CN110175980A - 图像清晰度识别方法、图像清晰度识别装置及终端设备 - Google Patents
图像清晰度识别方法、图像清晰度识别装置及终端设备 Download PDFInfo
- Publication number
- CN110175980A CN110175980A CN201910288549.8A CN201910288549A CN110175980A CN 110175980 A CN110175980 A CN 110175980A CN 201910288549 A CN201910288549 A CN 201910288549A CN 110175980 A CN110175980 A CN 110175980A
- Authority
- CN
- China
- Prior art keywords
- image
- recognized
- images
- image definition
- target object
- 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.)
- Pending
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种图像清晰度识别方法、图像清晰度识别装置及终端设备,所述方法包括:获取包含一个或多个目标对象的待识别图像以及每个目标对象在所述待识别图像中的位置;根据每个目标对象在所述待识别图像中的位置,在所述待识别图像中截取包含目标对象的一个或多个子图像;识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定所述待识别图像的图像清晰度。本申请可以使得对待识别图像的图像清晰度识别结果更加逼近人眼感受到的图像清晰度。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种图像清晰度识别方法、图像清晰度识别装置、终端设备及计算机可读存储介质。
背景技术
目前,图像清晰度的识别方法有很多种,比如,Tenengrad梯度方法、Laplacian梯度方法以及方差方法等。目前的图像清晰度识别方法通常是依据整张图像中的所有像素点来确定图像清晰度的。
然而,人眼对于图像清晰度的认识往往会受到图像中部分区域的影响,因此,可能会导致目前的图像清晰度识别方法所得到的清晰度识别结果与人眼感受到的清晰度不同。
发明内容
有鉴于此,本申请提供了一种图像清晰度识别方法、图像清晰度识别装置、终端设备及计算机可读存储介质,可以在一定程度上使得识别出的图像清晰度更加逼近人眼感受到的图像清晰度。
本申请第一方面提供了一种图像清晰度识别方法,包括:
获取包含一个或多个目标对象的待识别图像以及每个目标对象在上述待识别图像中的位置;
根据每个目标对象在上述待识别图像中的位置,在该待识别图像中截取包含目标对象的一个或多个子图像;
识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定上述待识别图像的图像清晰度。
本申请第二方面提供了一种图像清晰度识别装置,包括:
目标获取模块,用于获取包含一个或多个目标对象的待识别图像以及每个目标对象在上述待识别图像中的位置;
目标截取模块,用于根据每个目标对象在上述待识别图像中的位置,在该待识别图像中截取包含目标对象的一个或多个子图像;
清晰度识别模块,用于识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定上述待识别图像的图像清晰度。
本申请第三方面提供了一种终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面方法的步骤。
本申请第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面方法的步骤。
本申请第五方面提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面方法的步骤。
由上可见,本申请提供了一种图像清晰度识别方法。首先,获取包含一个或多个目标对象的待识别图像,并获取每个目标对象在该待识别图像中的位置,比如,若上述目标对象为狗,则可以获取包含一只狗的待识别图像X以及该只狗在该待识别图像X中的位置;其次,根据每个目标对象在上述待识别图像中的位置,在该待识别图像中截取包含目标对象的一个或多个子图像,也即是,在获取到狗在待识别图像X中的位置之后,则可以在上述待识别图像X中截取包含该狗的子图像Y;最后,识别每个子图像的图像清晰度,并根据识别出的每个图像清晰度,确定上述待识别图像的图像清晰度,也即是,识别上述子图像Y的图像清晰度,并根据该子图像Y的图像清晰度确定待识别图像X的图像清晰度(比如,可以直接将子图像Y的图像清晰度确定为待识别图像X的图像清晰度)。由此可见,本申请所提供的技术方案中,待识别图像的图像清晰度是基于目标对象所在图像区域的图像清晰度的,通常情况下,人眼在观察图像时,往往会被图像中的特定对象所吸引,因此,人眼对图像清晰度的感知,很大程度上是由目标对象所在的图像区域决定的,因此,本申请对图像清晰度的识别结果会更加逼近人眼感受到的图像清晰度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,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它的附图。
