CN110366001B - 视频清晰度的确定方法和装置、存储介质、电子装置 - Google Patents

视频清晰度的确定方法和装置、存储介质、电子装置 Download PDF

Info

Publication number
CN110366001B
CN110366001B CN201810312820.2A CN201810312820A CN110366001B CN 110366001 B CN110366001 B CN 110366001B CN 201810312820 A CN201810312820 A CN 201810312820A CN 110366001 B CN110366001 B CN 110366001B
Authority
CN
China
Prior art keywords
video
video frame
frame
definition
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
CN201810312820.2A
Other languages
English (en)
Other versions
CN110366001A (zh
Inventor
倪子云
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810312820.2A priority Critical patent/CN110366001B/zh
Publication of CN110366001A publication Critical patent/CN110366001A/zh
Application granted granted Critical
Publication of CN110366001B publication Critical patent/CN110366001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234363—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the spatial resolution, e.g. for clients with a lower screen resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440263—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the spatial resolution, e.g. for displaying on a connected PDA

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种视频清晰度的确定方法和装置、存储介质、电子装置。其中，该方法包括：获取第一请求，第一请求用于请求确定第一视频的清晰度，第一视频为对第二视频处理后得到的；响应于第一请求，获取第一视频中的第一视频帧和第二视频中的第二视频帧，第一视频帧所表示的内容和第二视频帧所表示的内容相同；基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。本发明解决了相关技术中确定的视频清晰度的准确率较低的技术问题。

