CN110120039A - 一种花屏检测方法、检测装置、电子设备及可读存储介质 - Google Patents
一种花屏检测方法、检测装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110120039A CN110120039A CN201910390867.5A CN201910390867A CN110120039A CN 110120039 A CN110120039 A CN 110120039A CN 201910390867 A CN201910390867 A CN 201910390867A CN 110120039 A CN110120039 A CN 110120039A
- Authority
- CN
- China
- Prior art keywords
- detected
- pixel
- image
- screen
- pixels
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000013450 outlier detection Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 57
- 230000015654 memory Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种花屏检测方法、检测装置、电子设备及可读存储介质,该方法包括:获取待检测图像中各像素点的像素值;统计各像素值对应的像素点的个数,得到像素数序列;对像素数序列进行野值检测,得到异常像素数;其中,异常像素数为像素数序列中被检测为野值的像素数;根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。通过本发明的方法,能够实现基于(获取难度较小的)待检图像中各像素点的像素值对待检测图像进行花屏检测,从而能够解决采用比较待检测图像和待检测图像的原始图像之间的差异的方式对待检测图像进行花屏检测时,需要获取的原始图像,实施难度较大的问题。
Description
技术领域
本发明涉及多媒体数据检测技术领域,尤其涉及到一种花屏检测方法、检测装置、电子设备及可读存储介质。
背景技术
在数字图像和视频领域,由于编解码或者传输等因素导致部分数据丢失时,可能会使图像或者视频中的视频帧在显示时出现明显的非图像正确内容的色块,也即出现图像或者视频花屏,其作为图像或者视频的一种异常,对正常图像信息的传播,以及观看图像或者视频的用户均具有较大的不良影响,因此,在涉及到图像或者视频显示的电视节目或者视频监控等应用场景下,均需要对图像或者视频进行花屏检测。
由于花屏是由于数据都是造成的,因此,在现有技术中,采用比较当前图像或者视频数据(数据接收端接当前收到的数据)与原始图像或者视频数据(原始数据发送端下发的数据)进行差异比较(如比较当前图像的图像属性与原始视频的图像属性之间的差异,或者比较当前视频中各视频帧的字节数与原始视频中对应的视频帧的字节数之间的差异)的方式,对图像或者视频进行花屏检测,但是,由于对当前图像或者视频进行溯源的难度较大,或者与原始数据发送端进行安全的通信连接的难度较大等原因,在很多情形下,数据发送端下发的原始图像或者原始视频都很难获取甚至无法获取到,因此,现有技术中的花屏检测方法的实施难度较大。
发明内容
有鉴于此,本发明实施例提供了一种花屏检测方法、检测装置、电子设备及可读存储介质,以解决现有技术中的花屏检测方法的实施难度较大的问题。
根据第一方面,本发明实施例提供了一种花屏检测方法,包括如下步骤:获取待检测图像中各像素点的像素值;统计各像素值对应的像素点的个数,得到像素数序列;对像素数序列进行野值检测,得到异常像素数;其中,异常像素数为像素数序列中被检测为野值的像素数;根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。
由于一般图像除了边缘部分的像素点的像素值的变化比较突出以外,其他非边缘部分的像素点的像素值的变化大多比较平缓,同时,由于非边缘部分的像素点的数量一般远大于边缘的像素点的数量,因此,在一个正常的图像中,连续像素值对应的像素点的数量(像素数序列)的变化也是比较连续的,因此,通过执行获取待检测图像中各像素点的像素值的步骤,并通过执行统计各像素值对应的像素点的个数,得到像素数序列的步骤,为基于像素数序列对待检测图像进行花屏检测提供基础,通过执行对像素数序列进行野值检测,得到异常像素数的步骤,对像素数序列中的突变数据的检测,能够得到边缘部分的像素点的数量或者非边缘部分的异常像素点的数量,再通过执行步骤根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏的步骤,最终实现基于(获取难度较小的)待检图像中各像素点的像素值对待检测图像进行花屏检测,因此,通过执行本发明实施例的方法,能够解决采用对待检测图像和待检测图像的原始图像进行差异比较(如比较待检测图像与原始图像的图像属性之间的差异)的方式对待检测图像进行花屏检测时,需要获取的原始图像,即需要对待检测图像进行溯源,或者与原始图像发送端进行通信,实施难度较大的问题。
