区域；
分别计算所述多个区域的清晰度；
确定出在所述多个区域中清晰度最高的区域为目标区域。
作为一个优选方案，所述系统还包括：
第二获取单元605，用于重新获取所述目标区域的当前图像信息；
第二计算单元606，用于计算所述当前图像信息的清晰度；
执行单元607，用于当确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
作为一个优选方案，所述第一计算单元602具体用于：
对所述图像信息进行模糊处理，得到模糊图像；
使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
作为一个优选方案，所述第一计算单元602具体用于：
使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度，所述目标算法包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种。
上面从模块化的装置对本申请实施例进行了描述，下面从硬件装置的角度对本申请实施例中的计算机装置进行描述，请参阅图7，本申请实施例中计算机装置的一个具体实施例包括：
该装置700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)701(例如，一个或一个以上处理器)和存储器705，该存储器705中存储有一个或一个以上的应用程序或数据。
其中，存储器705可以是易失性存储或持久存储。存储在存储器705的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器701可以设置为与存储器705通信，在智能终端700上执行存储器705中的一系列指令操作。
该装置700还可以包括一个或一个以上电源702，一个或一个以上有线或无线网络接口703，一个或一个以上输入输出接口704，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
所述处理器701具体用于执行以下步骤：
获取数据采集终端发送的图像信息；
计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
判断所述目标区域中的车牌框大小是否符合预设条件；
若是，则确定完成对所述图像信息的对焦过程。
作为一个优选方案，所述计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域具体包括：
将所述图像信息分为多个区域；
分别计算所述多个区域的清晰度；
确定出在所述多个区域中清晰度最高的区域为目标区域。
作为一个优选方案，在确定出在所述多个区域中清晰度最高的区域为目标区域之后，所述方法还包括：
重新获取所述目标区域的当前图像信息；
计算所述当前图像信息的清晰度；
当确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
作为一个优选方案，所述计算所述图像信息的清晰度具体包括：
对所述图像信息进行模糊处理，得到模糊图像；
使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
作为一个优选方案，所述计算所述图像信息的清晰度具体包括：
使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度，所述目标算法包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种。
可以理解的是，在本申请的各种实施例中，上述各步骤的序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请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)执行本申请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(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，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 (6)
1.一种图像对焦方法，其特征在于，包括：
获取数据采集终端发送的图像信息；
基于算法计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
判断所述目标区域中的车牌框大小是否符合预设条件；
若是，则确定完成对所述图像信息的对焦过程；
所述计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域具体包括：
将所述图像信息分为多个区域；
分别计算所述多个区域的清晰度；
确定出在所述多个区域中清晰度最高的区域为目标区域；
在确定出在所述多个区域中清晰度最高的区域为目标区域之后，所述方法还包括：
重新获取所述目标区域的当前图像信息；
计算所述当前图像信息的清晰度；
当确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
2.根据权利要求1所述的方法，其特征在于，所述计算所述图像信息的清晰度具体包括：
对所述图像信息进行模糊处理，得到模糊图像；
使用结构相似性SSIM算法对所述图像信息和所述模糊图像进行处理，得到所述图像信息的清晰度。
3.根据权利要求1所述的方法，其特征在于，所述计算所述图像信息的清晰度具体包括：
使用目标算法对所述图像信息进行清晰度评价，得到所述图像信息的清晰度，所述目标算法包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数、熵函数、EAV点锐度算法函数、Reblur二次模糊、NRSS梯度结构相似度、FFT图像变换域中的一种或多种。
4.一种图像对焦系统，其特征在于，包括：
第一获取单元，用于获取数据采集终端发送的图像信息；
第一计算单元，用于基于算法计算所述图像信息的清晰度，确定出所述图像信息中清晰度最高的目标区域；
判断单元，用于判断所述目标区域中的车牌框大小是否符合预设条件；
确定单元，用于当所述判断单元确定所述目标区域中的车牌框大小符合预设条件时，确定完成对所述图像信息的对焦过程；
所述第一计算单元具体用于：
将所述图像信息分为多个区域；
分别计算所述多个区域的清晰度；
确定出在所述多个区域中清晰度最高的区域为目标区域。
所述系统还包括：
第二获取单元，用于重新获取所述目标区域的当前图像信息；
第二计算单元，用于计算所述当前图像信息的清晰度；
执行单元，用于当确定所述当前图像的清晰度与所述目标区域的清晰度的差值满足预设条件时，执行所述判断所述目标区域中的车牌框大小是否符合预设条件。
5.一种计算机装置，其特征在于，包括：
处理器、存储器、输入输出设备以及总线；
所述处理器、存储器、输入输出设备分别与所述总线相连；