Description

视频清晰度的确定方法和装置、存储介质、电子装置
技术领域
本发明涉及互联网领域，具体而言，涉及一种视频清晰度的确定方法和装置、存储介质、电子装置。
背景技术
峰值信噪比PSNR是“Peak Signal to Noise Ratio”的缩写，是一种评价图像的客观标准，PSNR是最普遍、最广泛使用的评鉴画质的客观量测法，PSNR通过计算原始图像和参考图像之间的差异，从统计角度来衡量待评图像的质量优劣，PSNR值越大，表明待评图像与参考图像之间的失真较小，图像质量较好。
结构相似性SSIM是“Structural Similarity Index”的缩写，是一种衡量两幅图像相似度的指标，SSIM是将失真建模为亮度、对比度和结构三个不同因素的组合，可用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似程度的度量，一般取值范围为0-1，值越大说明质量越好。
PSNR和SSIM是使用较为广泛的视频客观评价指标，不过许多实验结果都显示，PSNR的分数无法和人眼看到的视觉品质完全一致，有可能PSNR较高者看起来反而比PSNR较低者差，这是因为人眼的视觉对于误差的敏感度并不是绝对的，其感知结果会受到许多因素的影响而产生变化，例如，人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响；而SSIM的简单线性建模很难描述人眼视觉对图像结构信息的处理，也导致结果多时候与主观评价不同。可见，相关技术中，通过PSNR和SSIM来评估视频质量(如清晰度)，并不能准确反映视频的真实清晰度。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种视频清晰度的确定方法和装置、存储介质、电子装置，以至少解决相关技术中确定的视频清晰度的准确率较低的技术问题。
根据本发明实施例的一个方面，提供了一种视频清晰度的确定方法，包括：获取第一请求，其中，第一请求用于请求确定第一视频的清晰度，第一视频为对第二视频处理后得到的；响应于第一请求，获取第一视频中的第一视频帧和第二视频中的第二视频帧，其中，第一视频帧所表示的内容和第二视频帧所表示的内容相同；基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。
根据本发明实施例的另一方面，还提供了一种视频清晰度的确定装置，包括：第一获取单元，用于获取第一请求，其中，第一请求用于请求确定第一视频的清晰度，第一视频为对第二视频处理后得到的；第二获取单元，用于响应于第一请求，获取第一视频中的第一视频帧和第二视频中的第二视频帧，其中，第一视频帧所表示的内容和第二视频帧所表示的内容相同；确定单元，用于基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。
根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
在本发明实施例中，在接收到第一请求时，获取第一视频中的第一视频帧和第二视频中的第二视频帧，第一视频帧所表示的内容和第二视频帧所表示的内容相同；基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度，采用的是通过计算梯度信息来确定清晰度，梯度信息描述了图像的边缘多少，因为图像不同区域、不同内容的失真对人眼主观感受的影响是不一样的，人眼对于图像边缘纹理区域的关注度要大于平坦区域，同时图像边缘纹理区域反馈了图像的大部分信息，因此通过图片的边缘来描述图像的清晰度更能反应人眼的感受，所以，本申请的技术方案在提升了确定的视频的清晰度的准确率的同时，也增加了适用场景，弥补了PSNR和SSIM的缺陷，可以解决相关技术中确定的视频清晰度的准确率较低的技术问题，进而达到提升所确定的视频的清晰度的准确率的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的视频清晰度的确定方法的硬件环境的示意图；
图2是根据本发明实施例的一种可选的视频清晰度的确定方法的流程图；
图3是根据本发明实施例的一种可选的视频的视频帧的示意图；
图4是根据本发明实施例的一种可选的视频的视频帧的示意图；
图5是根据本发明实施例的一种可选的视频的客户端的示意图；
图6是根据本发明实施例的一种可选的视频帧队列的示意图；
图7是根据本发明实施例的一种可选的视频帧队列的示意图；
图8是根据本发明实施例的一种可选的水印区域的示意图；
图9是根据本发明实施例的一种可选的视频清晰度的确定方法的流程图；
图10是根据本发明实施例的一种可选的视频清晰度的确定装置的示意图；以及，
图11是根据本发明实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一方面，提供了一种视频清晰度的确定方法的方法实施例。
可选地，在本实施例中，上述视频清晰度的确定方法可以应用于如图1所示的由服务器101和终端103所构成的硬件环境中。如图1所示，服务器101通过网络与终端103进行连接，可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务、视频服务等)，可在服务器上或独立于服务器设置数据库105，用于为服务器101提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端103并不限定于PC、手机、平板电脑等。
本发明实施例的视频清晰度的确定方法可以由服务器101来执行。图2是根据本发明实施例的一种可选的视频清晰度的确定方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，服务器获取第一请求，第一请求用于请求确定第一视频的清晰度。
上述第一视频为对第二视频处理后得到的，换言之，第二视频为源视频，第一视频可是对第二视频进行重新编码后得到的，例如，第二视频为媒体服务器本地保存的源视频，第一视频为终端本地点播该源视频后，经过对源视频重新编码传送到终端上播放的视频，重新编码可以是降低分辨率、超分、视频格式转换、添加水印(如“XXTV”、字幕等)等。
步骤S204，响应于第一请求，服务器获取第一视频中的第一视频帧和第二视频中的第二视频帧。
所获取的第一视频帧可以从终端侧获取，所获取的第二视频帧可以从数据库中获取，第一视频帧所表示的内容和第二视频帧所表示的内容相同，每个视频帧可以表示一个或多个内容(此处的内容可以为背景，人物，场景中的桌椅、山水、建筑等等)，上述的“内容相同”表示的意思是两个视频帧中有一个或多个相同的内容，如图3所示，第二视频帧中有三个人物，第一视频帧中仅有其中两个人物；上述的“内容相同”表示的意思还可以全部内容相同，如图4所示，第二视频帧和第一视频帧中都有三个人物。
步骤S206，基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。
在相关技术中，PSNR通过计算对应像素点灰度值之间的差异来表示清晰度，只要像素值有变化，不论这种变化是朝好的方向还是坏的方向发展，也不论这种变化是否会被察觉到，都会改变PSNR的数值，导致准确性不高，而SSIM的简单线性建模很难描述人眼视觉对图像结构信息的处理，也导致结果多时候与主观评价不同，同时，在视频方面，源视频(即第二视频，或称为原始视频)和被测视频(即第一视频)存在不同分辨率和动态帧率的情况，这会导致计算的帧内容存在差异，所以不能简单的应用PSNR和SSIM去计算视频清晰度。