结合第一方面,在第一方面第一实施方式中,对像素数序列进行野值检测,得到异常像素数的步骤,包括:提取像素数序列中像素值大于等于第一阈值,且小于等于第二阈值的所有像素值对应的像素数,以得到待检测像素数序列;对待检测像素数序列进行野值检测,得到异常像素数。
由于一般正常图像中的过亮或者过暗的部分均较多,对应的像素数可能相较于其他像素数较大,可能会被误检测为异常像素数,从而导致正常的图像被误检测为存在花屏,因此通过在对像素序列进行野值点检测的过程中,首先提取像素数序列中像素值大于等于第一阈值,且小于等于第二阈值的所有像素值对应的像素数,得到待检测像素数序列,然后对待检测像素数序列进行野值检测,能够排除待检测图像中的过亮的像素点(像素值大于第二阈值的像素点)对应的像素数,以及过暗的像素点(像素值小第一阈值的像素点)对应的像素数,从而能够降低待检测图像中的正常的过亮或者过暗部分造成的,待检测图像被误检测为存在花屏的可能性。
结合第一方面或者第一方面第一实施方式,在第一方面第二实施方式中,待检测图像为单通道图像,获取待检测图像中各像素点的像素值的步骤,包括:获取待检测的多通道图像;将多通道图像拆分为与多通道一一对应的多帧图像;其中,每帧拆分出的图像作为待检测图像;依次提取各个待检测图像中各像素点的像素值。
结合第一方面第二实施方式,在第一方面第三实施方式中,根据异常像素数与待检测图像中的像素点的总个数,确定待检测图像是否存在花屏的步骤之后,还包括:判断待检测的多通道图像对应的各个待检测图像中是否存在花屏;当待检测的多通道图像对应的待检测图像中存在花屏时,确定待检测的多通道图像存在花屏。
通过在执行根据异常像素数与待检测图像中的像素点的总个数,确定待检测图像(将多通道图像拆分为与通道对应的图像后得到)是否存在花屏的步骤之后,继续执行判断待检测的多通道图像对应的各个待检测图像中是否存在花屏,以及当待检测的多通道图像对应的待检测图像中存在花屏时,确定待检测的多通道图像存在花屏的步骤,提供了一种基于多通道图像中各像素点的像素值对多通道图像进行花屏检测的方法。
结合第一方面或者第一方面第一实施方式,在第一方面第四实施方式中,获取待检测图像中各像素点的像素值的步骤,包括:获取待检测视频;提取待检测视频中的至少一帧图像,以得到至少一个待检测图像;依次提取各个待检测图像中各像素点的像素值。
结合第一方面第四实施方式,在第一方面第五实施方式中,根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏的步骤之后,还包括:判断待检测视频对应的各个待检测图像中是否存在花屏;当待检测视频对应的待检测图像中存在花屏时,确定待检测视频存在花屏。
通过在执行根据异常像素数与待检测图像中像素点的总个数,确定待检测图像(通过提取待检测视频中的至少一帧图像得到)是否存在花屏的步骤之后,继续执行判断待检测视频对应的各个待检测图像中是否存在花屏,以及当待检测视频对应的待检测图像中存在花屏时,确定待检测视频存在花屏的步骤,提供了一种基于待检测图像的花屏检测方法的,视频的花屏检测方法,而由于基于待检测图像的花屏检测方法仅根据(获取难度较小的)待检测图像中各像素点的像素值,即可最终实现对待检测图像进行花屏检测,因而,通过执行本发明实施例的方法,能够实现仅根据(获取难度较小的)待检测视频中至少一帧图像中各像素点的像素值,对待检测视频进行花屏检测,解决了采用对待检测视频和待检测视频的原始视频进行差异比较(如比较待检测视频中视频帧的字节数与原始视频中对应的视频帧的字节数之间的差异)的方式对待检测视频进行花屏检测时,需要获取原始视频,即需要对待检测视频进行溯源,或者与原始视频的发送端进行通信,实施难度较大的问题。
结合第一方面,在第一方面第六实施方式中,对像素数序列进行野值检测,得到异常像素数的步骤,包括:提取像素数序列中与像素数S(V)相邻的像素数;计算与像素数S(V)相邻的像素数的均值,得到平均像素数S’(V);判断像素数S(V)与平均像素数S’(V)的比值是否大于预定比值;当像素数S(V)与平均像素数S’(V)的比值大于预定比值时,确定像素数S(V)为异常像素数。
根据第二方面,本发明实施例提供了一种花屏检测装置,包括:像素值获取模块,用于获取待检测图像中各像素点的像素值;像素数统计模块,用于统计各像素值对应的像素点的个数,得到像素数序列;野值检测模块,用于对像素数序列进行野值检测,得到异常像素数;其中,异常像素数为像素数序列中被检测为野值的像素数;花屏检测模块,用于根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的花屏检测方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的花屏检测方法。
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得其他的附图。
图1为本发明实施例提供的一种花屏方法的一种方法流程图;
图2为图1中步骤S103的一种可选实施方式的流程图;
图3为本发明实施例提供的一种花屏检测方法的另一种方法流程图;
图4为本发明实施例提供的一种花屏检测方法的另一种方法流程图;