图1是本申请实施例一提供的一种图像清晰度识别方法的实现流程示意图;
图2是本申请实施例一提供的子图像截取方法示意图;
图3是本申请实施例二提供的另一种图像清晰度识别方法的实现流程示意图;
图4是本申请实施例三提供的一种图像清晰度识别装置的结构示意图;
图5是本申请实施例四提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
本申请实施例提供的图像清晰度识别方法适用于终端设备,示例性地,该终端设备包括但不限于:智能手机、平板电脑、笔记本、智能可穿戴设备、桌上型计算机以及云端服务器等。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例一提供的图像清晰度识别方法进行描述,该图像清晰度识别方法应用于终端设备(比如智能手机等),请参阅附图1,本申请实施例一的图像清晰度识别方法包括:
在步骤S101中,获取包含一个或多个目标对象的待识别图像以及每个目标对象在该待识别图像中的位置;
在本申请实施例中,上述目标对象为人眼容易捕捉的对象,比如人像、狗、猫、花朵等。
在本申请实施例中,该步骤S101具体实施过程可以包括以下步骤:
步骤A、获取待处理图像;
步骤B、对上述待处理图像进行目标检测,获取检测结果,该检测结果用于指示是否在上述待处理图像中检测到目标对象,并且若在上述待处理图像中检测到目标对象时,上述检测结果用于指示上述待处理图像中每个目标对象的位置;
步骤C、若上述检测结果指示在上述待处理图像中检测到目标对象,则将上述待处理图像确定为上述待识别图像,并根据上述检测结果,确定每个目标对象在该待识别图像中的位置。
其中,上述步骤A中的待处理图像的获取方式可以为:当检测到用户通过摄像头拍摄图像时,将该摄像头拍摄的图像确定为上述待处理图像。
请本领域技术人员注意,上述步骤A-步骤C仅仅是该步骤S101的一种具体实施方法,该步骤S101还可以有其他的具体实施方法,比如终端设备可以输出提示信息“尊敬的用户,请您输入包含目标对象(人像、狗或猫)的图像”,然后用户可以根据该提示信息,在本地存储的各个图像中选取包含人像、狗或猫的图像,该终端设备获取用户选取的图像,并将该图像确定为上述待识别图像,此外,待识别图像中目标对象的位置也可以由用户告知终端设备,比如用户通过框选目标对象的方式,告知终端设备中目标对象在待识别图像中的位置。
在上述步骤B中,对待处理图像进行目标检测从而获取检测结果的方法可以为:利用训练后的目标检测模型对该待处理图像进行目标检测,获取该目标检测模型输出的检测结果(具体地,利用目标检测模型对图像进行目标检测的方法是现有技术,此处不再赘述)。另外,请本领域技术人员注意,本申请并不对步骤B中具体采用的目标检测方法进行限定。
此外,在本申请实施例中,该步骤S101所述的“待识别图像”可以是用户通过终端设备的相机APP拍摄的图像;或者,可以是终端设备中的相机APP或者摄像机APP所采集预览画面中的一帧预览图像;或者,也可以是终端设备本地所保存的图像;或者,还可以是在线观看的视频或本地保存的视频中的某一帧图像。本申请对上述待识别图像的来源不作限定。
在步骤S102中,根据每个目标对象在该待识别图像中的位置,在该待识别图像中截取包含目标对象的一个或多个子图像;
在本申请实施例中,通过该步骤S102所获取的子图像的个数可以是一个也可以是多个,并且,每个子图像中包含的目标对象的个数可以是一个也可以是多个。本申请并不对截取的子图像个数以及每个子图像中包含的目标对象个数进行限定。
为了更清楚的描述该步骤S102的具体实施过程,下面利用附图2来详细描述如何截取子图像。
如图2(a)所示,假设通过步骤S101获取的待识别图像为图像201,该图像201中包含一个目标对象202(即人像),通过上述步骤S101获取的该目标对象202在图像201中的位置为{A(xa,ya),B(xb,yb)}(即代表该目标对象202的位置为:点A和点B组成的矩形区域,如图2(a)虚线框所示)。则在上述步骤S102中,可以根据点A以及点B的坐标,截取包含目标对象202的子图像,在本申请中,可以直接将点A以及点B组成的矩形区域作为子图像,也可以对点A以及点B组成的矩形区域进行膨胀运算,将膨胀运算后的图像区域作为包含目标对象202的子图像(请本领域技术人员注意,本申请并不对子图像的获取方式进行限定)。
如图2(b)所示,假设通过步骤S101获取的待识别图像为图像203,该图像203中包含两个目标对象,分别为目标对象204以及目标对象205,通过上述步骤S101获取的该目标对象204在图像203中的位置为{A(xa,ya),B(xb,yb)},通过上述步骤S101获取的目标对象205在图像203中的位置为{C(xc,yc),D(xd,yd)}。则在上述步骤S102中,可以根据点A、点B、点C以及点D的坐标,截图同时包含目标对象204以及目标对象205的子图像,或者也可以截取两个子图像,分别为只包含目标图像204的子图像以及只包含目标对象205的子图像。也即是当待识别图像中包含多个目标对象时,通过步骤S102获取的子图像个数可以是一个,可以是多个。
在步骤S103中,识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定上述待识别图像的图像清晰度;
在本申请实施例中,对步骤S102获取的每个子图像的图像清晰度进行识别(可以通过训练后的神经网络模型识别每个子图像的图像清晰度,也可以采用Tenengrad梯度方法、Laplacian梯度方法以及方差方法等识别每个子图像的图像清晰度,本申请并不对每个子图像的图像清晰度识别方法进行限定),然后可以对获取的每个子图像的图像清晰度进行平均或者加权平均,得到待识别图像的图像清晰度。
下面具体论述一种对各个所述子图像的图像清晰度进行加权平均,得到待识别图像的清晰度的方法:根据每个子图像中所包含的目标对象的类别、每个子图像在待识别图像中的位置和/或每个子图像占据该待识别图像的面积比例,确定每个子图像的图像清晰度所对应的权重值,比如,当某个子图像位于待识别图像的中间区域,占据该待识别图像的面积比例较大,并且所包含的目标对象的类别是人像(通常情况下,人眼对人像较为感兴趣)时,该子图像的图像清晰度可以对应一较大的权重值;然后,根据每个所述子图像的图像清晰度的权重值,对所有所述子图像的图像清晰度进行加权平均,得到上述待识别图像的图像清晰度。
此外,在本申请实施例一中,除了依赖每个子图像的图像清晰度之外,还可以依赖待识别图像中各个子图像之外的图像区域的图像清晰度,来确定待识别图像的图像清晰度。如图2(b)所示,在确定图像203的图像清晰度时,除了依赖子图像204以及子图像205的图像清晰度之外,还可以依赖图像203中除了子图像204以及子图像205之外的图像区域的图像清晰度,此时,在确定图像203的最终图像清晰度时,可以给子图像204以及子图像205的图像清晰度分配数值较大的权重值,给除去子图像204以及子图像205之外的图像区域的图像清晰度分配较小的权重值,从而得到图像203最终的图像清晰度。
另外,在该步骤S103之后,还包括如下步骤:判断上述待识别图像的图像清晰度是否小于预设阈值;若小于该预设阈值,则对上述待识别图像进行超分辨率重建。
在本申请实施例一中,待识别图像的图像清晰度是基于目标对象所在图像区域的图像清晰度的,通常情况下,人眼在观察图像时,往往会被图像中的特定对象所吸引,因此,人眼对图像清晰度的感知,很大程度上是由目标对象所在的图像区域决定的,因此,本申请实施例一对图像清晰度的识别结果会更加逼近人眼感受到的图像清晰度。
实施例二
下面对本申请实施例二提供的另一种图像清晰度识别方法进行描述,请参阅附图3,本申请实施例二的图像清晰度识别方法包括:
在步骤S301中,获取包含一个或多个目标对象的待识别图像以及每个目标对象在该待识别图像中的位置;
该步骤S301的具体执行方式与实施例一中的步骤S101完全相同,具体可参见实施例一的描述,此处不再赘述。
在步骤S302中,根据每个目标对象在该待识别图像中的位置,确定每个位置分别指示的图像区域的并集;
在本申请实施例二中,需要获取待识别图像中每个目标对象所占据的图像区域的并集。
在图2(a)所示的例子中,可以确定每个位置分别指示的图像区域的并集是:点A以及点B组成的矩形区域。
在图2(b)所示的例子中,可以确定每个位置分别指示的图像区域的并集是:点A以及点B组成的矩形区域+点C以及点D组成的矩形区域。
在步骤S303中,计算该并集所指示的图像区域占据上述待识别图像的第一面积比例;
在图2(a)所示的例子中,上述第一面积比例为:点A以及点B组成的矩形区域面积/图像201的面积。
在图2(b)所示的例子中,上述第一面积比例为:(点A以及点B组成的矩形区域面积+点C以及点D组成的矩形区域面积)/图像203的面积。
在步骤S304中,判断上述第一面积比例是否小于第一预设比例,若小于上述第一预设比例,则在该待识别图像中截取包含目标对象的一个或多个子图像;
本领域技术人员容易理解,若上述第一面积比例较大(比如大于或等于上述第一预设比例)时,说明待识别图像中大部分图像区域都为目标对象,在这种情况下,完全没有任何必要将目标对象所在的图像区域截取出来,可以直接利用传统的图像清晰度识别方法对待识别图像的图像清晰度进行识别。
若上述第一面积比例小于上述第一预设比例,则说明待识别图像中除了目标对象之外,还存在一些人眼并不容易捕捉的画面,在这种情况下,可以将目标对象所在的图像区域截取出来,并通过截取出来的子图像确定待识别图像的图像清晰度。
此外,该步骤S304所述的“在该待识别图像中截取包含目标对象的一个或多个子图像”的具体方式可以参见实施例一。此外,在本申请实施例二中,提供一种“在该待识别图像中截取包含目标对象的一个或多个子图像”的具体实施方式:
步骤D:根据每个目标对象在上述待识别图像中的位置,计算每个位置所指示的图像区域分别占该待识别图像的第二面积比例;
步骤E:根据上述第二面积比例,判断是否存在有第二面积比例大于第二预设比例的图像区域,其中,上述第二预设比例小于上述第一预设比例;
步骤F:若存在,则对大于上述第二预设比例的每个图像区域均进行膨胀运算,得到各个修正图像区域;
步骤G:将每个修正图像区域分别确定为每个子图像;
为了使本领域技术人员更清楚的理解上述步骤D-步骤G所述的技术方案,下面利用图2(b)来详细描述上述技术方案。
在图2(b)所示的例子中,首先需要计算点A以及点B组成的矩形区域占据图像203的第二面积比例(为便于后续描述,称该第二面积比例为面积比例1),以及,点C以及点D组成的矩形区域占据图像203的第二面积比例(为便于后续描述,称该第二面积比例为面积比例2);其次,判断面积比例1是否大于第二预设比例,以及,判断面积比例2是否大于第二预设比例,若面积比例1大于第二预设比例,面积比例2小于第二预设比例,则上述步骤E的判断结果为存在占据上述待识别图像的面积比例大于第二预设比例的图像区域(即为点A以及点B组成的图像区域);然后,执行上述步骤F以及步骤G,对点A以及点B组成的图像区域进行膨胀运算,将膨胀运算得到的修正图像区域确定为子图像。
上述步骤D-步骤F所限定的技术方案,可以忽略占据待识别图像面积比例较小的目标对象对待识别图像清晰度的影响。
在步骤S305中,识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定上述待识别图像的图像清晰度;
该步骤S305的具体执行方式与实施例一中的步骤S103完全相同,具体可参见实施例一的描述,此处不再赘述。
本申请实施例二所限定的技术方案相比于实施例一,只有在目标对象占据待识别图像的面积比例小于一定数值时,才会执行截取操作,因此,本申请实施例二所限定的技术方案相比于实施例一可以在一定程度上减轻终端设备的处理负担,此外,本申请实施例二中上述步骤D-步骤F所提供的技术方案,可以在一定程度上减少截取的子图像数量,因此,也可以进一步减轻终端设备的处理负担。此外,本申请实施例二与实施例一相同,也可以使得对待识别图像的图像清晰度识别结果更加逼近人眼感受到的图像清晰度。
应理解,上述方法实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程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。
实施例三
本申请实施例三提供了一种图像清晰度识别装置,为了便于说明,仅示出与本申请相关的部分,如图4所示,该图像清晰度识别装置400包括:
目标获取模块401,用于获取包含一个或多个目标对象的待识别图像以及每个目标对象在上述待识别图像中的位置;
目标截取模块402,用于根据每个目标对象在上述待识别图像中的位置,在该待识别图像中截取包含目标对象的一个或多个子图像;
清晰度识别模块403,用于识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定上述待识别图像的图像清晰度。
可选地,上述目标截取模块402包括:
并集确定单元,用于根据每个目标对象在上述待识别图像中的位置,确定每个位置分别指示的图像区域的并集;
第一比例单元,用于计算上述并集所指示的图像区域占据上述待识别图像的第一面积比例;
判断单元,用于判断上述第一面积比例是否小于第一预设比例;
目标截取单元,用于若小于上述第一预设比例,则在上述待识别图像中截取包含目标对象的一个或多个子图像。
可选地,上述目标截取单元包括:
第二比例子单元,用于若小于上述第一预设比例,则根据每个目标对象在上述待识别图像中的位置,计算上个位置所指示的图像区域分别占上述待识别图像的第二面积比例;
判断子单元,用于根据上述第二面积比例,判断是否存在有第二面积比例大于第二预设比例的图像区域,其中,上述第二预设比例小于上述第一预设比例;
膨胀运算子单元,用于若存在,则对大于上述第二预设比例的每个图像区域均进行膨胀运算,得到各个修正图像区域;
子图像确定子单元,用于将每个修正图像区域分别确定为每个子图像;
可选地,上述清晰度识别模块403包括:
权重确定单元,用于根据每个子图像中所包含的目标对象的类别、每个子图像在上述待识别图像中的位置和/或每个子图像占据上述待识别图像的面积比例,确定每个子图像的图像清晰度所对应的权重值;
加权平均单元,用于根据每个图像清晰度的权重值,对所有图像清晰度进行加权平均,得到上述待识别图像的图像清晰度。
可选地,上述图像清晰度识别装置400还包括:
判断模块,用于判断上述待识别图像的图像清晰度是否小于预设阈值;
重建模块,用于若小于上述预设阈值,则对上述待识别图像进行超分辨率重建。
可选地,上述目标获取模块401包括:
图像获取单元,用于获取待处理图像;
目标检测单元,用于对上述待处理图像进行目标检测,获取检测结果,该检测结果用于指示是否在上述待处理图像中检测到目标对象,并且若在上述待处理图像中检测到目标对象时,该检测结果用于指示上述待处理图像中每个目标对象的位置;
目标获取单元,用于若上述检测结果指示在上述待处理图像中检测到目标对象,则将上述待处理图像确定为上述待识别图像,并根据上述检测结果,确定每个目标对象在该待识别图像中的位置。
可选地,上述图像获取单元具体用于:当检测到用户通过摄像头拍摄图像时,将该摄像头拍摄的图像确定为上述待处理图像。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
实施例四
图5是本申请实施例四提供的终端设备的示意图。如图5所示,该实施例的终端设备500包括:处理器501、存储器502以及存储在上述存储器502中并可在上述处理器501上运行的计算机程序503。上述处理器501执行上述计算机程序503时实现上述各个方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,上述处理器501执行上述计算机程序503时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至403的功能。
示例性的,上述计算机程序503可以被分割成一个或多个模块/单元,上述一个或者多个模块/单元被存储在上述存储器502中,并由上述处理器501执行,以完成本申请。上述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述上述计算机程序503在上述终端设备500中的执行过程。例如,上述计算机程序503可以被分割成目标获取模块、目标截取模块以及清晰度识别模块,各模块具体功能如下:
获取包含一个或多个目标对象的待识别图像以及每个目标对象在上述待识别图像中的位置;