所述处理器用于执行如权利要求1至3任一项所述的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811603240.5A CN109635800B (zh) | 2018-12-26 | 2018-12-26 | 一种图像对焦方法及其相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811603240.5A CN109635800B (zh) | 2018-12-26 | 2018-12-26 | 一种图像对焦方法及其相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109635800A CN109635800A (zh) | 2019-04-16 |
| CN109635800B true CN109635800B (zh) | 2024-01-19 |
Family
ID=66077880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811603240.5A Active CN109635800B (zh) | 2018-12-26 | 2018-12-26 | 一种图像对焦方法及其相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109635800B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001904B (zh) * | 2020-08-21 | 2024-04-02 | 珀乐(北京)信息科技有限公司 | 一种遥感图像质量清晰度综合评价模块及评价方法 |
| CN112001387B (zh) * | 2020-09-18 | 2022-09-30 | 展讯半导体(南京)有限公司 | 对焦区域的确定方法及装置、终端、存储介质 |
| CN113392241B (zh) * | 2021-06-29 | 2023-02-03 | 中海油田服务股份有限公司 | 测井图像清晰度的识别方法、装置、介质及电子设备 |
| CN113837079B (zh) * | 2021-09-24 | 2024-05-14 | 苏州贝康智能制造有限公司 | 显微镜的自动对焦方法、装置、计算机设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103826064A (zh) * | 2014-03-06 | 2014-05-28 | 华为技术有限公司 | 图像处理方法、装置及手持电子设备 |
| CN106375666B (zh) * | 2016-09-26 | 2019-04-16 | 成都臻识科技发展有限公司 | 一种基于车牌的自动对焦方法及装置 |
| CN107172296A (zh) * | 2017-06-22 | 2017-09-15 | 维沃移动通信有限公司 | 一种图像拍摄方法及移动终端 |
-
2018
- 2018-12-26 CN CN201811603240.5A patent/CN109635800B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109635800A (zh) | 2019-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109635800B (zh) | 一种图像对焦方法及其相关设备 | |
| US9313419B2 (en) | Image processing apparatus and image pickup apparatus where image processing is applied using an acquired depth map | |
| EP2494524B1 (en) | Algorithms for estimating precise and relative object distances in a scene | |
| JP4664379B2 (ja) | 画像データ処理用の電子デバイス及び画像データ処理方法 | |
| WO2019221013A4 (en) | Video stabilization method and apparatus and non-transitory computer-readable medium | |
| CN107749944A (zh) | 一种拍摄方法及装置 | |
| US10298853B2 (en) | Image processing apparatus, method of controlling image processing apparatus, and imaging apparatus | |
| WO2015003604A1 (zh) | 一种图像处理方法、装置及终端 | |
| CN109922275B (zh) | 曝光参数的自适应调整方法、装置及一种拍摄设备 | |
| CN105635559B (zh) | 用于终端的拍照控制方法及装置 | |
| CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
| CN112449117B (zh) | 一种聚焦步长确定方法、装置、存储介质及电子装置 | |
| JP6447840B2 (ja) | 画像装置、及び画像装置における自動的な焦点合わせのための方法、並びに対応するコンピュータプログラム | |
| CN107439005B (zh) | 一种确定对焦窗的方法、装置及设备 | |
| CN111917991B (zh) | 图像的质量控制方法、装置、设备及存储介质 | |
| CN113099135B (zh) | 一种红外图像聚焦、终端设备以及计算机可读存储介质 | |
| CN105430277A (zh) | 自动聚焦控制方法和装置 | |
| US10235745B2 (en) | Image processing method, computer storage medium, apparatus and terminal | |
| CN110753182B (zh) | 成像设备的调节方法和设备 | |
| JP2005332381A (ja) | 画像処理方法および装置並びにプログラム | |
| WO2016113805A1 (en) | Image processing method, image processing apparatus, image pickup apparatus, program, and storage medium | |
| US20130141537A1 (en) | Methodology For Performing Depth Estimation With Defocused Images Under Extreme Lighting Conditions | |
| EP3503528B1 (en) | Determination of a contrast value for a digital image | |
| JP7434568B2 (ja) | 投影による熱ピントずれ双方向補償方法及び装置、可読記憶媒体 | |
| CN110072050B (zh) | 曝光参数的自适应调整方法、装置及一种拍摄设备 |
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 |