CN110211105B - 一种模糊图像检测方法、装置及系统 - Google Patents

一种模糊图像检测方法、装置及系统 Download PDF

Info

Publication number
CN110211105B
CN110211105B CN201910437745.7A CN201910437745A CN110211105B CN 110211105 B CN110211105 B CN 110211105B CN 201910437745 A CN201910437745 A CN 201910437745A CN 110211105 B CN110211105 B CN 110211105B
Authority
CN
China
Prior art keywords
image
variance
detected
value
gradient
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
Application number
CN201910437745.7A
Other languages
English (en)
Other versions
CN110211105A (zh
Inventor
陈方毅
黄容鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meishao Co ltd
Original Assignee
Xiamen Meishao Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meishao Co ltd filed Critical Xiamen Meishao Co ltd
Priority to CN201910437745.7A priority Critical patent/CN110211105B/zh
Publication of CN110211105A publication Critical patent/CN110211105A/zh
Application granted granted Critical
Publication of CN110211105B publication Critical patent/CN110211105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种模糊图像检测方法、装置及系统，方法包括：基于梯度方差算子计算待检测图像的平均梯度方差V；根据预设的综合对比度公式计算图像的综合对比度C；根据预设的映射公式处理所述综合对比度获得模糊值F；根据所述模糊值F与平均梯度方差标记所述待检测图像。装置和系统用于执行方法。本发明实施例通过基于梯度方差算子以获取图像平均梯度方差V，根据对比度公式计算综合对比度C，根据映射公式处理平均梯度方差和综合对比度获得模糊值F，根据模糊值F与阈值标记待检测图像，能够通过结合图像梯度和综合对比度判断图像的模糊程度，使模糊图像检测速度快且准确。