根据每个目标对象在上述待识别图像中的位置,在该待识别图像中截取包含目标对象的一个或多个子图像;
识别每个子图像的图像清晰度,并根据识别出的每个图像清晰度,确定上述待识别图像的图像清晰度。
上述终端设备可包括,但不仅限于,处理器501、存储器502。本领域技术人员可以理解,图5仅仅是终端设备500的示例,并不构成对终端设备500的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如上述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器501可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、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)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
上述存储器502可以是上述终端设备500的内部存储单元,例如终端设备500的硬盘或内存。上述存储器502也可以是上述终端设备500的外部存储设备,例如上述终端设备500上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器502还可以既包括上述终端设备500的内部存储单元也包括外部存储设备。上述存储器502用于存储上述计算机程序以及上述终端设备所需的其它程序和数据。上述存储器502还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,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。
上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。
上述集成的模块/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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上上述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,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像清晰度识别方法,其特征在于,包括:
获取包含一个或多个目标对象的待识别图像以及每个目标对象在所述待识别图像中的位置;
根据每个目标对象在所述待识别图像中的位置,在所述待识别图像中截取包含目标对象的一个或多个子图像;
识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定所述待识别图像的图像清晰度。
2.如权利要求1所述的图像清晰度识别方法,其特征在于,所述根据每个目标对象在所述待识别图像中的位置,在所述待识别图像中截取包含目标对象的一个或多个子图像,包括:
根据每个目标对象在所述待识别图像中的位置,确定每个位置分别指示的图像区域的并集;
计算所述并集所指示的图像区域占据所述待识别图像的第一面积比例;
判断所述第一面积比例是否小于第一预设比例;
若小于所述第一预设比例,则在所述待识别图像中截取包含目标对象的一个或多个子图像。
3.如权利要求2所述的图像清晰度识别方法,其特征在于,所述若小于所述第一预设比例,则在所述待识别图像中截取包含目标对象的一个或多个子图像,包括:
若小于所述第一预设比例,则
根据每个目标对象在所述待识别图像中的位置,计算每个位置所指示的图像区域分别占所述待识别图像的第二面积比例;
根据所述第二面积比例,判断是否存在有第二面积比例大于第二预设比例的图像区域,其中,所述第二预设比例小于所述第一预设比例;
若存在,则对大于所述第二预设比例的每个图像区域均进行膨胀运算,得到各个修正图像区域;
将每个修正图像区域分别确定为每个子图像。
4.如权利要求1至3中任一项所述的图像清晰度识别方法,其特征在于,所述根据识别出的每个所述子图像的图像清晰度,确定所述待识别图像的图像清晰度,包括:
根据每个子图像中所包含的目标对象的类别、每个子图像在所述待识别图像中的位置和/或每个子图像占据所述待识别图像的面积比例,确定每个子图像的图像清晰度所对应的权重值;
根据每个所述子图像的图像清晰度的权重值,对所有所述子图像的图像清晰度进行加权平均,得到所述待识别图像的图像清晰度。
5.如权利要求1至3中任一项所述的图像清晰度识别方法,其特征在于,在所述确定所述待识别图像的图像清晰度的步骤之后,还包括:
判断所述待识别图像的图像清晰度是否小于预设阈值;
若小于所述预设阈值,则对所述待识别图像进行超分辨率重建。
6.如权利要求1至3中任一项所述的图像清晰度识别方法,其特征在于,所述获取包含一个或多个目标对象的待识别图像以及每个目标对象在所述待识别图像中的位置,包括:
获取待处理图像;
对所述待处理图像进行目标检测,获取检测结果,所述检测结果用于指示是否在所述待处理图像中检测到目标对象,并且若在所述待处理图像中检测到目标对象时,所述检测结果用于指示所述待处理图像中每个目标对象的位置;
若所述检测结果指示在所述待处理图像中检测到目标对象,则:
将所述待处理图像确定为所述待识别图像,并根据所述检测结果,确定每个目标对象在所述待识别图像中的位置。
7.如权利要求6所述的图像清晰度识别方法,其特征在于,所述获取待处理图像,包括:
当检测到用户通过摄像头拍摄图像时,将所述摄像头拍摄的图像确定为所述待处理图像。
8.一种图像清晰度识别装置,其特征在于,包括:
目标获取模块,用于获取包含一个或多个目标对象的待识别图像以及每个目标对象在所述待识别图像中的位置;
目标截取模块,用于根据每个目标对象在所述待识别图像中的位置,在所述待识别图像中截取包含目标对象的一个或多个子图像;
清晰度识别模块,用于识别每个所述子图像的图像清晰度,并根据识别出的每个所述子图像的图像清晰度,确定所述待识别图像的图像清晰度。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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7任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910288549.8A CN110175980A (zh) | 2019-04-11 | 2019-04-11 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
PCT/CN2019/103283 WO2020206912A1 (zh) | 2019-04-11 | 2019-08-29 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910288549.8A CN110175980A (zh) | 2019-04-11 | 2019-04-11 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110175980A true CN110175980A (zh) | 2019-08-27 |
Family
ID=67689552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910288549.8A Pending CN110175980A (zh) | 2019-04-11 | 2019-04-11 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110175980A (zh) |
WO (1) | WO2020206912A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705511A (zh) * | 2019-10-16 | 2020-01-17 | 北京字节跳动网络技术有限公司 | 模糊图像的识别方法、装置、设备及存储介质 |
CN110969602A (zh) * | 2019-11-26 | 2020-04-07 | 北京奇艺世纪科技有限公司 | 一种图像清晰程度检测方法及装置 |
CN111160240A (zh) * | 2019-12-27 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 图像对象的识别处理方法、装置及智能设备、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 |
CN111461070A (zh) * | 2020-04-29 | 2020-07-28 | Oppo广东移动通信有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN111754491A (zh) * | 2020-06-28 | 2020-10-09 | 国网电子商务有限公司 | 一种图片清晰度判定方法及装置 |
WO2020206912A1 (zh) * | 2019-04-11 | 2020-10-15 | 平安科技(深圳)有限公司 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
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 |
CN112052350A (zh) * | 2020-08-25 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 一种图片检索方法、装置、设备和计算机可读存储介质 |
CN112053343A (zh) * | 2020-09-02 | 2020-12-08 | 平安科技(深圳)有限公司 | 用户图片数据的处理方法、装置、计算机设备及存储介质 |
CN112329522A (zh) * | 2020-09-24 | 2021-02-05 | 上海品览数据科技有限公司 | 一种基于深度学习和图像处理的货架商品模糊检测方法 |
CN112949423A (zh) * | 2021-02-07 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 物体识别方法、物体识别装置及机器人 |
CN113256583A (zh) * | 2021-05-24 | 2021-08-13 | 北京百度网讯科技有限公司 | 图像质量检测方法及装置、计算机设备和介质 |
WO2023273017A1 (zh) * | 2021-06-29 | 2023-01-05 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955947A (zh) * | 2011-08-19 | 2013-03-06 | 北京百度网讯科技有限公司 | 一种用于确定图像清晰度的设备及其方法 |
CN107644425A (zh) * | 2017-09-30 | 2018-01-30 | 湖南友哲科技有限公司 | 目标图像选取方法、装置、计算机设备及存储介质 |
CN108229367A (zh) * | 2017-12-28 | 2018-06-29 | 何世容 | 一种人脸识别方法及装置 |
CN108513068A (zh) * | 2018-03-30 | 2018-09-07 | 广东欧珀移动通信有限公司 | 图像的选取方法、装置、存储介质及电子设备 |
CN108776819A (zh) * | 2018-06-05 | 2018-11-09 | Oppo广东移动通信有限公司 | 一种目标识别方法、移动终端及计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004215081A (ja) * | 2003-01-07 | 2004-07-29 | Pioneer Electronic Corp | 情報記録媒体、情報再生装置及び方法、並びにコンピュータプログラム |
CN104637046B (zh) * | 2013-11-13 | 2020-03-13 | 索尼公司 | 图像检测方法和装置 |
CN110175980A (zh) * | 2019-04-11 | 2019-08-27 | 平安科技(深圳)有限公司 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
-
2019
- 2019-04-11 CN CN201910288549.8A patent/CN110175980A/zh active Pending
- 2019-08-29 WO PCT/CN2019/103283 patent/WO2020206912A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955947A (zh) * | 2011-08-19 | 2013-03-06 | 北京百度网讯科技有限公司 | 一种用于确定图像清晰度的设备及其方法 |
CN107644425A (zh) * | 2017-09-30 | 2018-01-30 | 湖南友哲科技有限公司 | 目标图像选取方法、装置、计算机设备及存储介质 |
CN108229367A (zh) * | 2017-12-28 | 2018-06-29 | 何世容 | 一种人脸识别方法及装置 |
CN108513068A (zh) * | 2018-03-30 | 2018-09-07 | 广东欧珀移动通信有限公司 | 图像的选取方法、装置、存储介质及电子设备 |
CN108776819A (zh) * | 2018-06-05 | 2018-11-09 | Oppo广东移动通信有限公司 | 一种目标识别方法、移动终端及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
李福卫 等: "基于卷积神经网络的图像清晰度识别方法", 软件, no. 07 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020206912A1 (zh) * | 2019-04-11 | 2020-10-15 | 平安科技(深圳)有限公司 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
CN110705511A (zh) * | 2019-10-16 | 2020-01-17 | 北京字节跳动网络技术有限公司 | 模糊图像的识别方法、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 |
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 |
CN110969602B (zh) * | 2019-11-26 | 2023-09-05 | 北京奇艺世纪科技有限公司 | 一种图像清晰程度检测方法及装置 |
CN110969602A (zh) * | 2019-11-26 | 2020-04-07 | 北京奇艺世纪科技有限公司 | 一种图像清晰程度检测方法及装置 |
CN111160240A (zh) * | 2019-12-27 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 图像对象的识别处理方法、装置及智能设备、存储介质 |
CN111160240B (zh) * | 2019-12-27 | 2024-05-24 | 腾讯科技(深圳)有限公司 | 图像对象的识别处理方法、装置及智能设备、存储介质 |
CN111461070A (zh) * | 2020-04-29 | 2020-07-28 | Oppo广东移动通信有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN111461070B (zh) * | 2020-04-29 | 2023-12-08 | Oppo广东移动通信有限公司 | 文本识别方法、装置、电子设备及存储介质 |
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 |
