CN110246129B - 图像检测方法、装置、计算机可读存储介质和计算机设备 - Google Patents

Abstract

本申请涉及一种图像检测方法、装置、计算机可读存储介质和计算机设备，方法包括：获取待检测图像中的各像素点的像素参数值，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同，对各色块进行色块分析，获得图像色块检测结果。本申请提供的方案可以提高图像检测效率。

Description

图像检测方法、装置、计算机可读存储介质和计算机设备

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像检测方法、装置、计算机可读存储介质和计算机设备。

背景技术

异常图像检测是图像检测中重要的一环，由于目前市面上的设备的多样性，各类涉及图像界面的项目在上线前、上线初期以及重要版本更新的时候，均需要在大量不同的设备上进行适配性测试，以检测是否在运行过程中会出现异常画面。

图像中出现色块是图像异常现象中的一种，图像中的色块一般是大量相同颜色的像素点构成的矩形。在异常图像检测中，图片大面积色块这种异常占据了很大的比重。

然而，传统的检测图像中是否有色块的方式，一般是基于机器学习或深度学习算法来实现的。采用机器学习或深度学习算法的方式，首先需要寻找或者构造大量的包含色块与不包含色块的图片作为训练样本，然后通过选择合适的机器学习或深度学习算法来训练模型，最终用于检查图像中是否有大面积的色块存在，这种检测方式，需要耗费大量的时间成本和技术成本来搜集样本和选择模型，效率低下。

发明内容

基于此，有必要针对检测效率低下的技术问题，提供一种图像检测方法、装置、计算机可读存储介质和计算机设备。

一种图像检测方法，包括：

获取待检测图像中的各像素点的像素参数值；

根据各所述像素点的像素参数值，确定各所述像素点所处的色阶，一个色阶对应一个像素值区间；

根据各所述像素点所处的色阶，确定各色阶在所述待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同；

对各所述色块进行色块分析，获得图像色块检测结果。

一种图像检测装置，所述装置包括：

参数值获取模块，用于获取待检测图像中的各像素点的像素参数值；

色阶确定模块，用于根据各所述像素点的像素参数值，确定各所述像素点所处的色阶，一个色阶对应一个像素值区间；

色块确定模块，用于根据各所述像素点所处的色阶，确定各色阶在所述待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同；

检测结果获得模块，用于对各所述色块进行色块分析，获得图像色块检测结果。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述图像检测方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述图像检测方法的步骤。

上述图像检测方法、装置、计算机可读存储介质和计算机设备，通过获取待检测图像中的各像素点的像素参数值，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同，对各色块进行色块分析，获得图像色块检测结果。按色阶划分的方式将像素值划分为多个像素值区间，并通过色阶来确定图像中的色块，简化了进行色块筛选的数据对象，减小了色块筛选过程的数据处理，相较于通过机器学习或深度学习算法的图像检测方式，无需进行样本搜集和模型选择等繁琐的处理过程，在保证图像检测准确度的同时，提高了检测效率。

附图说明

图1为一个实施例中图像检测方法的应用环境图；

图2为一个实施例中图像检测方法的流程示意图；

图3为一个实施例中待检测图像中的像素点示意图；

图4为一个实施例中确定待检测图像中的色块的步骤的流程示意图；

图5为一个实施例中色阶对应的矩阵示意图；

图6为一个实施例中两种不同色阶划分方式得到的色阶示意图；

图7为一个实施例中确定图像色块检测结果的步骤的流程示意图；

图8为一个实施例中待检测图像中的色块标记示意图；

图9为一个实施例中色块去重的步骤的流程示意图；

图10为另一个实施例中色块去重的步骤的流程示意图；

图11为一个应用实例中图像检测方法的流程示意图；

图12为一个实施例中图像检测装置的结构框图；

图13为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中图像检测方法的应用环境图。参照图1，该图像检测方法应用于图像检测系统。该图像检测系统包括终端102和服务器104。终端102和服务器104通过网络连接。服务器104接收终端102发送的待检测图像，获取待检测图像中的各像素点的像素参数值，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同，对各色块进行色块分析，获得图像色块检测结果，并将图像色块检测结果发送至终端102。终端102具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在另一个实施例中，该图像检测方法应用于终端，终端获取待检测图像中的各像素点的像素参数值，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同，对各色块进行色块分析，获得图像色块检测结果。终端具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。

请参见图2，在一个实施例中，提供了一种图像检测方法。本实施例主要以该方法应用于上述图1中的服务器104来举例说明。参照图2，该图像检测方法具体包括下述步骤S202至S208。

S202，获取待检测图像中的各像素点的像素参数值。

其中，待检测图像是指需要检测其是否存在色块的图像，该待检测图像可以是用户通过终端输入的图像，也可以是服务器对终端输入的包含图像的文件进行处理后得到的图像，例如服务器对视频数据进行分帧处理后的图像，还可以是终端采集并发送至服务器的图像，终端采集的图像可以是程序运行时在终端显示的画面等。

具体来说，待检测图像可以是游戏画面图像。游戏画面图像的检测是游戏自动化检测中重要的一环，由于目前市面上的设备的多样性，游戏项目在上线前、上线初期以及重要版本更新的时候，均需要在大量不同的终端设备上进行适配性测试，以检测是否在游戏运行过程中会出现异常画面。

游戏画面是在游戏程序运行过程中，在终端设备的显示屏上显示的画面。在实施例中，游戏画面图像可以是服务器通过画面采集线程，以预设的时间间隔对游戏程序运行过程中的在终端设备上显示的游戏画面进行采集得到，其中，预设的时间间隔可以是0.03s或是其他设定时间。在另一实施例中，游戏画面图像也可以通过录制终端设备在游戏程序运行时的游戏画面视频，并将视频发送至服务器，服务器对视频数据进行分帧处理得到。

请参见图3，图像是由多个像素点构成的，像素点是图像中不可分割的单位或者是元素，图像中的每一个像素点都有一个明确的位置和被分配的色彩数值。因此，待检测图像中每个像素点都有对应的像素值参数，像素值参数表征该像素点的色彩数值特性。在实施例中，像素值参数可以是该像素点的RGB(R(red)、G(green)、B(blue)，红绿蓝)像素值或是灰度值等。

S204，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间。

色阶是指根据像素值的数值变化范围划分的多个像素值区间，一个色阶对应一个像素值区间。各像素点的像素参数值所属的像素值区间，即为该像素点所处的色阶。

在实施例中，像素值区间的划分可以是基于像素参数值的数值变化范围以及预设的区间数量，等距划分的多个区间。预设的区间数量可以根据精度要求来设定，精度要求越高，区间数量相对越多，精度要求相对较低时，区间数量对应较少。在其中一个实施例中，预设的区间数量的取值可以参考像素参数值的数值变化范围，设置为按整数取值能实现将数值变化范围完整划分为多个等距区间的数值。例如，灰度值的数值变化范围为[0，225]，对应256个整数值，则预设的区间数量可以为能被256整除的数值，如128、64、32、16等。

在另一实施例中，像素值区间也可以是非等距划分的，可以设定每个像素值区间的区间长度占数值变化范围对应的全像素值区间的比值，按照该比值以及全像素参数值的数值变化范围，来划分得到每个像素值区间。其中，全像素值区间是指所有像素值参数的数值取值范围构成的区间，像素值区间是指对全像素值区间进行区间划分后得到的子像素值区间。该划分方式可以应用于对全像素值区间各部分的像素值的精度要求不同的情况。例如，以灰度化图像为例，对全像素值区间来说，对接近黑色或白色的范围要求较低时，即全像素值区间的首尾两端的精度要求低，对全像素值区间的中间部分的精度要求高时，可以将首尾两端的子像素值区间的区间长度设为相对较长的区间，将中间部分的子像素值区间的区间长度设置为相对较短的区间。像素值区间即色阶可以随时进行调整，从而满足不同的处理精度要求，广泛适应于各种精度要求不同的场合。

S206，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同。

色块是图像中像素点所处色阶相同且连通构成矩形的像素点集合。确定各色阶在待检测图像中的色块的过程可以为：对于任意色阶，确定待检测图像中处于该色阶的各像素点，根据处于该色阶的各像素点之间的连通情况，能连通得到矩形的像素点集合即为该色阶在图像中的色块。在实施例中，同一色阶中可以同时存在多个色块。

在其中一个实施例中，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，包括：

请参见图4，针对任意一个色阶，执行下述处理步骤S402至S406。

S402，在待检测图像中的像素点处于该色阶时，设置该像素点对应的元素值为第一目标值，否则，设置该像素点对应的元素值为第二目标值，获得该色阶对应的矩阵，第一目标值与第二目标值不同。

矩阵由多个按一定规则排列的元素构成，元素值是指矩阵中各个构成元素的数值。对于任意色阶，通过将处于该色阶的像素点对应的元素值设置为第一目标值，以使处于该色阶的像素点在矩阵中以具有相同元素值的元素的形式来体现。将不处于该色阶的像素点对应的元素值设置为第二目标值，即，将处于该色阶以外的其他各色阶的像素点对应的元素值设置为另一个相同数值的元素值，使得该色阶对应的矩阵中的元素仅有两种元素值，简化矩阵构成元素的元素值种类复杂度，便于根据矩阵来求解得到全第一目标值子矩阵。

S404，将该色阶对应的矩阵按行或列划分为多个数组，确定各数组中连续的第一目标值；

S406，根据各数组在矩阵中对应的位置，以及各数组中连续的第一目标值，确定矩阵中的全第一目标值子矩阵。

全第一目标值子矩阵是色阶对应矩阵的一个子矩阵，该子矩阵的组成元素的元素值全为第一目标值。全第一目标值子矩阵的求解过程包括：以该色阶对应矩阵中的每一行矩阵元素或每一列矩阵元素为一个数组，以每一行矩阵元素对应一个数组为例，首先进行数组扫描，确定矩阵中每一行对应数组的左边界，进而确定该数组中连续的第一目标值，左边界是数组中左边相邻元素的元素值为第二目标值的边界元素，该边界元素的元素值为第一目标值，由于矩阵元素只有第一目标值和第二目标值，减小了数据干扰，快速查找确定得到左边界和连续的第一目标值。然后根据该数组在矩阵中对应的位置，以该连续的第一目标值对应矩阵元素集合为中心，分别进行向上扫描和向下扫描，找到该连续的第一目标值对应矩阵元素集合的上边界和下边界，从而得到全第一目标值子矩阵。其中，连续的第一目标值包括从左边界对应矩阵元素开始的任意数量的连续的第一目标值。可以理解，上述左边界也可以替换为右边界。在其他实施例中，还可以通过每一列矩阵元素为一个数组进行扫描，先确定上边界或是下边界，然后分别进行左右扫描，确定左边界和右边界。在实施例中，一个矩阵中可以没有全第一目标值子矩阵，也可以包含一个或多个全第一目标值子矩阵。

在其中一个实施例中，求该色阶对应的矩阵中的全第一目标值子矩阵，包括：求该色阶对应的矩阵中的最大全第一目标值子矩阵。

请参见图5，第一目标值通常为1，第二目标值通常为0。最大全第一目标值子矩阵即为最大全1子矩阵。上述求该色阶对应的矩阵中的最大全第一目标值子矩阵的问题，即为求仅由0和1组成的矩阵中，全部由1组成的面积最大的子矩阵。以单调栈法的求解过程为例，求解过程包括：把矩阵中每一列中连续的1从上到下的按升序进行编号，通过预先将第二目标值设为0，很好地避免了在对连续的1进行编号处理过程中，造成的数据干扰。然后每一行用一个单调递减的单调栈处理，如果栈为空或入栈元素大于等于栈顶元素则入栈，如果栈非空并且栈顶元素小于入栈元素，则将栈顶元素出栈并更新面积最大值，直至栈为空或碰到第一个大于等于入栈元素的元素。将最后一次出栈的栈顶元素向左向右延伸，并入栈，即可确定形成的面积最大的全1子矩阵。

S408，将待检测图像中，与各全第一目标值子矩阵对应的像素块，作为该色阶在待检测图像中的色块。

全第一目标值子矩阵对应的像素块，为该色阶在待检测图像中的色块，最大全第一目标值子矩阵对应的即为该色阶中面积最大的色块。一般来说，在游戏画面中，异常画面中出现的色块，均为面积最大的色块，通过求该色阶对应的矩阵中的最大全第一目标值子矩阵，可以获得同一色阶中面积最大的色块，简化了对待检测图像中的色块筛选过程，减小了数据处理量。

S208，对各色块进行色块分析，获得图像色块检测结果。

色块分析是指对根据色阶确定的各个色块进行比较分析的过程，比较分析的对象可以是预先设定的、用于判断色块的出现是否会导致图像异常的数据，例如色块的面积阈值。图像色块检测结果可以包括待检测图像为异常图像，或待检测图像为正常图像，或多个待检测图像中具体哪些图像为异常图像，哪些图像为正常图像。在一个实施例中，异常图像还可以携带有图像中的色块信息，例如，色块的面积，色块的位置等。在另一个实施例中，还可以对异常图像中的色块进行标注，例如通过框选的方式直接在图像中标记。

上述图像检测方法，通过获取待检测图像中的各像素点的像素参数值，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同，对各色块进行色块分析，获得图像色块检测结果。按色阶划分的方式将像素值划分为多个像素值区间，并通过色阶来确定图像中的色块，简化了进行色块筛选的数据对象，减小了色块筛选过程的数据处理，相较于通过机器学习的方式，无需进行样本搜集和模型选择等繁琐的处理过程，在保证图像中色块检测准确度的同时，提高了检测效率。

在一个实施例中，在获取待检测图像中的各像素点的像素参数值之前，还包括步骤：对待检测图像进行灰度化处理，获得灰度化待检测图像。将灰度化待检测图像中的各像素点的灰度值作为待检测图像中的各像素点的像素参数值。

图像包括彩色图像和灰度化图像。彩色图像对应的像素参数值可以是RGB像素值，灰度化图像对应的像素值参数可以是灰度值。

待检测图像一般为彩色图像。对于彩色图像，其像素点一般包含RGB三基色，根据每个基色不同的强度值，可以组成多种不同的颜色的像素点，从而形成颜色丰富的图像。一般来说，对于每个基色，其强度值的数值变化范围为[0,225]，每个像素点的颜色是有不同强度值的RGB三基色组合而成的。基于一定的转换规则对彩色图像进行灰度化处理，可以将彩色图像转换为灰度化图像。灰度是指没有色彩，RGB色彩分量全部相等。灰度化图像其实质是一种黑白图像，通过把白色与黑色之间按对数关系分成若干级，称为“灰度等级”。灰度等级对应为像素点的灰度值，数值变化范围为[0,225]，白色为255，黑色为0。举例来说：一个256级灰度的图像，如果RGB三个量相同时，如：RGB(100,100,100)就代表灰度Gray为100,RGB(50,50,50)代表灰度Gray为50。具体的转换规则可以是以下任意一种。

第一种：浮点算法：Gray＝R*0.3+G*0.59+B*0.11。

第二种：整数方法：Gray＝(R*30+G*59+B*11)/100。

第三种：移位方法：Gray＝(R*77+G*151+B*28)>>8。

第四种：平均值法：Gray＝(R+G+B)/3。

第五种：仅取一种基色，如仅取绿色：Gray＝G。

可以理解，上述各转换规则仅用于说明灰度化转换原理，各转换规则中对应的系数可以根据实际情况进行调整，在本实施例中不做具体限定。

通过对彩色图像的所有像素点均进行转换处理，转换后的对应有灰度值的各像素点构成的图像即为灰度化图像。通过对待检测图像进行灰度化处理，可以将复杂组合的RGB像素值简化为一个数据值，简化了色阶划分过程的数据处理量，提高了处理速度。

在一个实施例中，请参见图6，像素点所处的色阶，包括第一色阶和第二色阶，第一色阶为第一类色阶划分方式对应的色阶，第二色阶为第二类色阶划分方式对应的色阶，第一类色阶划分方式对应N阶色阶，第二类色阶划分方式对应N+1阶色阶，其中，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，位于第二类色阶划分方式的第i阶色阶对应像素值区间的中间区域，其中，i小于等于N。

可以理解，本实施例中的第一色阶与第二色阶、第一类色阶划分方式与第二类划分方式均为相对概念，可以将第一类色阶划分方式对应的色阶作为第一色阶，也可以作为第二色阶，在此不做限定。为方便描述本实施例的技术方案，以第一类色阶划分方式对应的色阶为第一色阶，划分结果对应N阶色阶。

第一色阶和第二色阶是以区间交错的方式划分的两种色阶。目的是为了避免相邻色阶的交点附近的像素参数值被误判，提高将像素参数值按色阶进行归类的准确性。可以理解，采用任意两种或两种以上的不同色阶划分方式来实现色阶，都可以应用于本方案，在本实施例中不作限定。

下面以一个实施例来进行说明，就色阶的阶数来说，第一色阶与第二色阶的阶数差为1。就区间交错位置来讲，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，位于第二类色阶划分方式的第i阶色阶对应像素值区间的中间区域，其中，i小于等于N。

由于第一类色阶划分方式和第二类划分方式是对相同区间范围进行划分的结果，故在N阶色阶与N+1阶色阶中，两者的第一阶色阶对应像素值区间的最小边界值相同，且N阶色阶的第N阶色阶对应像素值区间的最大边界值，与N+1阶色阶的第N+1阶色阶对应像素值区间的最大边界值相同。可以理解，上述方案中的第i阶色阶对应像素值区间的边界值不包括第一阶色阶对应像素值区间的最小边界值，以及第N阶色阶对应像素值区间的最大边界值。

像素值区间是一个区间范围，区间范围包括边界值和非边界值的中间区域。边界值位于像素值区间的中间区域，是指该边界值与该像素值区间的边界值不相同。

上述实施例中，通过采用两种不同的色阶划分方式，并且使其中一种色阶划分方式下的色阶边界值处于另一种色阶划分方式下的相同阶数色阶的中间区域，确保不同色阶划分方式下的每个相同阶数的色阶具有部分重叠区域，从而避免了相邻色阶的交点附近的像素参数值被误判，提高了将像素参数值按色阶进行归类的准确性。

在其中一个实施例中，第一类色阶划分方式的各阶色阶对应像素值区间的区间长度为第一区间长度，第二类色阶划分方式的各阶色阶中，第1阶色阶对应像素值区间的区间长度，与第N+1阶色阶对应像素值区间的区间长度之和，为第一区间长度，其他各阶色阶对应像素值区间的区间长度为第一区间长度。

第一类色阶划分方式是对整个区间范围的等距划分，划分得到的各像素值区间的区间长度相等，均为第一区间长度。第二类色阶划分方式的N+1阶色阶中，除了第1阶色阶和第N+1阶色阶，其余各阶色阶对应像素值区间的区间长度也均为第一区间长度。第1阶色阶对应像素值区间的区间长度，与第N+1阶色阶对应像素值区间的区间长度之和，为第一区间长度。通过上述两种色阶划分方式，可以确保两种色阶划分方式下，相同阶色阶的重叠区间的区间长度保持一致，从而提高了对像素点的像素参数值的归类的准确性。

在一个实施例中，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，为第二类色阶划分方式的第i阶色阶对应像素值区间的中间值。

像素值区间的边界值为2个，包括最小边界值和最大边界值。

在其中一个实施例中，第一类色阶划分方式的第i阶色阶对应像素值区间的最小边界值，和第i-1阶色阶对应像素值区间的最大边界值，均为第二类色阶划分方式的第i阶色阶对应像素值区间的中间值。

需要指出的是，这里的中间值并不是严格意义上的平均值。举例来说，在第一类色阶划分方式中，对应的像素值区间为[0,16]、[17,32]……[241,256],第1阶色阶的像素值区间的最大边界值为16，第2阶色阶的像素值区间的最大边界值最小边界值为17。第二类色阶划分方式中，对应的像素值区间为[0,8]、[9,24]、……、[232,248]、[249,256]，第2阶色阶的像素值区间为[9,24],从严格意义上的平均值来说，该第2阶色阶的中间值为16.5，但在像素参数值的取值过程中，都是取的整数值。故，可以将16看作[9,24]的中间值，同理，也可以将17看作[9,24]的中间值。

以灰度值的取值范围为[0,225]为例，将256个灰度值划分为N个等长的区间([0,256/N],[256/N+1,256/N*2],…[256/N*(N-1)+1,256])，每一个等长区间内的所有灰度值处于同一色阶，进而得到了只有N阶色阶的图像。此外，还构建了N+1阶色阶，其中每个色阶包含了上述N阶色阶中各相邻色阶的交点部分([0,256/N*1/2],[256/N*1/2+1,256/N*2+256/N*1/2],…,[256/N*(N-1)+256/N*1/2,256])，得到另一只有N+1阶色阶的图像。

在一个实施例中，请参见图7，对各色块进行色块分析，获得图像色块检测结果的步骤，包括步骤S702至S704。在另一个实施例中，该步骤还包括步骤S706。

S702，确定各色阶在待检测图像中的色块的色块面积，并获取各色块的色块面积中的最大值。

S704，在最大值大于面积阈值时，确定出现图像色块异常，图像色块检测结果包括出现图像色块异常的检测结果。

S706，在最大值小于或者等于面积阈值时，确定未出现图像色块异常，图像色块检测结果包括未出现图像色块异常的检测结果。

请参见图8，在确定待检测图像中的色块之后，如图8中所示的色块1、色块2、色块3、色块4以及色块5，可以得到不同色阶中的所有色块的面积大小。色块的色块面积可以通过获取构成色块的像素点集合中像素点的数量来确定。也可以在将色块确定过程中采用的矩阵转化处理时，求取矩阵面积得到色块的色块面积。面积阈值可以用于区分色块的存在是否对应为图像色块异常，当色块的色块面积中的最大值大于面积阈值时，确定出现图像色块异常。

在待检测的游戏画面图像中，会存在弹出窗口或菜单的画面，弹出窗口或菜单中对应有部分相同颜色的区域，该相同颜色的区域会被识别为色块，但该色块的存在并不能被判定该图像色块异常。在实施例中，面积阈值可以通过大量的确认为出现图像色块异常历史数据分析得到，也可以由用户根据待检测图像的画面参数得到。以游戏画面图像为例，可以通过游戏画面中的消息弹窗以及其他覆盖窗口的面积大小来进行设定，在此实施例中不做限定。通过设置色块面积的面积阈值，可以按色块面积对色块进行异常筛选，当面积最大的色块的色块面积大于面积阈值时，确定该游戏画面图像的检测结果为出现图像色块异常。当面积最大的色块的色块面积小于或等于面积阈值时，确定该游戏画面图像的检测结果为未出现图像色块异常。

在其中一个实施例中，参加图9，在最大值大于面积阈值时，确定出现图像色块异常时，还包括步骤S902至S904。

S902，对各色块进行去重处理，获得去重处理后的各色块。

S904，将去重处理后的各色块，确定为从待检测图像中，检测到的最终色块，图像色块检测结果包括最终色块的信息。

在确定出待检测图像中包含的色块之后，特别是在采用不同色阶划分方式进行色阶划分时，不同色阶划分方式下得到的所有色块之中包含了大量重复的区域，对于最终的结果判定具有很强的干扰性。通过去重处理，得到待检测图像中的最终色块。其中，去重处理是指对包含重复区域的色块进行色块丢弃的处理过程。

在其中一个实施例中，请参见图10，对各色块进行去重处理，获得去重处理后的各色块，包括步骤S1002至S1004：

S1002，根据各色块在待检测图像中的位置，确定各色块与最大面积色块的面积交叠比，最大面积色块为最大值对应的色块。

S1004，丢弃面积交叠比大于面积交叠比阈值的色块。

面积交叠比是指当其中一个色块与最大面积色块存在交叠部分时，两个色块的交叠部分的面积，与该色块和最大面积色块的连通面积的比值。例如第一色块面积为a，第二色块面积为b,第一色块与与第二色块的交叠面积为c，则，第一色块与第二色块的连通面积为(a+b-c),故，第一色块与第二色块的交叠面积比为c/(a+b-c)。面积交叠比阈值可以两种不同色阶划分方式的对应像素值区间的区间长度来进行设定，当该区间长度大时，色块的交叠部分面积也相对较大，此时，可以将面积交叠比阈值设置为较大的数值，增大丢弃色块的所占比例。通过两项参数的相互制衡，使图像检测结果获得较好的准确度与检测效率。

在一个实施例中，对各色块进行去重处理，获得去重处理后的各色块，还包括：获取去重处理后的各色块参数信息，色块参数信息包括色块的位置信息和色块所处的色阶信息，对于去重处理后的任意一个色块，当该色块的色块参数信息与预先构建的非异常色块参数信息集合中的任意一组色块参数信息相同时，将该色块丢弃。

根据去重处理后各色块的色块参数信息，即色块的位置信息和色块所处的色阶信息，将去重处理后各色块的色块参数信息，与在终端设备上运行的游戏程序对应预设的非异常色块中的色块参数信息进行对比，确定是否将该色块丢弃，从而确定出现图像色块异常。

预先构建的非异常色块参数信息集合是指在终端设备上运行程序得到的各画面中，允许在画面中存在的色块的色块参数信息构成的集合。非异常色块是指色块的面积符合图像色块异常的检测要求，但属于该应用场景下的正常色块。非异常色块可以是在应用程序运行过程中显示在终端设备的画面中的弹窗或是其他固定位置的正常色块。例如在手机终端的出现的刘海屏，在画面中对应为画面边缘的黑色长条对应的色块为非异常色块。再例如，游戏过程中的菜单、提示弹窗内的色块也属于非异常色块。非异常色块的参数信息包括各非异常色块的颜色信息和位置信息。具体来说，终端设备运行应用程序，程序运行时出现的弹窗或菜单，其色块的位置和颜色信息，在应用程序的开发过程中会进行设定，弹窗或菜单中的色块的位置可以是位于该弹窗或菜单对应的范围内，弹窗或菜单中的颜色可以根据引擎默认渲染颜色确定。通过参数调用可以得到弹窗的窗口位置和颜色等参数信息。当最终色块的位置位于该弹窗或菜单内，且最终色块所处的色阶与该弹窗或菜单的引擎默认渲染颜色对应的色阶相同时，确定该最终色块为非异常色块，从而确定在弹窗或菜单中的非异常色块的色块位置信息和色块所处的色阶信息，同理，终端设备中的刘海屏等固定位置的色块的位置和颜色信息，也可以调用设备终端设备的参数信息得到，进而确认该色块是否为非异常色块。

在一个实施例中，获得去重处理后的各色块之后，还包括：对去重处理后的各色块进行标注。

色块标注可以是在待检测图像中，根据色块的位置信息，对色块进行标记的过程，标记可以是通过框选或是高亮的方式实现。通过色块标注，可以快速确定待检测图像中出现的异常色块。

下面以一个游戏画面图像检测的应用实例对本申请的方案进行说明。

在现有技术中，游戏画面图像的色块检测的方法主要是基于机器学习算法的方式。基于机器学习的方式检测是否有色块，首先需要寻找或者构造大量的包含色块与不包含色块的图片作为训练样本，然后通过选择合适的机器学习或深度学习算法来训练模型，最终用于检查一副图片中是否有大面积的色块存在。从处理过程中来讲，这种方式需要收集大量的正样本(含有色块)以及负样本(不含色块)的图片作为训练集，在机器学习模型的选择上会耗费大量的时间，技术成本高并且不能快速达到人们的要求。从检测效果上来讲，只能判断图片中是否有色块，而不能准确知道色块的位置与面积。

在该应用实例中，请参见图11，图像检测方法包括步骤S1102至步骤S1118。

S1102，获取游戏画面图像，

S1104，对游戏画面图像进行灰度化处理，将游戏画面图像从RGB三通道转换为灰度化图像。

S1106，根据灰度化图像中的各像素点的灰度值，确定像素点所处的色阶，色阶包括第一色阶和第二色阶。

灰度化图像中的各像素点的像素值的取值范围为[0,225]，将256个灰度值划分为N个等长的参数值区间，即N阶色阶([0,256/N],[256/N+1,256/N*2],…[256/N*(N-1)+1,256])，每一个参数值区间内的所有灰度值被认为是同一种亮度，进而得到了只有N阶色阶的图像A。其中，N的取值为能被256整除的数，具体的取值，可以根据检测精度和检测效率的需求进行取舍。N取值越小，精度越高，效率相对较低，N取值越大，效率越高，精度相对较低。为了应对相邻区间的交点附近的颜色值被误判。举例来说，灰度值256/N与256/N+1亮度很接近，但是被分到了两个不同的色阶，被认为是两者相差很大。为避免这种现象造成的数据处理误差，将256个灰度值划分为N+1个参数值区间，即N+1阶色阶，([0,256/N*1/2],[256/N*1/2+1,256/N*2+256/N*1/2],…,[256/N*(N-1)+256/N*1/2,256])。其中N+1阶色阶的参数值区间包含了上述N阶色阶中对应阶数的参数值区间的交点部分，基于这些区间可以构造得到另一个只有N+1种色阶的图像B。基于上述两种色阶划分方式，得到了两张分别只有N阶色阶和N+1阶色阶的图像。对于每个图像，认为其中具有相同色阶的为同一个颜色，实现了色阶的划分。

在色阶划分之后进行色块检测。本申请提出了使用基于动态规划的思想去检测每个色阶在当前图片中的最大面积的色块。具体做法包括步骤S1108至S1118。

S1108，对于每个色阶a，将图像中像素参数值对应位置置为1，其余位置置为0，求最大全1子矩阵，将各个色阶的最大全1子矩阵作为该色阶的最大面积的色块。

通过确定各色阶对应的矩阵，从而将问题转化为求最大全1子矩阵问题求解，时间复杂度为O(mn)，其中m和n分别为矩阵的长和宽。求得的各个色阶的最大全1子矩阵即为该色阶的最大面积的色块，实现了色块检测。

通过色块检测，可以得到两个图像中不同色阶的所有色块的色阶和大小。这些色块之中包含了大量重复的区域，对于最终的结果判定具有很强的干扰性。本申请提出使用非极大抑制方式来求最终色块。做法包括以下步骤S1110至步骤S1118。

S1110，将按不同色阶划分方式得到各色阶的最大面积的色块按照面积从大到小排序，得到色块集合A。

S1112，从色块集合A选取最大面积的可选的色块a。

S1114，判断色块a的面积是否大于面积阈值，若是，继续S1108；否则结束。

S1116，在未选取的色块中将与色块a的面积交叠比大于一定阈值的色块丢弃。

S1118，将色块a加入色块集合B中，重复S1112～S1114，直到流程结束。

当流程结束时，色块集合B即为在游戏画面图像中检测到的最终色块。

若该游戏程序在画面设计时，画面中包括非异常色块，如画面中出现的菜单或弹窗中可能存在的正常色块，或游戏画面中本身存在的正常色块，服务器通过数据调用，得到与游戏程序对应的第一非异常色块参数信息集合。当终端的显示界面中存在刘海屏或操作菜单时，刘海屏或操作菜单对应的色块也为非异常色块，服务器通过调用终端配置参数，得到与终端对应的第二非异常色块参数信息集合，第一非异常色块参数信息集合与第二非异常色块参数信息集合，构成非异常色块参数信息集合。

当最终色块的色块参数信息，与非异常色块参数信息集合中的任意一组信息相同时，即色块的位置信息相同，且色块所处的色阶信息也相同时，将该色块丢弃，判断该图像未出现图像色块异常。否则，判断出现图像色块异常，该最终色块即为图像中出现的异常色块。

通过上述方法，可以快速而高效的检测出图像中的色块，并能够得到色块的面积和具体位置。通过多次实验证明，在单机上处理一副图片的速度为0.03s。

图11为一个实施例中图像检测方法的流程示意图。应该理解的是，虽然图11的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图11中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，请参见图12，提供了一种图像检测装置，该装置包括参数值获取模块1202、色阶确定模块1204、色块确定模块1206和检测结果获得模块1208。

参数值获取模块1202，用于获取待检测图像中的各像素点的像素参数值。

色阶确定模块1204，用于根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间。

具体地，像素点所处的色阶，包括第一色阶和第二色阶，第一色阶为第一类色阶划分方式对应的色阶，第二色阶为第二类色阶划分方式对应的色阶，第一类色阶划分方式对应N阶色阶，第二类色阶划分方式对应N+1阶色阶，其中，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，位于第二类色阶划分方式的第i阶色阶对应像素值区间的中间区域，其中，i小于等于N。

在其中一个实施例中，第一类色阶划分方式的各阶色阶对应像素值区间的区间长度为第一区间长度，第二类色阶划分方式的各阶色阶中，第1阶色阶对应像素值区间的区间长度，与第N+1阶色阶对应像素值区间的区间长度之和，为第一区间长度，其他各阶色阶对应像素值区间的区间长度为第一区间长度。

具体地，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，为第二类色阶划分方式的第i阶色阶对应像素值区间的中间值。

色块确定模块1206，用于根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同。

检测结果获得模块1208，用于对各色块进行色块分析，获得图像色块检测结果。

上述图像检测装置，通过获取待检测图像中的各像素点的像素参数值，根据各像素点的像素参数值，确定各像素点所处的色阶，一个色阶对应一个像素值区间，根据各像素点所处的色阶，确定各色阶在待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同，对各色块进行色块分析，获得图像色块检测结果。按色阶划分的方式将像素值划分为多个像素值区间，并通过色阶来确定图像中的色块，简化了进行色块筛选的数据对象，减小了色块筛选过程的数据处理，相较于通过机器学习或深度学习算法的图像检测方式，无需进行样本搜集和模型选择等繁琐的处理过程，在保证图像检测准确度的同时，提高了检测效率。

在一个实施例中，图像检测装置还包括图像灰度化处理模块。

图像灰度化处理模块用于对待检测图像进行灰度化处理，获得灰度化待检测图像，将灰度化待检测图像中的各像素点的灰度值作为待检测图像中的各像素点的像素参数值。

在一个实施例中，色块确定模块还包括：

目标值设置模块，用于针对任意一个色阶，在待检测图像中的像素点处于该色阶时，设置该像素点对应的元素值为第一目标值，否则，设置该像素点对应的元素值为第二目标值，获得该色阶对应的矩阵，第一目标值与第二目标值不同。

子矩阵求解模块，用于求该色阶对应的矩阵中的全第一目标值子矩阵。

像素块处理模块，用于将待检测图像中，与各全第一目标值子矩阵对应的像素块，作为该色阶在待检测图像中的色块。

在其中一个实施例中，子矩阵求解模块，还用于求该色阶对应的矩阵中的最大全第一目标值子矩阵。

在一个实施例中，检测结果获得模块包括：

色块面积最大值确定模块，用于确定各色阶在待检测图像中的色块的色块面积，并获取各色块的色块面积中的最大值。

第一结果确定模块，用于在最大值大于面积阈值时，确定出现图像色块异常，图像色块检测结果包括出现图像色块异常的检测结果。

在其中一个实施例中，检测结果获得模块还包括第二结果确定模块。

第二结果确定模块，用于在最大值小于或者等于面积阈值时，确定未出现图像色块异常，图像色块检测结果包括未出现图像色块异常的检测结果。

在其中一个实施例中，第一结果确定模块，还包括：

去重模块，用于对各色块进行去重处理，获得去重处理后的各色块。

最终色块确定模块，用于将去重处理后的各色块，确定为从待检测图像中，检测到的最终色块，图像色块检测结果包括最终色块的信息。

在其中一个实施例中，去重模块还包括：

面积交叠比确定模块，用于根据各色块在待检测图像中的位置，确定各色块与最大面积色块的面积交叠比，最大面积色块为最大值对应的色块。

色块丢弃模块，用于丢弃面积交叠比大于面积交叠比阈值的色块。

在一个实施例中，第一结果确定模块，还包括色块标记模块。

色块标记模块，用于对去重处理后的各色块进行标注。

图13示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器104。如图13所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现图像检测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行图像检测方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的图像检测装置可以实现为一种计算机程序的形式，计算机程序可在如图13所示的计算机设备上运行。计算机设备的存储器中可存储组成该图像检测装置的各个程序模块，比如，图12所示的参数值获取模块、色阶确定模块、色块确定模块和检测结果获得模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的图像检测方法中的步骤。

例如，图13所示的计算机设备可以通过如图12所示的图像检测装置中的参数值获取模块执行获取待检测图像中的各像素点的像素参数值。计算机设备可通过色阶确定模块执行根据各所述像素点的像素参数值，确定各所述像素点所处的色阶，一个色阶对应一个像素值区间。计算机设备可通过色块确定模块执行对各所述色块进行色块分析，获得图像色块检测结果。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述XX方法的步骤。此处图像检测方法的步骤可以是上述各个实施例的图像检测方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述图像检测方法的步骤。此处图像检测方法的步骤可以是上述各个实施例的图像检测方法中的步骤。

本领域普通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，的程序可存储于一非易失性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，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (25)

1.一种图像检测方法，其特征在于，包括：

获取待检测图像中的各像素点的像素参数值；

根据各所述像素点的像素参数值，确定各所述像素点所处的色阶，一个色阶对应一个像素值区间；

根据各所述像素点所处的色阶，确定各色阶在所述待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同；

对各所述色块进行色块分析，获得图像色块检测结果；

所述像素点所处的色阶，包括第一色阶和第二色阶，所述第一色阶为第一类色阶划分方式对应的色阶，所述第二色阶为第二类色阶划分方式对应的色阶，所述第一类色阶划分方式对应N阶色阶，所述第二类色阶划分方式对应N+1阶色阶，其中，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，位于第二类色阶划分方式的第i阶色阶对应像素值区间的中间区域，其中，i小于或等于N。

2.根据权利要求1所述的方法，其特征在于，在获取待检测图像中的各像素点的像素参数值之前，还包括步骤：

对所述待检测图像进行灰度化处理，获得灰度化待检测图像；

将所述灰度化待检测图像中的各像素点的灰度值，作为所述待检测图像中的各像素点的像素参数值。

3.根据权利要求1所述的方法，其特征在于，第一类色阶划分方式的各阶色阶对应像素值区间的区间长度为第一区间长度，第二类色阶划分方式的各阶色阶中，第1阶色阶对应像素值区间的区间长度，与第N+1阶色阶对应像素值区间的区间长度之和，为所述第一区间长度，其他各阶色阶对应像素值区间的区间长度为所述第一区间长度。

4.根据权利要求1至3中任一项所述的方法，其特征在于，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，为第二类色阶划分方式的第i阶色阶对应像素值区间的中间值。

5.根据权利要求1所述的方法，其特征在于，所述根据各所述像素点所处的色阶，确定各色阶在所述待检测图像中的色块，包括：

针对任意一个色阶，执行下述处理步骤：

在所述待检测图像中的像素点处于该色阶时，设置该像素点对应的元素值为第一目标值，否则，设置该像素点对应的元素值为第二目标值，获得该色阶对应的矩阵，所述第一目标值与所述第二目标值不同；

将该色阶对应的矩阵按行或列划分为多个数组，确定各数组中连续的第一目标值；

根据各数组在所述矩阵中对应的位置，以及各数组中连续的第一目标值，确定所述矩阵中的全第一目标值子矩阵；

将所述待检测图像中，与各全第一目标值子矩阵对应的像素块，作为该色阶在所述待检测图像中的色块。

6.根据权利要求5所述的方法，其特征在于，求该色阶对应的矩阵中的全第一目标值子矩阵，包括：

求该色阶对应的矩阵中的最大全第一目标值子矩阵。

7.根据权利要求1所述的方法，其特征在于，所述对各所述色块进行色块分析，获得图像色块检测结果，包括：

确定各色阶在所述待检测图像中的色块的色块面积，并获取各色块的色块面积中的最大值；

在所述最大值大于面积阈值时，确定出现图像色块异常，所述图像色块检测结果包括出现图像色块异常的检测结果。

8.根据权利要求7所述的方法，其特征在于，所述对各所述色块进行色块分析，获得图像色块检测结果，还包括：

在所述最大值小于或者等于所述面积阈值时，确定未出现图像色块异常，所述图像色块检测结果包括未出现图像色块异常的检测结果。

9.根据权利要求7所述的方法，其特征在于，在所述最大值大于面积阈值时，确定出现图像色块异常时，还包括步骤：

对各所述色块进行去重处理，获得去重处理后的各色块；所述去重处理是指对包含重复区域的色块进行色块丢弃的处理过程；

将去重处理后的各色块，确定为从所述待检测图像中，检测到的最终色块，所述图像色块检测结果包括所述最终色块的信息。

10.根据权利要求9所述的方法，其特征在于，所述对各所述色块进行去重处理，获得去重处理后的各色块，包括：

根据各色块在所述待检测图像中的位置，确定各色块与最大面积色块的面积交叠比，所述最大面积色块为所述最大值对应的色块；

丢弃面积交叠比大于面积交叠比阈值的色块。

11.根据权利要求9所述的方法，其特征在于，所述对各所述色块进行去重处理，获得去重处理后的各色块，还包括：

获取去重处理后的各色块的色块参数信息，所述色块参数信息包括色块的位置信息和色块所处的色阶信息；

对于去重处理后的任意一个色块，当该色块的色块参数信息与预先构建的非异常色块参数信息集合中的任意一组色块参数信息相同时，将该色块丢弃。

12.一种图像检测装置，其特征在于，所述装置包括：

参数值获取模块，用于获取待检测图像中的各像素点的像素参数值；

色阶确定模块，用于根据各所述像素点的像素参数值，确定各所述像素点所处的色阶，一个色阶对应一个像素值区间；

色块确定模块，用于根据各所述像素点所处的色阶，确定各色阶在所述待检测图像中的色块，任意一个色块中的各像素点所处的色阶相同；

检测结果获得模块，用于对各所述色块进行色块分析，获得图像色块检测结果；

所述像素点所处的色阶，包括第一色阶和第二色阶，所述第一色阶为第一类色阶划分方式对应的色阶，所述第二色阶为第二类色阶划分方式对应的色阶，所述第一类色阶划分方式对应N阶色阶，所述第二类色阶划分方式对应N+1阶色阶，其中，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，位于第二类色阶划分方式的第i阶色阶对应像素值区间的中间区域，其中，i小于或等于N。

13.根据权利要求12所述的装置，其特征在于，所述图像检测装置还包括图像灰度化处理模块；

所述图像灰度化处理模块用于对所述待检测图像进行灰度化处理，获得灰度化待检测图像；将所述灰度化待检测图像中的各像素点的灰度值，作为所述待检测图像中的各像素点的像素参数值。

14.根据权利要求12所述的装置，其特征在于，第一类色阶划分方式的各阶色阶对应像素值区间的区间长度为第一区间长度，第二类色阶划分方式的各阶色阶中，第1阶色阶对应像素值区间的区间长度，与第N+1阶色阶对应像素值区间的区间长度之和，为所述第一区间长度，其他各阶色阶对应像素值区间的区间长度为所述第一区间长度。

15.根据权利要求12至14任一项所述的装置，其特征在于，第一类色阶划分方式的第i阶色阶对应像素值区间的边界值，为第二类色阶划分方式的第i阶色阶对应像素值区间的中间值。

16.根据权利要求12所述的装置，其特征在于，所述色块确定模块还包括：

目标值设置模块，用于针对任意一个色阶，在待检测图像中的像素点处于该色阶时，设置该像素点对应的元素值为第一目标值，否则，设置该像素点对应的元素值为第二目标值，获得该色阶对应的矩阵，第一目标值与第二目标值不同；

子矩阵求解模块，用于求该色阶对应的矩阵中的全第一目标值子矩阵；

像素块处理模块，用于将待检测图像中，与各全第一目标值子矩阵对应的像素块，作为该色阶在待检测图像中的色块。

17.根据权利要求16所述的装置，其特征在于，所述子矩阵求解模块，还用于求该色阶对应的矩阵中的最大全第一目标值子矩阵。

18.根据权利要求12所述的装置，其特征在于，所述检测结果获得模块包括：

色块面积最大值确定模块，用于确定各色阶在待检测图像中的色块的色块面积，并获取各色块的色块面积中的最大值；

第一结果确定模块，用于在最大值大于面积阈值时，确定出现图像色块异常，图像色块检测结果包括出现图像色块异常的检测结果。

19.根据权利要求18所述的装置，其特征在于，所述检测结果获得模块还包括第二结果确定模块；

第二结果确定模块，用于在最大值小于或者等于面积阈值时，确定未出现图像色块异常，图像色块检测结果包括未出现图像色块异常的检测结果。

20.根据权利要求18所述的装置，其特征在于，所述第一结果确定模块，还包括：

去重模块，用于对各色块进行去重处理，获得去重处理后的各色块；所述去重处理是指对包含重复区域的色块进行色块丢弃的处理过程；

最终色块确定模块，用于将去重处理后的各色块，确定为从待检测图像中，检测到的最终色块，图像色块检测结果包括最终色块的信息。

21.根据权利要求20所述的装置，其特征在于，所述去重模块还包括：

面积交叠比确定模块，用于根据各色块在待检测图像中的位置，确定各色块与最大面积色块的面积交叠比，最大面积色块为最大值对应的色块；

色块丢弃模块，用于丢弃面积交叠比大于面积交叠比阈值的色块。

22.根据权利要求20所述的装置，其特征在于，所述去重模块还用于获取去重处理后的各色块的色块参数信息，所述色块参数信息包括色块的位置信息和色块所处的色阶信息；对于去重处理后的任意一个色块，当该色块的色块参数信息与预先构建的非异常色块参数信息集合中的任意一组色块参数信息相同时，将该色块丢弃。

23.根据权利要求20所述的装置，其特征在于，所述第一结果确定模块，还包括色块标记模块；

所述色块标记模块，用于对去重处理后的各色块进行标注。

24.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至11中任一项所述方法的步骤。

25.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至11中任一项所述方法的步骤。