图5为本发明实施例提供的一种花屏检测装置的原理框图;
图6为本发明实施例提供的一种电子设备的硬件结构示意图。
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做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。
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。
实施例1
图1示出了本发明实施例的花屏检测方法的流程图,如图1所示,该方法可以包括如下步骤:
S101:获取待检测图像中各像素点的像素值。在这里,待检测图像可以为单通道图像,具体地,待检测图像可以为8位单通道图像、16位单通道图像以及32位单通道图像等中的任一种,具体地,以8位单通道图像为例,则获取的待检测图像中各像素点的像素值范围为0~255,相应地,当待检测图像为16位单通道图像或者32位单通道图像时,待检测图像中各像素点的像素值范围可以参照8位单通道图像进行理解。
在这里,待检测图像也可以为将多通道图像拆分为与多通道一一对应的多帧图像中的任一帧,具体地,以RGB图像为例,可以将RGB图像拆分为R帧图像(与RGB图像的R通道对应)、G帧图像(与RGB图像的G通道对应)和B帧图像(与RGB图像的B通道对应),并依次将R帧图像、G帧图像和B帧图像作为待检测图像。
S102:统计各像素值对应的像素点的个数,得到像素数序列。在这里,仍以待检测图像为8位单通道图像为例,可以构建一数据表,该数据表的第一列为像素值(0~255的整数),第二列为各像素值对应的像素数,当然,也可以第一行为像素值(0~255的整数),第二行为对应的像素数;此外,还可以构建直方图、折线图或者散点图等二维统计图,二维统计图的横坐标为像素值,纵坐标为像素数。具体地,可以用V表示像素值,S(V)表示像素值V对应的像素数。
S103:对像素数序列进行野值检测,得到异常像素数。在这里,异常像素数为像素数序列中被检测为野值的像素数。在这里,进行野值检测的算法可以为中值滤波法,基于支持向量机的野值检测法,基于归一化残差的野值检测法基于卡方检验等现有的野值检测法中的任意一种。
具体地,以使用中值滤波法对像素数序列进行野值检测为例,则步骤S103可以包括:
步骤A:提取像素数序列中与像素数S(V)相邻的像素数。在这里,像素数S(V)是指像素值V对应的像素点的个数,
在这里,与像素数S(V)相邻的像素数可以为2n个(n是指预定相邻差),具体地,当n为1时,与像素数S(V)相邻的像素数为两个:像素数S(V-1)和S(V+1),其中,像素数S(V-1)和S(V+1)分别是指像素值V-1和V+1对应的像素点的个数;当n为2时,与像素数S(V)相邻的像素数为四个:像素数S(V-2)、S(V-1)、S(V+1)和S(V+2),其中,像素数S(V-2)、S(V-1)、S(V+1)和S(V+2)分别是指像素值V-2、V-1、V+1和V+2对应的像素点的个数;当n大于等于3时,与像素数S(V)相邻的像素数可以为2n个:像素值S(V-n)、…、S(V-2)、S(V-1)、S(V+1)、S(V+2)、…、S(V+n),其中,像素数S(V-n)、S(V-2)、S(V-1)、S(V+1)、S(V+2)和S(V+n)分别是指像素值V-n、V-2、V-1、V+1、V+2和V+n对应的像素点的个数。
在这里,需要说明的是,V是指待检测图像对应的任一像素值,但是,同时还受到像素值V-n以及像素值V+n也均为像素值,应当在待检测像素的像素值范围内的限制。具体地,仍以待检测图像为8位单通道图像为例,V可以为0~255内的任一整数,同时,受到像素值V-n以及像素值V+n也应为0~255内的整数的限制,因此,当待检测图像为8位单通道图像时,V实际上应为0+n≤V≤255-n内的整数。在这里,n的取值可以根据花屏检测精确度的要求以及待检测图像的内容等具体应用场景进行确定,在此不做任何限制(当然,n应当为小于待检测图像对应的中间像素值的自然数,以待检测图像为8位单通道图像为例,n应为小于127的自然数)。
步骤B:计算与像素数S(V)相邻的像素数的均值,得到平均像素数S’(V)。在这里,以n大于等于3为例,在这里,当n为1或者2时,S’(V)的计算公式可以参照上述n大于等于3的情况来理解,在此不再赘述。
步骤C:判断像素数S(V)与平均像素数S’(V)的比值是否大于预定比值。在这里,当像素数S(V)与平均像素数S’(V)的比值大于预定比值时,执行步骤D;当像素数S(V)与平均像素数S’(V)的比值小于等于预定比值时,确定像素数S(V)为正常像素数。
在这里,比值且比值a>1,具体地,a的取值可以根据花屏检测精确度的要求以及待检测图像的内容等具体应用场景进行确定(如,2或者3等),在此不做任何限制。
步骤D:确定像素数S(V)为异常像素数。在这里,当V遍历完待检测图像对应的所有像素值时(以待检测图像为8位单通道图像为例,则当V遍历完(0+n)~(255-n)的整个区间内的整数时),即可得到所有的异常像素数:S(V1),S(V2),S(V3),…。当然,上述虽然以异常像素数至少包括S(V1),S(V2)和S(V3)三个进行展示,但是,应当可以理解,异常像素数也可以为0个,1个或者2个。
S104:根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。在这里,可以通过计算异常像素数的和相对于检测图像中像素点的总个数的比值,并判断该比值是否大于预定比值的方式,判断待检测图像是否存在花屏。在这里,预定比值可以根据花屏检测精确度的要求以及待检测图像的内容等具体应用场景进行确定。
以计算异常像素数的和相对于检测图像中像素点的总个数的比值,异常像素数包括S(V1),S(V2)和S(V3)三个为例,则比值其中,W*H是指长为W像素,宽为H像素的待检测图像的像素点总个数,在这里,设置一预定比值Pt,则当P>Pt时,确定待检测图像存在花屏;当P≤Pt时,确定待检测图像不存在花屏,在这里,预定比值Pt可以取0.08~0.15之间的任一数据,如,0.1或者0.12等,当然,也可以根据用户的花屏检测精确度的要求以及待检测图像的内容等具体应用场景进行确定。
由于一般图像除了边缘部分的像素点的像素值的变化比较突出以外,其他非边缘部分的像素点的像素值的变化大多比较平缓,同时,由于非边缘部分的像素点的数量一般远大于边缘的像素点的数量,因此,在一个正常的图像中,连续像素值对应的像素点的数量(像素数序列)的变化也是比较连续的,因此,通过执行获取待检测图像中各像素点的像素值的步骤,并通过执行统计各像素值对应的像素点的个数,得到像素数序列的步骤,为基于像素数序列对待检测图像进行花屏检测提供基础,通过执行对像素数序列进行野值检测,得到异常像素数的步骤,对像素数序列中的突变数据的检测,能够得到边缘部分的像素点的数量或者非边缘部分的异常像素点的数量,再通过执行步骤根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏的步骤,最终实现基于(获取难度较小的)待检图像中各像素点的像素值对待检测图像进行花屏检测,因此,通过执行本发明实施例的方法,能够解决采用对待检测图像和待检测图像的原始图像进行差异比较(如比较待检测图像与原始图像的图像属性之间的差异)的方式对待检测图像进行花屏检测时,需要获取的原始图像,即需要对待检测图像进行溯源,或者与原始图像发送端进行通信,实施难度较大的问题。
由于一般正常图像中的过亮或者过暗的部分均较多,对应的像素数可能相较于其他像素数较大,可能会被误检测为异常像素数,从而导致正常的图像被误检测为存在花屏,因此,为了上述误检测的可能性,作为本发明实施例的一种可选实施方式,如图2所示,步骤S103可以包括如下步骤:
S201:提取像素数序列中像素值大于等于第一阈值,且小于等于第二阈值的所有像素值对应的像素数,以得到待检测像素数序列。在这里,待检测图像中像素值范围的最小值≤第一阈值<第二阈值≤待检测图像中像素值范围的最大值,仍以待检测图像为8位单通道图像,待检测图像的像素值范围为0~255为例,则0≤第一阈值<第二阈值≤255,其中,第一阈值和第二阈值可以根据花屏检测精确度的要求以及待检测图像的内容等具体应用场景进行确定,具体地,第一预定像素阈值可以取30~50中的任意像素值,如30,35,40,45,50等,第二预定像素阈值可以取210~255中的任意像素值,如210,220,235等。
S202:对待检测像素数序列进行野值检测,得到异常像素数。该步骤的具体内容可以参照步骤A~步骤D进行理解,在此不再赘述。
图3示出了根据本发明另一实施例的花屏检测方法的流程图,以待检测图像为单通道图像,但是使用本发明实施例的方法对多通道图像进行花屏检测为例,来描述本发明实施例提供的花屏检测方法。如图3所示,该方法可以包括如下步骤:
S301:获取待检测的多通道图像。在这里,多通道图像可以为RGB图像或者HSV图像等多通道图像。
S302:将多通道图像拆分为与多通道一一对应的多帧图像。在这里,每帧拆分出的图像为待检测图像。
S303:依次提取各个待检测图像中各像素点的像素值。该步骤的具体内容参考步骤S101来理解,在此不再赘述。
S304:对于任一待检测图像,统计各像素值对应的像素点的个数,得到像素数序列。该步骤的具体内容参考步骤S102来理解,在此不再赘述。
S305:对像素数序列进行野值检测,得到异常像素数。该步骤的具体内容参考步骤S103或者步骤S201~步骤S202来理解,在此不再赘述。
S306:根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。该步骤的具体内容参考步骤S104来理解,在此不再赘述。
S307:判断待检测的多通道图像对应的各个待检测图像中是否存在花屏。在这里,当待检测的多通道图像对应的待检测图像中存在花屏时,执行步骤S308;当待检测的多通道图像对应的待检测图像均不存在花屏时,确定待检测的多通道图像不存在花屏。
S308:确定待检测的多通道图像存在花屏。
在本发明实施例中,通过在执行根据异常像素数与待检测图像中的像素点的总个数,确定待检测图像(将多通道图像拆分为与多通道一一对应的图像后得到)是否存在花屏的步骤之后,继续执行判断待检测的多通道图像对应的各个待检测图像中是否存在花屏,以及当待检测的多通道图像对应的待检测图像中存在花屏时,确定待检测的多通道图像存在花屏的步骤,提供了一种基于多通道图像中各像素点的像素值对多通道图像进行花屏检测的方法。
图4示出了根据本发明另一实施例的花屏检测方法的流程图,以使本发明实施例的方法能够对视频进行花屏检测。如图4所示,该方法可以包括如下步骤:
S401:获取待检测视频。
S402:提取待检测视频中的至少一帧图像,以得到至少一个待检测图像。
S403:依次提取各个待检测图像中各像素点的像素值。该步骤的具体内容参考步骤S101来理解,在此不再赘述。
S404:对于任一待检测图像,统计各像素值对应的像素点的个数,得到像素数序列。该步骤的具体内容参考步骤S102来理解,在此不再赘述。
S405:对像素数序列进行野值检测,得到异常像素数。该步骤的具体内容参考步骤S103或者步骤S201~步骤S202来理解,在此不再赘述。
S406:根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。该步骤的具体内容参考步骤S104来理解,在此不再赘述。
S407:判断待检测视频对应的各个待检测图像中是否存在花屏。在这里,当待检测视频对应的待检测图像中存在花屏时,执行步骤S308;当待检测视频对应的待检测图像均不存在花屏时,确定待检测视频不存在花屏。
S408:确定待检测视频存在花屏。
在本发明实施例中,通过在执行根据异常像素数与待检测图像中像素点的总个数,确定待检测图像(通过提取待检测视频中的至少一帧图像得到)是否存在花屏的步骤之后,继续执行判断待检测视频对应的各个待检测图像中是否存在花屏,以及当待检测视频对应的待检测图像中存在花屏时,确定待检测视频存在花屏的步骤,提供了一种待检测图像的花屏检测方法的,视频的花屏检测方法,而由于基于待检测图像的花屏检测方法仅根据(获取难度较小的)待检测图像中各像素点的像素值,即可最终实现对待检测图像进行花屏检测,因而,通过执行本发明实施例的方法,能够实现仅根据(获取难度较小的)待检测视频中至少一帧图像中各像素点的像素值,对待检测视频进行花屏检测,解决了采用对待检测视频和待检测视频的原始视频进行差异比较(如比较待检测视频中视频帧的字节数与原始视频中对应的视频帧的字节数之间的差异)的方式对待检测视频进行花屏检测时,需要获取原始视频,即需要对待检测视频进行溯源,或者与原始视频的发送端进行通信,实施难度较大的问题。
实施例2
图5示出了本发明实施例的一种花屏检测装置的原理框图,该装置可以用于实现实施例1或者其任意可选实施方式所述的花屏检测方法。如图5所示,该装置包括:像素值获取模块10、像素数统计模块20、野值检测模块30和花屏检测模块40。其中,
像素值获取模块10用于获取待检测图像中各像素点的像素值。像素数统计模块20用于统计各像素值对应的像素点的个数,得到像素数序列。
野值检测模块30用于对像素数序列进行野值检测,得到异常像素数。在这里,异常像素数为像素数序列中被检测为野值的像素数。
花屏检测模块40用于根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏。
在本发明实施例中,通过执行获取待检测图像中各像素点的像素值的步骤,并通过执行统计各像素值对应的像素点的个数,得到像素数序列的步骤,为基于像素数序列对待检测图像进行花屏检测提供基础,通过执行对像素数序列进行野值检测,得到异常像素数的步骤,对像素数序列中的突变数据的检测,能够得到边缘部分的像素点的数量或者非边缘部分的异常像素点的数量,再通过执行步骤根据异常像素数与待检测图像中像素点的总个数,确定待检测图像是否存在花屏的步骤,最终实现基于(获取难度较小的)待检图像中各像素点的像素值对待检测图像进行花屏检测,因此,通过执行本发明实施例的方法,能够解决采用对待检测图像和待检测图像的原始图像进行差异比较(如比较待检测图像与原始图像的图像属性之间的差异)的方式对待检测图像进行花屏检测时,需要获取的原始图像,即需要对待检测图像进行溯源,或者与原始图像发送端进行通信,实施难度较大的问题。
本发明实施例还提供了一种电子设备,如图6所示,该电子设备可以包括处理器61和存储器62,其中处理器61和存储器62可以通过总线或者其他方式连接,图6中以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit,CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器62作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的花屏检测方法对应的程序指令/模块(如图5所示的像素值获取模块10、像素数统计模块20、野值检测模块30和花屏检测模块40)。处理器61通过运行存储在存储器62中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的花屏检测方法。
存储器62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;存储数据区可存储处理器61所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器62可选包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至处理器61。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。
所述一个或者多个模块存储在所述存储器62中,当被所述处理器61执行时,执行如图1-4所示实施例中的花屏检测方法。
上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种花屏检测方法,其特征在于,包括如下步骤:
获取待检测图像中各像素点的像素值;
统计各像素值对应的像素点的个数,得到像素数序列;
对所述像素数序列进行野值检测,得到异常像素数;其中,所述异常像素数为所述像素数序列中被检测为野值的像素数;
根据所述异常像素数与所述待检测图像中像素点的总个数,确定所述待检测图像是否存在花屏。
2.根据权利要求1所述的花屏检测方法,其特征在于,所述对所述像素数序列进行野值检测,得到异常像素数的步骤,包括:
提取所述像素数序列中所述像素值大于等于第一阈值,且小于等于第二阈值的所有所述像素值对应的像素数,以得到待检测像素数序列;
对所述待检测像素数序列进行野值检测,得到所述异常像素数。
3.根据权利要求1或2所述的花屏检测方法,其特征在于,所述待检测图像为单通道图像,所述获取待检测图像中各像素点的像素值的步骤,包括:
获取待检测的多通道图像;
将所述多通道图像拆分为与多通道一一对应的多帧图像;其中,每帧拆分出的所述图像作为所述待检测图像;
依次提取各个所述待检测图像中各像素点的像素值。
4.根据权利要求3所述的花屏检测方法,其特征在于,所述根据所述异常像素数与所述待检测图像中的像素点的总个数,确定所述待检测图像是否存在花屏的步骤之后,还包括:
判断所述待检测的多通道图像对应的各个所述待检测图像中是否存在花屏;
当所述待检测的多通道图像对应的所述待检测图像中存在花屏时,确定所述待检测的多通道图像存在花屏。
5.根据权利要求1或2所述的花屏检测方法,其特征在于,所述获取待检测图像中各像素点的像素值的步骤,包括:
获取待检测视频;
提取所述待检测视频中的至少一帧图像,以得到至少一个所述待检测图像;
依次提取各个所述待检测图像中各像素点的像素值。
6.根据权利要求5所述的花屏检测方法,其特征在于,所述根据所述异常像素数与所述待检测图像中像素点的总个数,确定所述待检测图像是否存在花屏的步骤之后,还包括:
判断所述待检测视频对应的各个所述待检测图像中是否存在花屏;
当所述待检测视频对应的所述待检测图像中存在花屏时,确定所述待检测视频存在花屏。
7.根据权利要求1所述的花屏检测方法,其特征在于,所述对所述像素数序列进行野值检测,得到异常像素数的步骤,包括:
提取所述像素数序列中与像素数S(V)相邻的像素数;
计算与所述像素数S(V)相邻的像素数的均值,得到平均像素数S’(V);
判断所述像素数S(V)与所述平均像素数S’(V)的比值是否大于预定比值;
当所述像素数S(V)与所述平均像素数S’(V)的比值大于所述预定比值时,确定所述像素数S(V)为异常像素数。
8.一种花屏检测装置,其特征在于,包括:
像素值获取模块,用于获取待检测图像中各像素点的像素值;像素数统计模块,用于统计各像素值对应的像素点的个数,得到像素数序列;
野值检测模块,用于对所述像素数序列进行野值检测,得到异常像素数;其中,所述异常像素数为所述像素数序列中被检测为野值的像素数;
花屏检测模块,用于根据所述异常像素数与所述待检测图像中像素点的总个数,确定所述待检测图像是否存在花屏。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7任一项所述的花屏检测方法。
10.一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存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7任一项所述的花屏检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390867.5A CN110120039B (zh) | 2019-05-10 | 2019-05-10 | 一种花屏检测方法、检测装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390867.5A CN110120039B (zh) | 2019-05-10 | 2019-05-10 | 一种花屏检测方法、检测装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110120039A true CN110120039A (zh) | 2019-08-13 |
CN110120039B CN110120039B (zh) | 2021-07-23 |
Family
ID=67522159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910390867.5A Active CN110120039B (zh) | 2019-05-10 | 2019-05-10 | 一种花屏检测方法、检测装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110120039B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757182A (zh) * | 2020-07-08 | 2020-10-09 | 深圳创维-Rgb电子有限公司 | 图像花屏检测方法、设备、计算机设备和可读存储介质 |
CN112752145A (zh) * | 2020-02-03 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 一种视频识别方法及相关设备 |
CN113139451A (zh) * | 2021-04-16 | 2021-07-20 | 北京京东乾石科技有限公司 | 异常信息生成方法、装置、电子设备和计算机可读介质 |
CN114820527A (zh) * | 2022-04-27 | 2022-07-29 | 北京奇艺世纪科技有限公司 | 花屏图像的检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8437556B1 (en) * | 2008-02-26 | 2013-05-07 | Hrl Laboratories, Llc | Shape-based object detection and localization system |
CN104243967A (zh) * | 2013-06-07 | 2014-12-24 | 浙江大华技术股份有限公司 | 一种图像检测方法及装置 |
US20180052229A1 (en) * | 2014-12-08 | 2018-02-22 | United States of America as Represented by the Secretary of the Army (Army Research Laboratory) | System for detecting man-made objects using polarimetric synthetic aperture radar imagery with error reduction and method of use |
CN109005458A (zh) * | 2018-09-27 | 2018-12-14 | 上海东方传媒技术有限公司 | 一种图像花屏检测方法及装置 |
CN109145841A (zh) * | 2018-08-29 | 2019-01-04 | 武汉大学 | 一种基于视频监控的异常事件的检测方法及装置 |
-
2019
- 2019-05-10 CN CN201910390867.5A patent/CN110120039B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8437556B1 (en) * | 2008-02-26 | 2013-05-07 | Hrl Laboratories, Llc | Shape-based object detection and localization system |
CN104243967A (zh) * | 2013-06-07 | 2014-12-24 | 浙江大华技术股份有限公司 | 一种图像检测方法及装置 |
US20180052229A1 (en) * | 2014-12-08 | 2018-02-22 | United States of America as Represented by the Secretary of the Army (Army Research Laboratory) | System for detecting man-made objects using polarimetric synthetic aperture radar imagery with error reduction and method of use |
CN109145841A (zh) * | 2018-08-29 | 2019-01-04 | 武汉大学 | 一种基于视频监控的异常事件的检测方法及装置 |
CN109005458A (zh) * | 2018-09-27 | 2018-12-14 | 上海东方传媒技术有限公司 | 一种图像花屏检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
PETRO KONDRATOV等: "Thermal images improving based on cumulative histogram correction and median filtering methods", 《2016 13TH INTERNATIONAL CONFERENCE ON MODERN PROBLEMS OF RADIO ENGINEERING, TELECOMMUNICATIONS AND COMPUTER SCIENCE (TCSET)》 * |