而在本申请的技术方案中，通过上述步骤S202至步骤S206，在接收到第一请求时，获取第一视频中的第一视频帧和第二视频中的第二视频帧，第一视频帧所表示的内容和第二视频帧所表示的内容相同；基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度，采用的是通过计算梯度信息来确定清晰度，梯度信息描述了图像的边缘多少，因为图像不同区域、不同内容的失真对人眼主观感受的影响是不一样的，人眼对于图像边缘纹理区域的关注度要大于平坦区域，同时图像边缘纹理区域反馈了图像的大部分信息，因此通过图片的边缘来描述图像的清晰度更能反应人眼的感受，所以，本申请的技术方案在提升了确定的视频的清晰度的准确率的同时，也增加了适用场景，弥补了PSNR和SSIM的缺陷，可以解决相关技术中确定的视频清晰度的准确率较低的技术问题，进而达到提升所确定的视频的清晰度的准确率的技术效果。
在上述实施例中，以本发明实施例的视频清晰度的确定方法由服务器101来执行为例进行说明，本发明实施例的视频清晰度的确定方法也可以由终端103来执行，与上述方案不同之处在于执行主体由服务器替换为了终端，还可以是由服务器101和终端103共同执行，如终端将第一视频的截图提供给服务器来计算清晰度，或服务器将第二视频的截图提供给终端来计算清晰度。其中，终端103执行本发明实施例的视频清晰度的确定方法也可以是由安装在其上的客户端来执行。
为了前后描述的统一，后续实施例中也以本发明实施例的视频清晰度的确定方法由服务器101来执行为例进行说明。
在步骤S202提供的技术方案中，对于媒体内容提供商而言，需要保证提供给用户的质量，清晰度就是质量标准中的重要一项，内容提供商可以定期或者不定期的检测终端侧所点播的视频的清晰度，此时就会触发第一请求，以请求服务器确定第一视频的清晰度，第一视频为对第二视频处理后得到的在终端侧播放的视频，当服务器接收到该请求时，就会触发下述步骤的执行。
在步骤S204提供的技术方案中，视频往往包括多帧画面，如果对每帧都进行计算，那么计算量是相当大的，通过一定参数编码后的视频，其清晰度前后帧也是基本保持一致的，可选地，为了减少计算量，可从视频中抽取若干帧，以这些帧的清晰度结果来反馈整个视频的清晰度，在服务器接收到第一请求时，服务器对第一请求进行响应，获取第一视频中的第一视频帧和第二视频中的第二视频帧，第一视频帧所表示的内容和第二视频帧所表示的内容部分或者完全相同。
可选地，服务器在获取第一视频中的第一视频帧和第二视频中的第二视频帧时，“获取”操作可以为截屏操作，从第二视频中截取第二视频帧，如对本地保存的源视频(即第二视频)进行截屏得到第二视频帧；并从第一视频中截取与第二视频帧表示的内容相同的第一视频帧，可选地，在终端上安装有可观看视频的客户端(如浏览器应用的客户端、视频应用的客户端等)，对于媒体内容提供商而言，可以在客户端上预埋截屏逻辑，当服务器接收到第一请求时，可触发截屏逻辑的执行，如图5所示，如截取在客户端中播放的第一视频的第一视频帧。
本申请的技术方案在计算帧内容时可先通过图片相似度计算，保证了内容的一致性，然后调整为同一分辨率，以保证计算的内容适用于全参考对比，也即在获取第一视频帧的梯度信息和第二视频帧的梯度信息之前，可对第一视频帧和第二视频帧进行预处理，预处理用于消除目标处理过程对第一视频帧的干扰，目标处理过程为将第二视频处理为第一视频的过程。
从第一视频中截取与第二视频帧表示的内容相同的第一视频帧包括：按照第二视频帧的播放时间从第一视频帧中截取多帧候选视频帧，其中，候选视频帧的播放时间与第二视频帧的播放时间在阈值(如100毫秒)内；获取每帧候选视频帧与第二视频帧的相似度；将多帧候选视频帧中相似度最高的候选视频帧作为第一视频帧。
可选地，可以通过以下步骤1-步骤2所示技术方案保证视频帧中内容的一致性。
步骤1，抽取视频帧。
如使用间隔固定时间(如1秒、5秒、10秒、1分钟等)抽一帧的策略来提取帧，如果源视频(即第二视频)为固定帧率，则可通过固定帧率抽取每秒的最后一帧，如图6所示，第二视频的视频帧队列中共有P帧视频帧，每隔20毫秒播放一个视频帧，如果是每隔1秒取一帧，那么所取的第二视频帧可以是视频帧队列中的第50帧、第100帧等(即50的整数倍帧)；如果是动态帧率，具体方法为通过视频中的画面显示时间pts(全称为presentation timestamp)值和基准时间time_base值计算出每帧的播放时间，以播放时间最接近时间整数(如整数秒、整数分钟等)的帧作为需要提取的帧，以此来保证做到间隔固定时间抽一帧的效果，如图7所示，在第1秒附件有位于第998毫秒的第10帧和位于第1020毫秒的第11帧，而第10帧的时间比第11帧的时间更接近第1秒，故截取第10帧；类似地，在第2秒截取的为第23帧。
步骤2，根据相似度提取被测视频帧。
因为是全参考对比，所以需要在被测视频(即第一视频)中提取与源视频抽取帧中相同内容的帧，但是，由于被测视频是对源视频重新进行了编码得到的，被测视频的播放时间会和源视频存在细微差异，但是此细微差异将使得通过播放时间进行抽帧得到的视频帧，不能保证源视频和被测视频抽取的帧内容是一致的，为了解决这个问题，可使用根据图片内容计算图片相似度抽帧的方法。
一种可选的方案是：如果被测视频与源始视频帧率一致，则被测视频采用源视频的抽帧策略；如果不一致，则被测视频需要抽取与播放时间最接近每秒整数的多帧候选视频帧(如10帧视频帧)，以保证抽取的帧中存在源视频抽取的内容相同的帧，然后，利用直方图相似度法计算该多帧候选视频帧与在源视频抽取的视频帧(即第二视频帧)的相似度，以这多帧视频帧中相似度最高的帧作为被测视频抽取的视频帧(即第一视频帧)。
可选地，在利用直方图相似度法计算时，可装载一张基准图像(即第二视频帧)和检测图像(即第一视频帧)，然后可将图像转换到HSV(Hue,Saturation,Value)格式，计算这两幅图像的H-S直方图，并归一化以便对比；将基准图像的直方图与检测图像的直方图作对比，从而得到计算出的直方图相似度数值。
可选地，在第一视频中存在水印等干扰信息的情况下，为了保证视频帧中内容的一致性，上述方案还可包括步骤3。
步骤3，对第一视频帧和第二视频帧进行预处理时，通过设置屏蔽区域屏蔽第一视频帧中的水印区域(如图8所示)，水印区域为在第二视频帧中添加水印后形成的区域，目标处理过程包括添加水印。
如果视频存在水印，则会造成第一视频与源视频的内容不一致，这种情况下可去除水印后再计算，在该方案里可通过指定水印的x坐标、y坐标、宽度、高度，把源视频和被测视频中水印区域的值设置为0后，然后再进行梯度计算，设置的屏蔽区域在源视频和被测视频中都有效，如果不存在水印，则可跳过此步骤。
可选地，在设置屏蔽区域之前，若第一视频帧和第二视频帧的分辨率不同，可对第一视频帧和第二视频帧进行预处理，将第一视频帧的分辨率和第二视频帧的分辨率调整为同一分辨率，如将第一视频帧的分辨率调整为第二视频帧的分辨率，或将第二视频帧的分辨率调整为第一视频帧的分辨率，以避免屏蔽区域所屏蔽的内容存在区别。