Description

一种模糊图像检测方法、装置及系统
技术领域
本发明涉及图像处理技术领域，尤其是一种模糊图像检测方法、装置及系统。
背景技术
图像和视频是获取信息的优良途径，图像和视频的显示质量会影响用户的观看体验，因此排除异常图像能够提高用户的观看体验，在处理大量的图像时，仅靠人工识别是非常不合理的，采取图像处理的方式进行图像模糊检测是当前的主流方法。
现有的图像模糊检测算法大致分为空域和频域两类：在空域中多采用基于梯度的算法，如拉普拉斯(Laplace)算法、差分和Sobel算子等，此类算法计算简洁、快速，但是对图像本身的变化适应力不高，造成大量应用时准确率不高；在频域中多采用图像的FFT变换或小波变换等，此类算法的检测效果不错，但计算复杂度高、计算时间长，不适合进行实时检测系统。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明实施例的一个目的是提供一种模糊图像检测方法、装置及系统。
本发明实施例所采用的技术方案是：
第一方面，本发明实施例提供一种模糊图像检测方法，包括：基于梯度方差算子计算待检测图像的平均梯度方差V；根据预设的综合对比度公式计算图像的综合对比度C；根据预设的映射公式处理所述综合对比度获得模糊值F；根据所述模糊值F与平均梯度方差V标记所述待检测图像。
优选地，所述梯度方差算子具体为：
Figure BDA0002071060600000011
其中，Pi,j为待计算像素，Vi,j为Pi,j对应的自适应梯度方差，
Figure BDA0002071060600000012
为Pi,j周围的像素。
优选地，所述平均梯度方差V为遍历图像计算获得的所有像素的自适应梯度方差的平均值。
优选地，所述综合对比度公式具体为：
Figure BDA0002071060600000021
其中，所述待检测图像包括m×n个区块，所述maxk为第K区块的像素最大值，所述mink为第k区块的像素最小值。
优选地，所述映射公式具体为：
Figure BDA0002071060600000022
优选地，根据所述模糊值与平均梯度方差V标记所述待检测图像具体包括：当F大于V，则标记所述待检测图像为模糊图像；否则，标记为清晰图像。
第二方面，本发明实施例提供一种模糊图像检测装置，包括：方差计算模块，用于基于梯度方差算子计算待检测图像的平均梯度方差V；对比度计算模块，用于根据预设的综合对比度公式计算图像的综合对比度C；模糊值计算模块，用于根据预设的映射公式处理所述综合对比度获得模糊值F；判断模块，用于根据所述模糊值F与平均梯度方差V标记所述待检测图像。
第三方面，本发明实施例提供一种模糊图像检测系统，包括最少一个处理器，所述处理器用于执行上述的方法。
第四方面，本发明实施例提供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可执行指令，所述计算机可执行指令用于使计算机执行上述的方法。
本发明实施例的有益效果是：
通过基于梯度方差算子以获取图像平均梯度方差V，根据对比度公式计算综合对比度C，根据映射公式处理平均梯度方差和综合对比度获得模糊值F，根据模糊值F与阈值标记待检测图像，能够通过结合图像梯度和综合对比度判断图像的模糊程度，使模糊图像检测速度快且准确。
附图说明
图1是模糊图像检测方法的一种实施例的流程图；
图2是模糊图像排除流程的一种实施例的流程图；
图3是模糊图像检测装置的一种实施例的连接图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做出详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1。
本实施例提供如图1所示一种模糊图像检测方法，包括：
S1、基于梯度方差算子计算待检测图像的平均梯度方差V；
S2、根据预设的综合对比度公式计算图像的综合对比度C；
S3、根据预设的映射公式处理所述综合对比度获得模糊值F；
S4、根据所述模糊值F与平均梯度方差V标记所述待检测图像为模糊图像或清晰图像，从而实现模糊图像检测。
其中，S1、S2的排序仅为具体的一个实施例，即该两者(求V和求C的过程)可以同时进行，也可以其中一个先进行。
其中，所述梯度方差算子具体为：
Figure BDA0002071060600000031
其中，Pi,j为待计算像素，Vi,j为Pi,j对应的自适应梯度方差，
Figure BDA0002071060600000032
为Pi,j周围的像素，i为图像中待计算像素所处的像素的行的序号,j为图像中像素所处的像素的列的序号,▽i为在行的方向上的移动变化量，可以是若干像素，▽j同▽i，移动变化量具体取值基于对周围的定义，例如，在一个中心点沿着坐标轴X移动3个像素的位置，沿着Y轴移动4个像素的位置，则中心点的周围包括12个像素。
对应的，遍历图像计算获得的每一个像素的自适应梯度方差，并求所有像素的自适应梯度方差的平均值以得到平均梯度方差V。
采取该梯度方差算子的技术目的在于：通过梯度方差的方式处理图像的像素，可以判断清晰图像和模糊图像，因为清晰图像正是因为存在更多的像素的灰度差异，通过梯度方差算子获取平均梯度方差，能够作为合理的判断基础(即用于后续计算的基础)。
综合对比度公式具体包括：
Figure BDA0002071060600000033
其中，所述待检测图像包括m×n个区块，所述maxk为第k区块的像素最大值，所述mink为第k区块的像素最小值。
采取该对比度公式的技术目的在于：对比度越大，图像能支持的色阶越多，色阶越多，则图像为清晰的图像的可能性越大，通过像素最大值和最小值的差值计算得到单个分块的色阶占比
Figure BDA0002071060600000041
通过将待检测图像分区(分块)以形成多个采集的样本，即m×n个区块，样本越多，误差越小；k为区块的序号，从1开始计算各个区块，即m×n个区块，色阶占比的和，计算色阶占比和与区块总数的差值得到综合对比度C，能够作为合理的判断基础，即用于后续计算的基础。
映射公式具体包括：
Figure BDA0002071060600000042
映射公式具体的系数是在实践中效果较好的系数，如果有需要，也可以采取其他的系数。
所述根据所述模糊值F与平均梯度方差V标记所述待检测图像为模糊图像或清晰图像具体包括：
当V小于F，则标记所述待检测图像为模糊图像；否则，当V大于F或者V等于F，标记为清晰图像，判断标准可以不采用平均梯度方差，也可以采用实际实验得到的常数。
实施例2。
本实施例的目的在于解释本发明的实际应用的场景以说明技术应用目的和技术应用效果。
如背景所述，图像或者视频的清晰度能够影响用户的观看体验。现在社会的信息的量逐渐的膨胀，大量的图像数据的处理和判断光依靠人力是很难完成的，因此需要借由计算机进行针对图像模糊度的辨识和标记，则对应的衍生的应用途径可以如图2所示的模糊图像排除流程：
S00、输入/获取若干待检测图像；
S01、根据预设的综合对比度公式计算图像的综合对比度C；
S02、基于梯度方差算子处理待检测图像以获取图像平均梯度方差V；
S03、根据预设的映射公式处理所述综合对比度获得模糊值F；
S04、当V小于F，则标记所述待检测图像为模糊图像，否则标记为清晰图像；
S05、排除标记为模糊图像的待检测图像，输出清晰图像。
通过所述模糊图像排除流程，能够批量处理图像，将模糊图像排除，保留清晰的图像，提高用户的观看体验，其中，S01和S02可以同时进行，也可以择一先执行，另一后执行。
实施例3。
本实施例提供如图3所示的模糊图像检测装置，包括：
方差计算模块1，用于基于梯度方差算子计算待检测图像的平均梯度方差V；
对比度计算模块2，用于根据预设的综合对比度公式计算图像的综合对比度C；
模糊值计算模块3，用于根据预设的映射公式处理所述综合对比度获得模糊值F；
判断模块4，用于根据所述模糊值F与平均梯度方差V标记所述待检测图像。
本实施例提供一种模糊图像检测系统，包括最少一个处理器，所述处理器用于执行上述的方法。
本实施例提供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可执行指令，所述计算机可执行指令用于使计算机执行上述的方法。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (5)