CN111754491A (zh) * | 2020-06-28 | 2020-10-09 | 国网电子商务有限公司 | 一种图片清晰度判定方法及装置 |
CN112052350B (zh) * | 2020-08-25 | 2024-03-01 | 腾讯科技(深圳)有限公司 | 一种图片检索方法、装置、设备和计算机可读存储介质 |
CN112052350A (zh) * | 2020-08-25 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 一种图片检索方法、装置、设备和计算机可读存储介质 |
CN112053343A (zh) * | 2020-09-02 | 2020-12-08 | 平安科技(深圳)有限公司 | 用户图片数据的处理方法、装置、计算机设备及存储介质 |
CN112329522A (zh) * | 2020-09-24 | 2021-02-05 | 上海品览数据科技有限公司 | 一种基于深度学习和图像处理的货架商品模糊检测方法 |
CN112949423A (zh) * | 2021-02-07 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 物体识别方法、物体识别装置及机器人 |
CN112949423B (zh) * | 2021-02-07 | 2024-05-24 | 深圳市优必选科技股份有限公司 | 物体识别方法、物体识别装置及机器人 |
CN113256583A (zh) * | 2021-05-24 | 2021-08-13 | 北京百度网讯科技有限公司 | 图像质量检测方法及装置、计算机设备和介质 |
WO2023273017A1 (zh) * | 2021-06-29 | 2023-01-05 | 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 |
Also Published As
Publication number | Publication date |
---|---|
WO2020206912A1 (zh) | 2020-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110175980A (zh) | 图像清晰度识别方法、图像清晰度识别装置及终端设备 | |
CN109064390A (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
CN107395958B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN108765278A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN106778453B (zh) | 人脸图像中检测眼镜佩戴的方法及装置 | |
CN108229591A (zh) | 神经网络自适应训练方法和装置、设备、程序和存储介质 | |
CN109829448A (zh) | 人脸识别方法、装置及存储介质 | |
CN110852162B (zh) | 一种人体完整度数据标注方法、装置及终端设备 | |
CN107622483A (zh) | 一种图像合成方法及终端 | |
CN108961183A (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
CN109389640A (zh) | 图像处理方法和装置 | |
CN109840883B (zh) | 一种训练物体识别神经网络的方法、装置及计算设备 | |
CN109348731A (zh) | 一种图像匹配的方法及装置 | |
CN108280455A (zh) | 人体关键点检测方法和装置、电子设备、程序和介质 | |
CN110443120A (zh) | 一种人脸识别方法及设备 | |
CN108491872A (zh) | 目标再识别方法和装置、电子设备、程序和存储介质 | |
CN110442783A (zh) | 基于人脸识别的信息推送方法、装置、计算机设备 | |
CN109309826A (zh) | 一种图像色彩均衡方法及终端 | |
CN110415237A (zh) | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 | |
CN111325107A (zh) | 检测模型训练方法、装置、电子设备和可读存储介质 | |
CN108805838A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN108764139A (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
CN108898649A (zh) | 图像处理方法及装置 | |
US20190205689A1 (en) | Method and device for processing image, electronic device and medium | |
CN108932703A (zh) | 图片处理方法、图片处理装置及终端设备 |
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 |