在步骤S206提供的技术方案中，基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度，计算视频的清晰度，在计算清晰度时，可采用的方案是通过计算图像的平均梯度来计算其清晰度，平均梯度描述了图像的边缘多少，人眼对于图像边缘纹理区域的关注度要大于平坦区域，同时图像边缘纹理区域反馈了图像的大部分信息，因此通过图片的边缘来描述图像的清晰度更能反应人眼的感受。
可选地，基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度可包括：获取第一视频帧的梯度信息和第二视频帧的梯度信息；根据第一视频帧的梯度信息和第二视频帧的梯度信息之间的差异确定第一视频的清晰度。
可以预先按照前述方式对第一视频帧和第二视频帧进行预处理，在获取第一视频帧的梯度信息和第二视频帧的梯度信息时，获取经过预处理后的第一视频帧的梯度信息和经过预处理后的第二视频帧的梯度信息。
在一种可选的实施例中，若用一帧视频帧来计算清晰度，会存在诸多偶然性因素，导致计算出的清晰度不够准确，故所截取的第一视频帧可为多帧且第二视频帧也为多帧(二者的帧数可相同)，在获取第一视频帧的梯度信息时，可获取多帧第一视频帧中每帧第一视频帧的梯度信息，下面结合步骤1-2以获取一帧第一视频帧的梯度信息为例来说明获取过程：
步骤1，获取第一视频帧中像素点的像素值，像素值是图像被数字化时由计算机赋予的值，它代表了某一小方块(即像素点)的平均亮度信息，或者说是该小方块的平均反射(透射)密度信息，或称为灰度值，常用8位表示一个像素的像素值，这样总共有256个灰度等级(像素值在0-255间)，每个等级代表不同的亮度。
步骤2，通过对第一视频帧中像素点的像素值进行卷积操作得到第一视频帧的梯度信息。
可选地，通过对第一视频帧中像素点的像素值进行卷积操作得到第一视频帧的梯度信息可包括：利用目标卷积算子对第一视频帧中像素点的像素值进行卷积操作，得到多个梯度值，并根据多个梯度值确定第一视频帧的梯度信息。
上述的目标卷积算子可包括用于计算第一方向上灰度值的第一算子和用于计算第二方向上灰度值的第二算子，利用目标卷积算子对第一视频帧中像素点的像素值进行卷积操作，得到多个梯度值，并根据多个梯度值确定第一视频帧的梯度信息可包括步骤21-步骤23：
步骤21，利用第一算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第一灰度值，并利用第二算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第二灰度值，第一灰度值用于表示第一视频帧中像素点的像素值在第一方向上的变化，第二灰度值用于第一视频帧中像素点的像素值在第二方向上的变化，第一方向和第二方向不同。
例如，上述的第一方向可以为X轴方向，第二方向可以为Y轴方向，一种可选的第一算子Mx的表示方法如下：
Figure BDA0001622929950000111
一种可选的第二算子My的表示方法如下：
Figure BDA0001622929950000112
该算子包含两组3*3的矩阵，分别为横向X轴及纵向Y轴，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值(即第一灰度值和第二灰度值)，如对于任意像素点Gx，y(表示第x行第y列的像素点)的像素值而言，其第一灰度值为Gx：
Gx＝A*Mx，A表示待计算像素点及其周围像素点的像素值构成的3*3的矩阵：
Figure BDA0001622929950000121
Gx-1，y-1表示像素点Gx，y左上角的像素点，Gx-1，y表示像素点Gx，y正上方的像素点，Gx-1，y+1表示像素点Gx，y右上角的像素点，Gx，y-1表示像素点Gx，y左侧的像素点，Gx，y+1表示像素点Gx，y右侧的像素点，Gx+1，y-1表示像素点Gx，y左下角的像素点，Gx+1，y表示像素点Gx，y正下方的像素点，Gx+1，y+1表示像素点Gx，y右下角的像素点。
类似地，Gy＝A*My。
Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值。
按照如下方式计算出第一视频帧中每个像素点的经横向X轴及纵向Y轴边缘检测的图像灰度值(即第一灰度值和第二灰度值)。
类似的，对于第二视频帧中像素点的经横向X轴及纵向Y轴边缘检测的图像灰度值，也可按照上述方式进行计算。
步骤22，通过第一灰度值和第二灰度值确定第一视频帧中像素点的梯度值。
可选地，视频帧的一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度G(也即梯度值)的大小：
Figure BDA0001622929950000122
可选地，为了提高效率使用不开平方的近似值：
|G|＝|Gx|+|Gy|；
然后可用以下公式计算梯度方向：
θ＝arctan(Gy/Gx)，根据θ的正负来确定G的正负。
对于第一视频帧中和第二视频帧中的任意一个像素点，均可按照上述方式确定其梯度值。
步骤23，将第一视频帧中像素点的梯度值的平均值作为第一视频帧的梯度信息，如对于第一视频帧而言，对第一视频帧中各个像素点的梯度值累加并除以像素点个数得到第一视频帧的梯度信息；对于第二视频帧而言，也可对第二视频帧中各个像素点的梯度值累加并除以像素点个数得到第二视频帧的梯度信息。
可选地，在得到第一视频帧的梯度信息和第二视频帧的梯度信息之后，即可根据第一视频帧的梯度信息和第二视频帧的梯度信息之间的差异确定第一视频的清晰度，一种可选的实施方式如下：
步骤1，获取第一平均值和第二平均值，第一平均值为多帧第一视频帧的梯度信息的平均值，第二平均值为多帧第二视频帧的梯度信息的平均值；
步骤2，确定第一平均值与第二平均值之间的差值；
步骤3，将查找到的与差值对应的清晰度作为第一视频的清晰度。
可选地，可以预先配置好不同差值与清晰度之间的对应关系(如每个差值范围对应一个清晰度)，从而在确定了具体差值之后，即可通过上述对应关系查找与该具体差值对应的清晰度。
清晰度指影像上各细部影纹及其边界的清晰程度，清晰度一般是从录像机角度出发，通过看重放图像的清晰程度来比较图像质量，所以常用清晰度一词，而摄像机一般使用分解力一词来衡量它“分解被摄景物细节”的能力，单位是“电视行(TVLine)”也称线。
在本申请提供了一种全参考视频清晰度评价方案，所谓全参考，就是指定源视频和被测视频，其中源视频和被测视频的内容需要一致，可以指定多个被测视频，但只能有一个源视频。该方案包括：对源视频抽帧，减少计算量；根据相似度提取被测视频帧，保证用于计算清晰度的帧与源视频内容相同；调整帧图像大小，模拟同一设备下观看不同视频的真实场景；设置屏蔽区域，去除水印等对结果的影响；对每个处理后的帧计算平均梯度；根据梯度结果计算视频的清晰度得分。
本申请的技术方案采用抽帧的策略减少了计算量，使用相似度抽帧保证了全参考计算，同时调整大小和设置屏蔽区域去除了其他因素的干扰，使得计算的结果更快，更准确，也更能反映视频的清晰度。
作为一种可选的实施例，下面结合具体实施方式进一步详述本申请的技术方案。
本申请的方案首先对源视频抽帧，通过相似度匹配相同帧，调整图像大小，设置屏蔽区域，对抽取帧计算平均梯度，然后使用抽取帧的平均梯度值求平均的结果，作为该视频的清晰度值。图9为整个计算清晰度的流程图，下面说明一下计算过程中的每个步骤：
步骤S902，开始后判断源视频是否为固定帧率，若是则执行步骤S904，否则执行步骤S906。
步骤S904，以固定帧率对源视频进行抽帧，得到第二视频帧。
步骤S906，通过PTS和time_base对源视频进行抽帧，得到第二视频帧。
视频有很多帧画面，为了减少计算量，可从视频中抽取若干帧，以这些帧的清晰度结果来反馈整个视频的清晰度；例如，使用每秒抽一帧的策略来提取帧，如果源视频为固定帧率，则通过固定帧率每秒抽取最后一帧，如果是动态帧率，可通过视频中的pts值和时间基准time_base值计算出每帧的播放时间，以播放时间最接近整数的帧作为需要提取的帧，以此来保证做到每秒抽一帧。
步骤S908，判断被检测视频的帧率是否与源视频的帧率相同，若是则执行步骤S910，否则执行步骤S912。
步骤S910，以固定帧率对被检测视频进行抽帧，得到第一视频帧。
步骤S912，通过PTS和time_base对被检测视频进行抽帧，如每个整秒抽10帧，得到第一视频帧。
因为是全参考对比，故在被测视频中提取与源视频抽取帧中相同内容的帧，但是，由于被测视频是对源视频重新进行了编码，被测视频的播放时间会和源视频存在细微差异，但是此细微差异使得通过播放时间进行抽帧不能保证源视频和被测视频抽取的帧内容是一致的。
为了解决上述问题，使用了根据图片内容计算图片相似度抽帧的方法，如果被测视频与源视频帧率一致，则被测视频采用源视频的抽帧策略。如果不一致，则被测视频需要抽取播放时间最接近每秒整数的十帧，以保证抽取的帧中存在源视频抽取的内容相同的帧。然后，利用直方图相似度法计算该10帧与源视频抽取的帧的相似度，以相似度最高的帧作为被测视频抽取的帧。
步骤S914，判断源视频的分辨率与被检测视频的分辨率是否相同，若是则执行步骤S918，否则执行步骤S916。
步骤S916，调整视频帧的图像分辨率，以使第一视频帧和第二视频帧的分辨率相同。
如果源视频与被测视频分辨率相同，则跳过此步骤，如果被测视频在重新编码的过程中，存在重新设置分辨率的情况，为了避免不同分辨率造成结果的差异，也为了模拟同一设备下观看不同视频的真实场景，方案里可统一把抽取的帧缩放成960*540的大小。
步骤S918，判断第一视频帧中是否存在水印、字幕，若是则执行步骤S920，否则执行步骤S922。
步骤S920，设置屏蔽区域，以屏蔽掉水印、字幕。
如果视频存在水印，则会造成与源视频的内容不一致，所以可去除水印后再计算，方案里可通过指定水印的x坐标、y坐标、宽度、高度，把源视频和被测视频中水印区域的值设置为0后，然后再进行梯度计算，设置的屏蔽区域在源视频和被测视频中都有效，如果不存在水印，则跳过此步骤。
步骤S922，计算第一视频帧的平均梯度和第二视频帧的平均梯度。
可选地，可通过sobel算子(即目标算子)计算得到每张图的平均梯度，sobel是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值，在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量，具体计算过程可参考前述内容。
步骤S924，根据第一视频帧的平均梯度和第二视频帧的平均梯度计算得到第一视频的清晰度。
对抽取的帧的梯度加和求平均，作为该视频的平均梯度值。为了便于比较，把源视频的清晰度得分设置为0分，被测视频的清晰度得分为被测视频的平均梯度值减去源视频的平均梯度值。值越大，说明视频越清晰
采用本申请的技术方案，可计算视频的清晰度，可利用相似度提取相同内容帧，可设置屏蔽区域计算清晰度，该方案可以有效的评估视频清晰度，视频的清晰度是影响用户体验的重要指标，通过评测结果过滤清晰度差的视频，可以提供用户更好的体验，提升产品口碑。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
根据本发明实施例的另一个方面，还提供了一种用于实施上述视频清晰度的确定方法的视频清晰度的确定装置。图10是根据本发明实施例的一种可选的视频清晰度的确定装置的示意图，如图10所示，该装置可以包括：第一获取单元1001、第二获取单元1003以及确定单元1005。
第一获取单元1001，用于获取第一请求，其中，第一请求用于请求确定第一视频的清晰度，第一视频为对第二视频处理后得到的；
第二获取单元1003，用于响应于第一请求，获取第一视频中的第一视频帧和第二视频中的第二视频帧，其中，第一视频帧所表示的内容和第二视频帧所表示的内容相同；
确定单元1005，用于基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。
需要说明的是，该实施例中的第一获取单元1001可以用于执行本申请实施例中的步骤S202，该实施例中的第二获取单元1003可以用于执行本申请实施例中的步骤S204，该实施例中的确定单元1005可以用于执行本申请实施例中的步骤S206。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
通过上述模块，在接收到第一请求时，获取第一视频中的第一视频帧和第二视频中的第二视频帧，第一视频帧所表示的内容和第二视频帧所表示的内容相同；基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度，采用的是通过计算梯度信息来确定清晰度，梯度信息描述了图像的边缘多少，因为图像不同区域、不同内容的失真对人眼主观感受的影响是不一样的，人眼对于图像边缘纹理区域的关注度要大于平坦区域，同时图像边缘纹理区域反馈了图像的大部分信息，因此通过图片的边缘来描述图像的清晰度更能反应人眼的感受，所以，本申请的技术方案在提升了确定的视频的清晰度的准确率的同时，也增加了适用场景，弥补了PSNR和SSIM的缺陷，可以解决相关技术中确定的视频清晰度的准确率较低的技术问题，进而达到提升所确定的视频的清晰度的准确率的技术效果。
上述确定单元可包括：获取模块，用于获取第一视频帧的梯度信息和第二视频帧的梯度信息；确定模块，用于根据第一视频帧的梯度信息和第二视频帧的梯度信息之间的差异确定第一视频的清晰度。
可选地，第一视频帧可为多帧且第二视频帧也可为多帧，其中，确定模块还可用于：获取第一平均值和第二平均值，其中，第一平均值为多帧第一视频帧的梯度信息的平均值，第二平均值为多帧第二视频帧的梯度信息的平均值；确定第一平均值与第二平均值之间的差值；将查找到的与差值对应的清晰度作为第一视频的清晰度。
上述的获取模块还可用于：获取第一视频帧中像素点的像素值；通过对第一视频帧中像素点的像素值进行卷积操作得到第一视频帧的梯度信息。
上述的获取模块还可用于：利用目标卷积算子对第一视频帧中像素点的像素值进行卷积操作，得到多个梯度值，并根据多个梯度值确定第一视频帧的梯度信息。
可选地，目标卷积算子包括第一算子和第二算子，其中，上述的获取模块在利用目标卷积算子对第一视频帧中像素点的像素值进行卷积操作，得到多个梯度值，并根据多个梯度值确定第一视频帧的梯度信息时，可利用第一算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第一灰度值，并利用第二算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第二灰度值，其中，第一灰度值用于表示第一视频帧中像素点的像素值在第一方向上的变化，第二灰度值用于第一视频帧中像素点的像素值在第二方向上的变化，第一方向和第二方向不同；通过第一灰度值和第二灰度值确定第一视频帧中像素点的梯度值；将第一视频帧中像素点的梯度值的平均值作为第一视频帧的梯度信息。
可选地，本申请的装置还可包括预处理单元，用于在获取第一视频帧的梯度信息和第二视频帧的梯度信息之前，对第一视频帧和第二视频帧进行预处理，其中，预处理用于消除目标处理过程对第一视频帧的干扰，目标处理过程为将第二视频处理为第一视频的过程。
相应的，获取模块还可用于获取经过预处理后的第一视频帧的梯度信息和经过预处理后的第二视频帧的梯度信息。
上述的预处理单元还可用于：将第一视频帧的分辨率和第二视频帧的分辨率调整为同一分辨率；和/或，屏蔽第一视频帧中的水印区域，其中，水印区域为在第二视频帧中添加水印后形成的区域，目标处理过程包括添加水印。
上述的第二获取单元还可用于：从第二视频中截取第二视频帧；从第一视频中截取与第二视频帧表示的内容相同的第一视频帧。
可选地，第二获取单元还可用于：按照第二视频帧的播放时间从第一视频帧中截取多帧候选视频帧，其中，候选视频帧的播放时间与第二视频帧的播放时间在阈值内；获取每帧候选视频帧与第二视频帧的相似度；将多帧候选视频帧中相似度最高的候选视频帧作为第一视频帧。
在本申请提供了一种全参考视频清晰度评价方案，所谓全参考，就是指定源视频和被测视频，其中源视频和被测视频的内容需要一致，可以指定多个被测视频，但只能有一个源视频。该方案包括：对源视频抽帧，减少计算量；根据相似度提取被测视频帧，保证用于计算清晰度的帧与源视频内容相同；调整帧图像大小，模拟同一设备下观看不同视频的真实场景；设置屏蔽区域，去除水印等对结果的影响；对每个处理后的帧计算平均梯度；根据梯度结果计算视频的清晰度得分。
本申请的技术方案采用抽帧的策略减少了计算量，使用相似度抽帧保证了全参考计算，同时调整大小和设置屏蔽区域去除了其他因素的干扰，使得计算的结果更快，更准确，也更能反映视频的清晰度。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本发明实施例的另一个方面，还提供了一种用于实施上述视频清晰度的确定方法的服务器或终端。
图11是根据本发明实施例的一种终端的结构框图，如图11所示，该终端可以包括：一个或多个(图11中仅示出一个)处理器1101、存储器1103、以及传输装置1105(如上述实施例中的发送装置)，如图11所示，该终端还可以包括输入输出设备1107。
其中，存储器1103可用于存储软件程序以及模块，如本发明实施例中的视频清晰度的确定方法和装置对应的程序指令/模块，处理器1101通过运行存储在存储器1103内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的视频清晰度的确定方法。存储器1103可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1103可进一步包括相对于处理器1101远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。
上述的传输装置1105用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1105包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1105为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器1103用于存储应用程序。
处理器1101可以通过传输装置1105调用存储器1103存储的应用程序，以执行下述步骤：
获取第一请求，其中，第一请求用于请求确定第一视频的清晰度，第一视频为对第二视频处理后得到的；
响应于第一请求，获取第一视频中的第一视频帧和第二视频中的第二视频帧，其中，第一视频帧所表示的内容和第二视频帧所表示的内容相同；
基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。
处理器1101还用于执行下述步骤：
利用第一算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第一灰度值，并利用第二算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第二灰度值，其中，第一灰度值用于表示第一视频帧中像素点的像素值在第一方向上的变化，第二灰度值用于第一视频帧中像素点的像素值在第二方向上的变化，第一方向和第二方向不同；
通过第一灰度值和第二灰度值确定第一视频帧中像素点的梯度值；
将第一视频帧中像素点的梯度值的平均值作为第一视频帧的梯度信息。
采用本发明实施例，在接收到第一请求时，获取第一视频中的第一视频帧和第二视频中的第二视频帧，第一视频帧所表示的内容和第二视频帧所表示的内容相同；基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度，采用的是通过计算梯度信息来确定清晰度，梯度信息描述了图像的边缘多少，因为图像不同区域、不同内容的失真对人眼主观感受的影响是不一样的，人眼对于图像边缘纹理区域的关注度要大于平坦区域，同时图像边缘纹理区域反馈了图像的大部分信息，因此通过图片的边缘来描述图像的清晰度更能反应人眼的感受，所以，本申请的技术方案在提升了确定的视频的清晰度的准确率的同时，也增加了适用场景，弥补了PSNR和SSIM的缺陷，可以解决相关技术中确定的视频清晰度的准确率较低的技术问题，进而达到提升所确定的视频的清晰度的准确率的技术效果。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图11所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图11其并不对上述电子装置的结构造成限定。例如，终端还可包括比图11中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图11所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行视频清晰度的确定方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
S12，获取第一请求，其中，第一请求用于请求确定第一视频的清晰度，第一视频为对第二视频处理后得到的；
S14，响应于第一请求，获取第一视频中的第一视频帧和第二视频中的第二视频帧，其中，第一视频帧所表示的内容和第二视频帧所表示的内容相同；
S16，基于第一视频帧的梯度信息和第二视频帧的梯度信息确定第一视频的清晰度。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：
S22，利用第一算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第一灰度值，并利用第二算子对第一视频帧中像素点的像素值进行卷积操作，得到多个第二灰度值，其中，第一灰度值用于表示第一视频帧中像素点的像素值在第一方向上的变化，第二灰度值用于第一视频帧中像素点的像素值在第二方向上的变化，第一方向和第二方向不同；
S24，通过第一灰度值和第二灰度值确定第一视频帧中像素点的梯度值；
S26，将第一视频帧中像素点的梯度值的平均值作为第一视频帧的梯度信息。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的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，可以存储在上述计算机可读取的存储介质中。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全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，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，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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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。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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种视频清晰度的确定方法，其特征在于，包括：
获取第一请求，其中，所述第一请求用于请求确定第一视频的清晰度，所述第一视频为对第二视频处理后得到的；
响应于所述第一请求，获取所述第一视频中的第一视频帧和所述第二视频中的第二视频帧，其中，所述第一视频帧所表示的内容和所述第二视频帧所表示的内容相同；其中，获取第一视频中的第一视频帧，包括：按照所述第二视频帧的播放时间从所述第一视频帧中截取多帧候选视频帧，其中，所述候选视频帧的播放时间与所述第二视频帧的播放时间在阈值内；获取每帧所述候选视频帧与所述第二视频帧的相似度；将所述多帧候选视频帧中相似度最高的所述候选视频帧作为所述第一视频帧；
对第一视频帧中各个像素点的梯度值累加并除以像素点个数，得到第一视频帧的梯度信息，以及对第二视频帧中各个像素点的梯度值累加并除以像素点个数得到第二视频帧的梯度信息；
确定第一视频帧的梯度信息与第二视频帧的梯度信息之间的差值；
从预先配置的不同差值与清晰度之间的对应关系中查找所述差值对应的清晰度，将查找到的与所述差值对应的清晰度作为所述第一视频的清晰度，其中清晰度指影像上各细部影纹及其边界的清晰程度。
2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
获取所述第一视频帧中像素点的像素值；
通过对所述第一视频帧中像素点的像素值进行卷积操作得到所述第一视频帧中像素点的梯度值。
3.根据权利要求2所述的方法，其特征在于，通过对所述第一视频帧中像素点的像素值进行卷积操作得到所述第一视频帧中像素点的梯度值包括：
利用目标卷积算子对所述第一视频帧中像素点的像素值进行卷积操作，得到多个梯度值。
4.根据权利要求3所述的方法，其特征在于，所述目标卷积算子包括第一算子和第二算子，其中，利用目标卷积算子对所述第一视频帧中像素点的像素值进行卷积操作，得到多个梯度值包括：
利用所述第一算子对所述第一视频帧中像素点的像素值进行卷积操作，得到多个第一灰度值，并利用所述第二算子对所述第一视频帧中像素点的像素值进行卷积操作，得到多个第二灰度值，其中，第一灰度值用于表示所述第一视频帧中像素点的像素值在第一方向上的变化，所述第二灰度值用于所述第一视频帧中像素点的像素值在第二方向上的变化，所述第一方向和所述第二方向不同；
通过所述第一灰度值和所述第二灰度值确定所述第一视频帧中像素点的梯度值。
5.根据权利要求1所述的方法，其特征在于，
在得到所述第一视频帧的梯度信息和所述第二视频帧的梯度信息之前，所述方法还包括：对所述第一视频帧和所述第二视频帧进行预处理，其中，所述预处理用于消除目标处理过程对所述第一视频帧的干扰，所述目标处理过程为将所述第二视频处理为所述第一视频的过程；
获取所述第一视频帧的梯度信息和所述第二视频帧的梯度信息包括：获取经过预处理后的所述第一视频帧的梯度信息和经过预处理后的所述第二视频帧的梯度信息。
6.根据权利要求5所述的方法，其特征在于，对所述第一视频帧和所述第二视频帧进行预处理包括：
将所述第一视频帧的分辨率和所述第二视频帧的分辨率调整为同一分辨率，其中，所述目标处理过程包括配置所述第一视频的分辨率；和/或，
屏蔽所述第一视频帧中的水印区域，其中，所述水印区域为在所述第二视频帧中添加水印后形成的区域，所述目标处理过程包括添加水印。
7.一种视频清晰度的确定装置，其特征在于，包括：
第一获取单元，用于获取第一请求，其中，所述第一请求用于请求确定第一视频的清晰度，所述第一视频为对第二视频处理后得到的；
第二获取单元，用于响应于所述第一请求，获取所述第一视频中的第一视频帧和所述第二视频中的第二视频帧，其中，所述第一视频帧所表示的内容和所述第二视频帧所表示的内容相同；其中，所述第二获取单元根据下述方式获取第一视频中的第一视频帧：按照所述第二视频帧的播放时间从所述第一视频帧中截取多帧候选视频帧，其中，所述候选视频帧的播放时间与所述第二视频帧的播放时间在阈值内；获取每帧所述候选视频帧与所述第二视频帧的相似度；将所述多帧候选视频帧中相似度最高的所述候选视频帧作为所述第一视频帧；
确定单元，用于：
对第一视频帧中各个像素点的梯度值累加并除以像素点个数，得到第一视频帧的梯度信息，以及对第二视频帧中各个像素点的梯度值累加并除以像素点个数得到第二视频帧的梯度信息；
确定第一视频帧的梯度信息与第二视频帧的梯度信息之间的差值；
从预先配置的不同差值与清晰度之间的对应关系中查找所述差值对应的清晰度，将查找到的与所述差值对应的清晰度作为所述第一视频的清晰度，其中清晰度指影像上各细部影纹及其边界的清晰程度。
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至6任一项中所述的方法。
9.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至6任一项中所述的方法。
CN201810312820.2A 2018-04-09 2018-04-09 视频清晰度的确定方法和装置、存储介质、电子装置 Active CN110366001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810312820.2A CN110366001B (zh) 2018-04-09 2018-04-09 视频清晰度的确定方法和装置、存储介质、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810312820.2A CN110366001B (zh) 2018-04-09 2018-04-09 视频清晰度的确定方法和装置、存储介质、电子装置

Publications (2)

Publication Number Publication Date
CN110366001A CN110366001A (zh) 2019-10-22
CN110366001B true CN110366001B (zh) 2022-05-27

Family

ID=68212649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810312820.2A Active CN110366001B (zh) 2018-04-09 2018-04-09 视频清晰度的确定方法和装置、存储介质、电子装置

Country Status (1)

Country Link
CN (1) CN110366001B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277914B (zh) * 2020-03-05 2021-03-19 山东三宏信息科技有限公司 帧序列处理方法、系统和存储介质
CN111583251A (zh) * 2020-05-15 2020-08-25 国网浙江省电力有限公司信息通信分公司 一种视频图像分析方法、装置及电子设备
CN111654736B (zh) * 2020-06-10 2022-05-31 北京百度网讯科技有限公司 音视频同步误差的确定方法、装置、电子设备和存储介质
CN111836073B (zh) * 2020-07-10 2022-02-22 腾讯科技（深圳）有限公司 视频清晰度的确定方法、装置、设备及存储介质
CN113724225B (zh) * 2021-08-31 2024-04-09 北京达佳互联信息技术有限公司 应用程序传输质量的确定方法及装置
CN113808107B (zh) * 2021-09-17 2024-03-29 广东电网有限责任公司 图像推荐方法、装置、电子设备和存储介质
CN114095722A (zh) * 2021-10-08 2022-02-25 钉钉(中国)信息技术有限公司 清晰度的确定方法、装置及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101146226A (zh) * 2007-08-10 2008-03-19 中国传媒大学 一种基于自适应st区的高清视频图像质量评价方法及装置
CN102036098A (zh) * 2010-12-01 2011-04-27 北京航空航天大学 一种基于视觉信息量差异的全参考型图像质量评价方法
CA2825562A1 (en) * 2011-05-04 2012-11-08 Ecole De Technologie Superieure Method and system for increasing robustness of visual quality metrics using spatial shifting
CN103581662A (zh) * 2012-07-26 2014-02-12 腾讯科技（深圳）有限公司 视频清晰度测量方法和系统
CN103634591A (zh) * 2013-11-20 2014-03-12 华为技术有限公司 一种视频质量评估的方法、装置和系统
CN105205820A (zh) * 2015-09-21 2015-12-30 昆明理工大学 一种改进的特征相似性图像质量评估方法
CN106709958A (zh) * 2016-12-03 2017-05-24 浙江大学 一种基于灰度梯度和颜色直方图的图像质量评价方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101146226A (zh) * 2007-08-10 2008-03-19 中国传媒大学 一种基于自适应st区的高清视频图像质量评价方法及装置
CN102036098A (zh) * 2010-12-01 2011-04-27 北京航空航天大学 一种基于视觉信息量差异的全参考型图像质量评价方法
CA2825562A1 (en) * 2011-05-04 2012-11-08 Ecole De Technologie Superieure Method and system for increasing robustness of visual quality metrics using spatial shifting
CN103581662A (zh) * 2012-07-26 2014-02-12 腾讯科技（深圳）有限公司 视频清晰度测量方法和系统
CN103634591A (zh) * 2013-11-20 2014-03-12 华为技术有限公司 一种视频质量评估的方法、装置和系统
CN105205820A (zh) * 2015-09-21 2015-12-30 昆明理工大学 一种改进的特征相似性图像质量评估方法
CN106709958A (zh) * 2016-12-03 2017-05-24 浙江大学 一种基于灰度梯度和颜色直方图的图像质量评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于图像内容失真的全参考视频质量评估方法;杨付正等;《西安电子科技大学学报》;20051231;第三章 *
若干全参考型图像质量评价模型的提升算法研究;高丽霞;《中国优秀硕士学位论文全文数据库》;20180215;1-2节 *

Also Published As

Publication number Publication date
CN110366001A (zh) 2019-10-22

Similar Documents

Publication Publication Date Title
CN110366001B (zh) 视频清晰度的确定方法和装置、存储介质、电子装置
US7840084B2 (en) Digital camera incorporating a sharpness predictor
Winkler Perceptual video quality metrics—A review
Ma et al. Objective quality assessment for color-to-gray image conversion
Vu et al. ViS 3: An algorithm for video quality assessment via analysis of spatial and spatiotemporal slices
Ciancio et al. No-reference blur assessment of digital pictures based on multifeature classifiers
CN107925779B (zh) 确定视频序列的原始分辨率
JP5325267B2 (ja) オブジェクト表示装置、オブジェクト表示方法及びオブジェクト表示プログラム
WO2018058090A1 (en) Method for no-reference image quality assessment
KR20030029909A (ko) 디지털 비디오 품질 측정 방법
JP2004062651A (ja) 画像処理装置、画像処理方法、その記録媒体およびそのプログラム
CN110827204B (zh) 图像处理方法、装置及电子设备
Larson et al. Most apparent distortion: a dual strategy for full-reference image quality assessment
CN114095722A (zh) 清晰度的确定方法、装置及设备
Bong et al. An efficient and training-free blind image blur assessment in the spatial domain
CN111369557B (zh) 图像处理方法、装置、计算设备和存储介质
CN111586427B (zh) 直播平台的主播识别方法、装置、电子设备及存储介质
CN112866820A (zh) 基于jnd模型和t-qr的鲁棒hdr视频水印嵌入提取方法、系统及存储介质
CN112541853A (zh) 数据处理方法、装置及设备
Regis et al. Video quality assessment based on the effect of the estimation of the spatial perceptual information
Feng et al. BVI-Artefact: An Artefact Detection Benchmark Dataset for Streamed Videos
Mele et al. Using spatio-temporal saliency to predict subjective video quality: a new high-speed objective assessment metric
Anitha et al. Quality assessment of resultant images after processing
Li et al. No-reference quality assessment of enhanced images
Burns Image quality concepts

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