1.一种模糊图像检测方法，其特征在于，包括：
基于梯度方差算子计算待检测图像的平均梯度方差V；
根据预设的综合对比度公式计算图像的综合对比度C；
根据预设的映射公式处理所述综合对比度获得模糊值F；
根据所述模糊值F与平均梯度方差V标记所述待检测图像为模糊图像或清晰图像；
所述梯度方差算子具体为：
Figure RE-FDA0003148059740000011
其中，Pi,j为待计算像素，Vi,j为Pi,j对应的自适应梯度方差，
Figure RE-FDA0003148059740000012
为Pi,j周围的像素；
所述综合对比度公式具体为：
Figure RE-FDA0003148059740000013
其中，所述待检测图像包括m×n个区块，所述maxk为第k区块的像素最大值，所述mink为第k区块的像素最小值；
所述映射公式具体为：
Figure RE-FDA0003148059740000014
当F大于V，则标记所述待检测图像为模糊图像；否则，标记为清晰图像。
2.根据权利要求1所述的一种模糊图像检测方法，其特征在于，所述平均梯度方差V为遍历图像计算获得的所有像素的自适应梯度方差的平均值。
3.一种模糊图像检测装置，其特征在于，包括：
方差计算模块，用于基于梯度方差算子计算待检测图像的平均梯度方差V；
对比度计算模块，用于根据预设的综合对比度公式计算图像的综合对比度C；
模糊值计算模块，用于根据预设的映射公式处理所述综合对比度获得模糊值F；
判断模块，用于根据所述模糊值F与平均梯度方差V标记所述待检测图像为模糊图像或清晰图像；所述梯度方差算子具体为：
Figure RE-FDA0003148059740000021
其中，Pi,j为待计算像素，Vi,j为Pi,j对应的自适应梯度方差，
Figure RE-FDA0003148059740000022
为Pi,j周围的像素；
所述综合对比度公式具体为：
Figure RE-FDA0003148059740000023
其中，所述待检测图像包括m×n个区块，所述maxk为第k区块的像素最大值，所述mink为第k区块的像素最小值；
所述映射公式具体为：
Figure RE-FDA0003148059740000024
当F大于V，则标记所述待检测图像为模糊图像；否则，标记为清晰图像。
4.一种模糊图像检测系统，其特征在于，包括最少一个处理器，所述处理器用于执行如权利要求1至2任一项所述的方法。
5.一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可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至2任一项所述的方法。
CN201910437745.7A 2019-05-24 2019-05-24 一种模糊图像检测方法、装置及系统 Active CN110211105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910437745.7A CN110211105B (zh) 2019-05-24 2019-05-24 一种模糊图像检测方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910437745.7A CN110211105B (zh) 2019-05-24 2019-05-24 一种模糊图像检测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN110211105A CN110211105A (zh) 2019-09-06
CN110211105B true CN110211105B (zh) 2021-09-07

