CN109982069B - 呼吸效应的测量方法及系统 - Google Patents

Abstract

本发明提供了呼吸效应的测量方法及系统，涉及图像质量测试技术领域，包括：采集视频，并按照画面复杂度将视频进行场景分类，获取多个测试场景；获取每个测试场景的图像，并采用清晰度算法计算图像的清晰度信息；根据清晰度信息对测试场景的呼吸效应进行评价，得到呼吸效应评价值；将多个测试场景各自对应的呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。本发明可以实现对呼吸效应的客观评价，提高对呼吸效应测试的准确性、重复性和经济性。

Description

呼吸效应的测量方法及系统

技术领域

本发明涉及图像质量测试技术领域，尤其是涉及呼吸效应的测量方法及系统。

背景技术

图像质量测试的客观化一直是摄像机功能测试的重要命题之一。呼吸效应作为编码算法引入的一项图像特性，对于图像表现的稳定性有着重要影响，长期以来一直为客户所关注。以往的评价多为主观性较高的评估，比如明显/不明显、严重/不严重，受制于不同测试人员的主观印象，而且测试结果无法随时间进行不同测试样本间的纵向对比，评估不准确且费时费力。制定一种可用于测试呼吸效应的客观性测试方法愈发迫切。

目前，图像质量测试采用的方法有主观对比测试法，汇入噪点、清晰度等其他图像测试指标中综合评价法和PSNR(Peak Signal to Noise Ratio，峰值信噪比)评价法。但是，主观对比测试法简单粗暴，受制于不同个体的主观判断，测试结果准确性一般；且单次测试结果无法与后续测试进行有效比对，存在大量重复测试，效率较低，费时费力。汇入噪点、清晰度等其他图像测试指标中综合评价法，测试直接依赖与其他测试指标，无法直接反馈呼吸现象自身的现象特点，结果必然存在偏差；同样无法避开测试无法沿用的根本问题，如需对不同时间区间内的多个样本进行对比，出于使结果具备可参考性的目的，不得不进行重复测试。PSNR评价法，PSNR倾向于处理表征处理前后的图像差异，而呼吸效应需要比较的I帧P帧属于不同GOP(Group of Picture，画面组)之间，二者并无处理前后的对应关系，故如顺此思路延续此项评估，直接对比帧间差异即可，无需强行使用PSNR；国内外长期大量的反馈显示，不同类型的图像评估，当使用PSNR测试时，其测试值与人眼感觉值均存在较大误差，无法准确表征出呼吸现象对于实际主观感觉的对应关系。

发明内容

有鉴于此，本发明的目的在于提供呼吸效应的测量方法及系统，以实现对呼吸效应的客观评价，提高对呼吸效应测试的准确性、重复性和经济性。

第一方面，本发明实施例提供了一种呼吸效应的测量方法，其中，包括：

采集视频，并按照画面复杂度将所述视频进行场景分类，获取多个测试场景；

获取每个所述测试场景的图像，并采用清晰度算法计算所述图像的清晰度信息；

根据所述清晰度信息对所述测试场景的呼吸效应进行评价，得到呼吸效应评价值；

将多个所述测试场景各自对应的所述呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述清晰度信息包括第i帧清晰度和平均清晰度，所述根据所述清晰度信息对所述测试场景的呼吸效应进行评价，得到呼吸效应评价值，包括：

根据下式计算所述呼吸效应评价值：

其中，value为所述呼吸效应评价值，sharpen_i为所述第i帧清晰度，sharpen_mean为所述平均清晰度，n为所述图像的帧数，且n≥200。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述测试场景包括高频场景、低频场景和综合实景。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述预设权重包括：

value_高：value_低：value_实＝3:3:4，

其中，value_高为所述高频场景对应的呼吸效应评价值，value_低为所述低频场景对应的呼吸效应评价值，value_实为所述综合实景对应的呼吸效应评价值。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述清晰度算法包括图像梯度算法。

第二方面，本发明实施例还提供一种呼吸效应的测量系统，其中，包括：

场景区分单元，用于采集视频，并按照画面复杂度将所述视频进行场景分类，获取多个测试场景；

清晰度计算单元，用于获取每个所述测试场景的图像，并采用清晰度算法计算所述图像的清晰度信息；

第一评价单元，用于根据所述清晰度信息对所述测试场景的呼吸效应进行评价，得到呼吸效应评价值；

第二评价单元，用于将多个所述测试场景各自对应的所述呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述清晰度信息包括第i帧清晰度和平均清晰度，所述第一评价单元包括：

根据下式计算所述呼吸效应评价值：

其中，value为所述呼吸效应评价值，sharpen_i为所述第i帧清晰度，sharpen_mean为所述平均清晰度，n为所述图像的帧数，且n≥200。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述测试场景包括高频场景、低频场景和综合实景。

结合第二方面的第二种可能的实施方式，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述预设权重包括：

value_高：value_低：value_实＝3:3:4，

其中，value_高为所述高频场景对应的呼吸效应评价值，value_低为所述低频场景对应的呼吸效应评价值，value_实为所述综合实景对应的呼吸效应评价值。

结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述清晰度算法包括图像梯度算法。

本发明实施例带来了以下有益效果：本发明提供的呼吸效应的测量方法及系统，包括：采集视频，并按照画面复杂度将视频进行场景分类，获取多个测试场景；获取每个测试场景的图像，并采用清晰度算法计算图像的清晰度信息；根据清晰度信息对测试场景的呼吸效应进行评价，得到呼吸效应评价值；将多个测试场景各自对应的呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。本发明可以实现对呼吸效应的客观评价，提高对呼吸效应测试的准确性、重复性和经济性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获取。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。

图1为本发明实施例一提供的呼吸效应的测量方法流程图；

图2为本发明实施例一提供的清晰度变化曲线示意图；

图3为本发明实施例二提供的呼吸效应的测量系统示意图；

图4为本发明实施例三提供的呼吸效应的测量装置示意图。

图标：

110-场景区分单元；120-清晰度计算单元；130-第一评价单元；140-第二评价单元；200-呼吸效应的测量装置；210-处理器；220-存储器；230-总线；240-通信接口。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。

呼吸效应作为编码算法引入的一项图像特性，对于图像表现的稳定性有着重要影响。以往的评价多为主观性较高的评估。目前，图像质量测试采用的方法有主观对比测试法，汇入噪点、清晰度等其他图像测试指标中综合评价法和PSNR评价法。但是，上述方法均存在受制于不同个体的主观判断，测试结果无客观指标导致结果不准确以及需要进行重复测试导致经济性较差等诸多缺陷。

基于此，本发明实施例提供的呼吸效应的测量方法及系统，可以实现对呼吸效应的客观评价，提高对呼吸效应测试的准确性、重复性和经济性。

为便于对本实施例进行理解，首先对本发明实施例所公开的呼吸效应的测量方法进行详细介绍。

实施例一：

图1为本发明实施例一提供的呼吸效应的测量方法流程图。

在H264协议里定义了I帧是对原始图片进行完全编码，P帧是参考之前的I帧生成的只包含差异部分的编码。产生呼吸效应的原因就是I帧和P帧清晰度存在差异，即一个I帧组的最后一个P帧清晰度高于下一个I帧组的初始I帧，导致画面清晰度出现骤变，进而引起画面抖动，也就是所谓的呼吸效应。基于该原因，通过对比I帧图片和P帧图片的清晰度差异就可以得出衡量呼吸效应的客观指标。

参照图1，呼吸效应的测量方法包括如下内容：

步骤S110，采集视频，并按照画面复杂度将视频进行场景分类，获取多个测试场景；

具体的，录制一段视频，使用KMPlayer等播放器并按照画面复杂度逐帧捕获多类场景的视频，即获取了多个测试场景，上述的多个测试场景包括但不限于高频场景、低频场景和综合实景。

步骤S120，获取每个测试场景的图像，并采用清晰度算法计算图像的清晰度信息；

具体的，对每个测试场景均捕获一定数量的图像(该数量可以为不少于200张)，并采用清晰度算法计算每张图像的清晰度和所有图像的平均清晰度。

上述清晰度算法包括但不限于图像梯度算法。以YUV模型中的亮度Y为例，采用图像梯度算法求解得出画面清晰度参考值，如公式(1)和公式(2)所示：

G(x,y)＝dx(i,j)+dy(i,j) (1)

其中，G(x,y)为图像梯度，I是图像像素的值，(i,j)为像素的坐标。

通过捕获正常视频的I帧和P帧，分别求出各自的清晰度数值，并绘制出可表示清晰度的变化趋势的曲线。如图2所示，横坐标为图片的帧数，纵坐标为对应图片的清晰度；在2MP的分辨率、2M和4M的码率以及25ms和50ms的I帧间隔下，绘制了四种变化曲线。可见，呼吸效应和码率、I帧间隔有很强的相关性。呼吸效应对视觉的影响主要在抖动的频率和幅度上，这两点在该曲线上均能体现，即：曲线下降幅度表示呼吸效应的抖动程度，曲线下降的次数表示呼吸效应的频率。

步骤S130，根据清晰度信息对测试场景的呼吸效应进行评价，得到呼吸效应评价值；

具体的，具体的，清晰度信息包括第i帧清晰度和平均清晰度。基于上述对清晰度变化曲线的分析，根据清晰度信息对测试场景的呼吸效应进行评价，呼吸效应评价值的计算如公式(3)所示：

其中，value为呼吸效应评价值，sharpen_i为第i帧清晰度，sharpen_mean为平均清晰度，n为图像的帧数，且n≥200。

步骤S140，将多个测试场景各自对应的呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。

具体的，通过上述方法得到每个测试场景对应的呼吸效应评价值，按照高频场景、低频场景和综合实景，对应的呼吸效应评价值分别为value_高、value_低和value_实，预设权重可以为但不限于如公式(4)所示：

value_高：value_低：value_实＝3:3:4 (4)。

按照预设权重将全部的呼吸效应评价值进行加权计算，得到最终的呼吸效应综合评价值，该值越大表明呼吸效应越明显。

以上所描述的对呼吸效应的客观测试指标及评价方法，有效提高此现象测试的准确性，使测试结果更能够准确的反应出呼吸现象的具体程度，用数据提供更有效的评估。而且，将主观评估数据化、客观化，使测试结果具备可继承性，在不同时间区间进行的单独测试能够进行纵向对比，减少重复测试。

上述实施例提供的呼吸效应的测量方法，包括：采集视频，并按照画面复杂度将视频进行场景分类，获取多个测试场景；获取每个测试场景的图像，并采用清晰度算法计算图像的清晰度信息；根据清晰度信息对测试场景的呼吸效应进行评价，得到呼吸效应评价值；将多个测试场景各自对应的呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。本发明可以实现对呼吸效应的客观评价，提高对呼吸效应测试的准确性、重复性和经济性。

实施例二：

图3为本发明实施例二提供的呼吸效应的测量系统示意图。

本发明实施例还提供了呼吸效应的测量系统，用于实现上述呼吸效应的测量方法。参照图3，呼吸效应的测量系统包括如下单元：

场景区分单元110，用于采集视频，并按照画面复杂度将视频进行场景分类，获取多个测试场景；

清晰度计算单元120，用于获取每个测试场景的图像，并采用清晰度算法计算图像的清晰度信息；

第一评价单元130，用于根据清晰度信息对测试场景的呼吸效应进行评价，得到呼吸效应评价值；

第二评价单元140，用于将多个测试场景各自对应的呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。

进一步的，清晰度信息包括第i帧清晰度和平均清晰度，第一评价单元130包括：

根据上述的公式(3)计算呼吸效应评价值：

其中，value为呼吸效应评价值，sharpen_i为第i帧清晰度，sharpen_mean为平均清晰度，n为图像的帧数，且n≥200。

进一步的，测试场景包括高频场景、低频场景和综合实景。

进一步的，预设权重包括：

value_高：value_低：value_实＝3:3:4，

其中，value_高为高频场景对应的呼吸效应评价值，value_低为低频场景对应的呼吸效应评价值，value_实为综合实景对应的呼吸效应评价值。

进一步的，清晰度算法包括图像梯度算法。

本发明实施例所提供的呼吸效应的测量系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，呼吸效应的测量系统实施例部分未提及之处，可参考前述方法实施例中相应内容。

上述发明实施例带来了以下有益效果：上述发明提供的呼吸效应的测量方法及系统，包括：采集视频，并按照画面复杂度将视频进行场景分类，获取多个测试场景；获取每个测试场景的图像，并采用清晰度算法计算图像的清晰度信息；根据清晰度信息对测试场景的呼吸效应进行评价，得到呼吸效应评价值；将多个测试场景各自对应的呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。本发明可以实现对呼吸效应的客观评价，提高对呼吸效应测试的准确性、重复性和经济性。

实施例三：

图4为本发明实施例三提供的呼吸效应的测量装置示意图。

参照图4，本发明实施例还提供了呼吸效应的测量装置200，包括：处理器210，存储器220，总线230和通信接口240，处理器210、通信接口240和存储器220通过总线230连接；处理器210用于执行存储器220中存储的可执行模块，例如计算机程序。

其中，存储器220可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口240(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线230可以是ISA总线、PCI总线或EISA总线等。总线230可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器220用于存储程序，处理器210在接收到执行指令后，执行程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器210中，或者由处理器210实现。

处理器210可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器210中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器210可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器220，处理器210读取存储器220中的信息，结合其硬件完成上述方法的步骤。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明实施例所提供的进行呼吸效应的测量方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。

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。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，又例如，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通信接口，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，在本发明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。

所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种呼吸效应的测量方法，其特征在于，包括：

采集视频，并按照画面复杂度将所述视频进行场景分类，获取多个测试场景；

获取每个所述测试场景的图像，并采用清晰度算法计算所述图像的清晰度信息；

根据所述清晰度信息对所述测试场景的呼吸效应进行评价，得到呼吸效应评价值；

将多个所述测试场景各自对应的所述呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。

2.根据权利要求1所述的呼吸效应的测量方法，其特征在于，所述清晰度信息包括第i帧清晰度和平均清晰度，所述根据所述清晰度信息对所述测试场景的呼吸效应进行评价，得到呼吸效应评价值，包括：

根据下式计算所述呼吸效应评价值：

其中，value为所述呼吸效应评价值，sharpen_i为所述第i帧清晰度，sharpen_mean为所述平均清晰度，n为所述图像的帧数，且n≥200。

3.根据权利要求1所述的呼吸效应的测量方法，其特征在于，所述测试场景包括高频场景、低频场景和综合实景。

4.根据权利要求3所述的呼吸效应的测量方法，其特征在于，所述预设权重包括：

value_高：value_低：value_实＝3:3:4，

其中，value_高为所述高频场景对应的呼吸效应评价值，value_低为所述低频场景对应的呼吸效应评价值，value_实为所述综合实景对应的呼吸效应评价值。

5.根据权利要求1所述的呼吸效应的测量方法，其特征在于，所述清晰度算法包括图像梯度算法。

6.一种呼吸效应的测量系统，其特征在于，包括：

场景区分单元，用于采集视频，并按照画面复杂度将所述视频进行场景分类，获取多个测试场景；

清晰度计算单元，用于获取每个所述测试场景的图像，并采用清晰度算法计算所述图像的清晰度信息；

第一评价单元，用于根据所述清晰度信息对所述测试场景的呼吸效应进行评价，得到呼吸效应评价值；

第二评价单元，用于将多个所述测试场景各自对应的所述呼吸效应评价值按照预设权重进行加权计算，得到呼吸效应综合评价值。

7.根据权利要求6所述的呼吸效应的测量系统，其特征在于，所述清晰度信息包括第i帧清晰度和平均清晰度，所述第一评价单元包括：

根据下式计算所述呼吸效应评价值：

其中，value为所述呼吸效应评价值，sharpen_i为所述第i帧清晰度，sharpen_mean为所述平均清晰度，n为所述图像的帧数，且n≥200。

8.根据权利要求6所述的呼吸效应的测量系统，其特征在于，所述测试场景包括高频场景、低频场景和综合实景。

9.根据权利要求8所述的呼吸效应的测量系统，其特征在于，所述预设权重包括：

value_高：value_低：value_实＝3:3:4，

其中，value_高为所述高频场景对应的呼吸效应评价值，value_低为所述低频场景对应的呼吸效应评价值，value_实为所述综合实景对应的呼吸效应评价值。

10.根据权利要求6所述的呼吸效应的测量系统，其特征在于，所述清晰度算法包括图像梯度算法。

Images