夏裕建等: "监控视频异常检测与质量判断", 《计算机应用与软件》 * |
崔乔: "基于Matlab的图像灰度分析及高斯白噪声的研究", 《科技创新与应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112752145A (zh) * | 2020-02-03 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 一种视频识别方法及相关设备 |
CN112752145B (zh) * | 2020-02-03 | 2022-05-17 | 腾讯科技(深圳)有限公司 | 一种视频识别方法及相关设备 |
CN111757182A (zh) * | 2020-07-08 | 2020-10-09 | 深圳创维-Rgb电子有限公司 | 图像花屏检测方法、设备、计算机设备和可读存储介质 |
CN111757182B (zh) * | 2020-07-08 | 2022-05-31 | 深圳创维-Rgb电子有限公司 | 图像花屏检测方法、设备、计算机设备和可读存储介质 |
CN113139451A (zh) * | 2021-04-16 | 2021-07-20 | 北京京东乾石科技有限公司 | 异常信息生成方法、装置、电子设备和计算机可读介质 |
CN114820527A (zh) * | 2022-04-27 | 2022-07-29 | 北京奇艺世纪科技有限公司 | 花屏图像的检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110120039B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110120039B (zh) | 一种花屏检测方法、检测装置、电子设备及可读存储介质 | |
US10136183B2 (en) | Dynamic video overlays | |
US9390475B2 (en) | Backlight detection method and device | |
CN108769776B (zh) | 标题字幕检测方法、装置及电子设备 | |
CN110166765B (zh) | 一种花屏检测方法、电子设备及可读存储介质 | |
CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
CN112073718B (zh) | 一种电视机花屏检测方法、装置、计算机设备及储存介质 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
US20220383637A1 (en) | Live streaming sampling method and apparatus, and electronic device | |
CN111385640A (zh) | 视频封面的确定方法、装置、设备及存储介质 | |
CN108520547B (zh) | 图像处理方法、装置、设备及存储介质 | |
US20170161875A1 (en) | Video resolution method and apparatus | |
WO2018153161A1 (zh) | 一种视频质量评价方法及装置、设备、存储介质 | |
TWI741305B (zh) | 圖像處理方法和裝置 | |
CN105847970A (zh) | 视频显示质量的计算方法及设备 | |
CN115272182A (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN111369557A (zh) | 图像处理方法、装置、计算设备和存储介质 | |
Bong et al. | An efficient and training-free blind image blur assessment in the spatial domain | |
CN111311584B (zh) | 视频质量评估方法及装置、电子设备、可读介质 | |
CN106971386B (zh) | 判断图像完整度及页面加载度的方法、装置和客户端设备 | |
US20170310872A1 (en) | Image dynamic range adjustment method, terminal, and storage medium | |
WO2017113735A1 (zh) | 一种视频格式区分方法及系统 | |
CN108470327B (zh) | 图像增强方法、装置、电子设备及存储介质 | |
EP2860975A1 (en) | Method for processing at least one disparity map, corresponding electronic device and computer program product | |
CN109308690A (zh) | 一种图像亮度均衡方法及终端 |
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 |