Family

ID=67788494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910437745.7A Active CN110211105B (zh) 2019-05-24 2019-05-24 一种模糊图像检测方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110211105B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419235B (zh) * 2020-10-22 2024-07-23 南京大学 一种精子活性检测系统及方法
CN114760457B (zh) * 2020-12-28 2024-03-26 生物岛实验室 3d显示系统的2d/3d图像自动切换方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180040846A (ko) * 2016-10-13 2018-04-23 경북대학교 산학협력단 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법
CN108305230A (zh) * 2018-01-31 2018-07-20 上海康斐信息技术有限公司 一种模糊图像综合处理方法和系统
CN108648189A (zh) * 2018-05-15 2018-10-12 北京五八信息技术有限公司 图像模糊检测方法、装置、计算设备及可读存储介质
CN109712134A (zh) * 2018-12-28 2019-05-03 武汉虹识技术有限公司 虹膜图像质量评价方法、装置及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4755490B2 (ja) * 2005-01-13 2011-08-24 オリンパスイメージング株式会社 ブレ補正方法および撮像装置
CN101950418B (zh) * 2010-08-26 2012-08-08 北京中创信测科技股份有限公司 一种图像质量评价方法和装置
US8594447B2 (en) * 2011-12-23 2013-11-26 The United States Of America, As Represented By The Secretary Of The Navy Method of estimating blur kernel from edge profiles in a blurry image
CN104408707B (zh) * 2014-10-28 2017-04-19 哈尔滨工业大学 一种快速数字成像模糊鉴别与复原图像质量评估方法
CN108563986B (zh) * 2018-03-02 2024-04-05 中国人民武装警察部队总医院 基于远距离拍摄图像的震区电线杆姿态判断方法和系统
CN108510496B (zh) * 2018-04-09 2020-09-22 杭州电子科技大学 基于图像dct域的svd分解的模糊检测方法
CN109101968A (zh) * 2018-08-09 2018-12-28 四川理工学院 一种车牌识别系统及识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180040846A (ko) * 2016-10-13 2018-04-23 경북대학교 산학협력단 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법
CN108305230A (zh) * 2018-01-31 2018-07-20 上海康斐信息技术有限公司 一种模糊图像综合处理方法和系统
CN108648189A (zh) * 2018-05-15 2018-10-12 北京五八信息技术有限公司 图像模糊检测方法、装置、计算设备及可读存储介质
CN109712134A (zh) * 2018-12-28 2019-05-03 武汉虹识技术有限公司 虹膜图像质量评价方法、装置及电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Image quality assessment based on multiscale fuzzy gradient similarity deviation;Shangwei Guo等;《Methodologies and Application》;20150829;第1145-1155页 *
No-reference image quality assessment based on log-derivative statistics of natural scenes;Yi Zhang等;《Journal of Electronic Imaging》;20131216;第22卷(第4期);第043025-1至043025-22页 *
图像局部模糊检测与分割方法研究;窦思冬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190515(第05期);第I138-1231页 *
无参考图像质量评价综述;王志明;《自动化学报》;20150630;第41卷(第6期);第1062-1079页 *

Also Published As

Publication number Publication date
CN110211105A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN111080661B (zh) 基于图像的直线检测方法、装置以及电子设备
CN112446838B (zh) 一种基于局部统计信息的图像噪声检测方法、装置
CN110766679A (zh) 镜头脏污检测方法、装置及终端设备
CN111340749B (zh) 图像质量的检测方法、装置、设备及存储介质
US20180286066A1 (en) Cameras and depth estimation of images acquired in a distorting medium
CN110211105B (zh) 一种模糊图像检测方法、装置及系统
US20180276796A1 (en) Method and device for deblurring out-of-focus blurred images
CN111768348B (zh) 一种缺陷检测方法、设备及计算机可读存储介质
CN109214996B (zh) 一种图像处理方法及装置
CN108107611B (zh) 一种自适应缺陷检测方法、装置及电子设备
CN111489337A (zh) 一种自动光学检测伪缺陷去除方法及系统
CN113066088A (zh) 工业检测中的检测方法、检测装置和存储介质
WO2024016632A1 (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN105574823B (zh) 一种失焦模糊图像的去模糊方法和装置
CN108022219B (zh) 一种二维图像灰度修正方法
CN116129195A (zh) 图像质量评价装置、方法、电子设备和存储介质
CN112258467B (zh) 一种图像清晰度的检测方法和装置以及存储介质
CN111369480B (zh) 一种处理周期性纹理的方法及装置
CN112017163A (zh) 图像模糊度检测的方法、装置、电子设备及存储介质
CN105389818B (zh) 元件的定位方法和系统
CN113763380B (zh) 基于矢量梯度的无参考图像清晰度评价方法
CN113469969B (zh) 图像生成方法、图像生成装置、检测设备及可读存储介质
CN110310239A (zh) 一种基于特性值拟合消除光照影响的图像处理方法
CN113628192A (zh) 图像模糊检测方法、装置、设备、存储介质及程序产品

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
CB02 Change of applicant information

Address after: 361000 Area 1F-D1, Huaxun Building A, Software Park, Xiamen Torch High-tech Zone, Xiamen City, Fujian Province

Applicant after: Xiamen Meishao Co., Ltd.

Address before: 361000 Area 1F-D1, Huaxun Building A, Software Park, Xiamen Torch High-tech Zone, Xiamen City, Fujian Province

Applicant before: Xiamen Mei You Information technology company limited

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant