CN110378312A - 图像处理方法及装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，其中，所述方法包括：获取目标人脸图像；对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度；根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。本公开实施例可以提高目标人脸图像处理的准确性。

Description

图像处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种图像处理法及装置、电子设备和存储介质。

背景技术

计算机视觉技术是通过设备模拟人类的视觉功能的技术，可以应用在人工智能、图像处理等诸多应用领域中。在安防监控场景中，可以对图像采集装置拍摄的人脸图像进行人脸识别，确定人脸对应的身份，从而达到安全监控的目的。

但是，图像采集装置通常是通过抓拍得到的人脸图像，抓拍的人脸图像无法保证图像的清晰度，对模糊的人脸图像进行处理会影响人脸图像处理的准确性。

发明内容

本公开提出了一种图像处理技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：

获取目标人脸图像；

对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度；

根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。

在一种可能的实现方式中，所述对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度，包括：

利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，得到与所述多种清晰度检测方式分别对应的清晰度；

对各清晰度进行加权叠加，得到所述目标人脸图像的清晰度。

在一种可能的实现方式中，在对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度，包括：

将所述目标人脸图像转换为灰度图像；

利用多种清晰度检测方式对所述灰度图像进行清晰度检测，得到所述灰度图像分别对应的清晰度；

对各清晰度进行加权叠加，得到所述灰度图像的清晰度。

在一种可能的实现方式中，所述利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，包括：

获取第一清晰度检测方式对应的映射关系；

利用所述映射关系对所述目标人脸图像中每个像素点进行映射，得到每个像素点的映射结果；

根据每个像素点的映射结果，确定所述第一清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，包括：

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第一像素点和第二像素点；

确定所述当前像素点的像素值与第一像素点的像素值的第一差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第二差值；

根据每个像素点的第一差值与第二差值之和，得到第二清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，包括：

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第三像素点和第四像素点；

确定所述当前像素点的像素值与第三像素点的像素值的第三差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第四差值；

根据每个像素点的第三差值与第四差值的平方和，得到第三清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理，包括：

在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，保留所述目标人脸图像；

在所述目标人脸图像的清晰度小于或等于所述清晰度阈值的情况下，滤除所述目标人脸图像。

在一种可能的实现方式中，所述方法还包括：

在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，对所述目标人脸图像进行人脸识别。

在一种可能的实现方式中，多种清晰度检测方式包括以下至少两种：

拉普拉斯算子检测方式，灰度方差检测方式，能量梯度检测方式。

根据本公开的另一方面，提供了一种图像处理装置，包括：

获取模块，用于获取目标人脸图像；

检测模块，用于对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度；

处理模块，用于根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。

在一种可能的实现方式中，所述检测模块，具体用于，

利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，得到与所述多种清晰度检测方式分别对应的清晰度；

对各清晰度进行加权叠加，得到所述目标人脸图像的清晰度。

在一种可能的实现方式中，所述检测模块，具体用于，

将所述目标人脸图像转换为灰度图像；

利用多种清晰度检测方式对所述灰度图像进行清晰度检测，得到所述灰度图像分别对应的清晰度；

对各清晰度进行加权叠加，得到所述灰度图像的清晰度。

在一种可能的实现方式中，所述检测模块，具体用于，

获取第一清晰度检测方式对应的映射关系；

利用所述映射关系对所述目标人脸图像中每个像素点进行映射，得到每个像素点的映射结果；

根据每个像素点的映射结果，确定所述第一清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述检测模块，具体用于，

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第一像素点和第二像素点；

确定所述当前像素点的像素值与第一像素点的像素值的第一差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第二差值；

根据每个像素点的第一差值与第二差值之和，得到第二清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述检测模块，具体用于，

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第三像素点和第四像素点；

确定所述当前像素点的像素值与第三像素点的像素值的第三差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第四差值；

根据每个像素点的第三差值与第四差值的平方和，得到第三清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述处理模块，具体用于，

在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，保留所述目标人脸图像；

在所述目标人脸图像的清晰度小于或等于所述清晰度阈值的情况下，滤除所述目标人脸图像。

在一种可能的实现方式中，所述处理模块，还用于，

在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，对所述目标人脸图像进行人脸识别。

在一种可能的实现方式中，多种清晰度检测方式包括以下至少两种：

拉普拉斯算子检测方式，灰度方差检测方式，能量梯度检测方式。

在一种可能的实现方式中，

根据本公开的一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述图像处理方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像处理方法。

在本公开实施例中，可以获取目标人脸图像，然后对目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度，再根据目标人脸图像的清晰度与预设清晰度阈值的关系，对目标人脸图像进行处理。这样，可以通过目标人脸图像的清晰度与预设清晰度阈值之间的关系，保证进行处理的目标人脸图像的清晰度，可以提高处理结果的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像处理方法的流程图。

图2示出根据本公开实施例的图像处理方法一示例的流程图。

图3示出根据本公开实施例的图像处理装置的框图。

图4示出根据本公开实施例的电子设备一示例的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供的图像处理方案，可以获取目标人脸图像，然后对目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度，再根据目标人脸图像的清晰度与预设清晰度阈值的关系，对目标人脸图像进行处理，例如，人脸图像清晰度高于预设清晰度阈值则保留该图像，人脸图像的清晰度低于预设清晰度阈值则滤除该图像。这样，可以在对目标人脸图像进行处理的过程中，考虑目标人脸图像的清晰度与预设清晰度阈值的之间关系，可以保证进行处理的目标人脸图像的清晰度，提高处理结果的准确性。

在相关技术中，对于图像采集装置采集的目标人脸图像，通常直接对目标人脸图像进行处理，这样对于一些清晰度较低的目标人脸图像在处理过程中是存在一定难度的，从而使得到的处理结果会不准确，并且还会造成处理资源的浪费。而本公开实施例提供的图像处理方案，可以考虑目标人脸图像的清晰度与预设清晰度阈值之间的关系，保证进行处理的人脸图像的清晰度，提高处理结果的准确性，减少处理资源的浪费。

图1示出根据本公开实施例的图像处理方法的流程图。该图像处理方法可以由终端设备或其它类型的电子设备执行。其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal DigitalAssistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。下面以图像处理终端作为执行主体为例对本公开实施例的图像处理方法进行说明。

如图1所示，所示图像处理方法可以包括以下步骤：

S11，获取目标人脸图像。

在本公开实施例中，图像处理终端可以采集目标人脸图像，或者，可以接收其他设备采集的目标人脸图像。目标人脸图像可以是单独的图像，或者，目标人脸图像可以是视频流中的一个图像帧。这里，目标人脸图像可以是具有颜色特征的彩色图像，或者，目标人脸图像可以是具有灰度特征的灰度图像。举例来说，图像处理终端可以获取图像采集装置对目标人物采集的目标人脸图像，目标人脸图像可以包括目标人物的人脸图像。

S12，对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度。

在本公开实施例中，图像处理终端可以针对目标人脸图像进行清晰度检测，例如，通过目标人脸图像中每个像素点的像素值，对目标人脸图像进行清晰度检测，得到目标人脸图像的清晰度。这里，在对目标人脸图像进行清晰度检测之前，可以对目标人脸图像进行预处理，例如，对目标人脸图像进行放缩、剪裁、图像增强等预处理，这样，可以过滤目标人脸图像中的噪声，一定程度上提高目标人脸图像的清晰度。然后对预处理后的目标人脸图像进行清晰度检测，可以得到目标人脸图像更加有效的清晰度。

在一种可能的实现方式中，在对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度时，可以利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，得到与所述多种清晰度检测方式分别对应的清晰度，然后对各清晰度进行加权叠加，得到所述目标人脸图像的清晰度。

在该实现方式中，图像处理终端可以针对目标人脸图像，利用不同的清晰度检测方式对目标人脸图像进行清晰度检测，利用每种清晰度检测方式对目标人脸图像进行清晰度检测之后，可以得到每种清晰度检测方式对应的清晰度。这里，可以选择几种互补性较好的清晰度检测方式，例如，其中一种清晰度检测方式局部的梯度信息，其中的另一种清晰度检测方式可以关注梯度的能量信息。这里，可以为每种清晰度检测方式设置相应的权重，每种清晰度度检测方式对应的权重可以相同，也可以不同，可以根据实际的应用场景进行设置，例如，将每种清晰度度检测方式对应的权重设置为1/3。在得到每种清晰度检测方式对应的清晰度之后，可以获取每种清晰度度检测方式对应的权重，然后对多种清晰度检测方式对应的清晰度进行加权，可以得到目标人脸图像的清晰度。这样，可以利用多种清晰度检测方式得到目标人脸图像的清晰度，相比于利用单一的清晰度检测方式对目标人脸图像进行清晰度检测，利用多种清晰度检测方式对目标人脸图像进行清晰度检测，可以减少不受清晰度检测方式的限制，综合考虑多种清晰度检测方式，可以使各种清晰度检测方式相互弥补各自的不足，提高目标人脸图像的清晰度的准确性。

这里，可以根据实际的应用场景选择每种清晰度检测方式对应的权重。例如，某种清晰度检测方式确定运动物体图像的清晰度方面较好，从而可以在针对运动速度较快的运动物体采集得到的目标人脸图像时，可以为该清晰度检测方式设置较大的权重。

这里，清晰度检测方式可以包括以下任意两种或多种：拉普拉斯算子检测方式；灰度方差检测方式；能量梯度检测方式。在一些实现方式中，清晰度检测方式还可以包括Brenner梯度检测方式、Tenengrad梯度检测方式、熵函数检测方式、二次模糊检测方式等清晰度检测方式。

在一种可能的实现方式中，可以将所述目标人脸图像转换为灰度图像，然后利用多种清晰度检测方式对所述灰度图像进行清晰度检测，得到所述灰度图像分别对应的清晰度，再对各清晰度进行加权叠加，得到所述灰度图像的清晰度。

在该实现方式中，由于目标人脸图像的清晰度与目标人脸图像的像素点的像素值相关，为了更加方便地对目标人脸图像进行清晰度检测，从而可以先将目标人脸图像转换为灰度图像，然后利用不同的清晰度检测方式对目标人脸图像转换的灰度图像进行清晰度检测，根据灰度图像中每个像素点的像素值，可以得到每种清晰度检测方式对应的清晰度。然后利用每种清晰度度检测方式对应的权重对各个清晰度进行加权叠加，可以得到目标人脸图像的清晰度。这样，可以更加方便地对目标人脸图像进行清晰度检测。

S13，根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。

在本公开实施例中，在得到目标人脸图像的清晰度之后，可以获取预设清晰度阈值，然后将目标人脸图像的清晰度与预设清晰度阈值进行比较，得到目标人脸图像的清晰度与预设清晰度阈值的关系，根据目标人脸图像的清晰度与预设清晰度阈值的关系，可以对目标人脸图像进行处理，例如，根据目标人脸图像的清晰度与预设清晰度阈值的关系，对目标人脸图像进行人脸识别。清晰度阈值可以根据实际应用场景进行设置。

在一种可能的实现方式中，可以在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，保留所述目标人脸图像；在所述目标人脸图像的清晰度小于或等于所述清晰度阈值的情况下，滤除所述目标人脸图像。这里，如果目标图像的清晰度大于清晰度阈值，可以认为目标图像的清晰度较高，可以进行后续图像处理，例如，进行人脸识别。从而可以对该目标图像进行保留。如果目标图像的综合清晰度小于或等于清晰度阈值，可以认为目标图像的清晰度加低，不可以用于后续的图像处理，从而可以对该目标图像进行过滤。这样，可以根据目标人脸图像的清晰度实现对目标图像进行精准过滤。

这里，在利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测时，还可以在得到每种清晰度检测方式对应的清晰度之后，根据每种清晰度检测方式对应的清晰度，判断是否对目标人脸图像进行滤除，例如，可以判断每种清晰度检测方式对应的清晰度是否均大于预设清晰度阈值，如果每种清晰度检测方式对应的清晰度是均大于预设清晰度阈值，则可以对目标人脸图像进行保留，否则，可以对目标人脸图像进行滤除。或者，可以为每种清晰度检测方式设置相应的清晰度阈值，不同清晰度检测方式对应的清晰度阈值可以不同。然后判断每种清晰度检测方式对应的清晰度是否大于该清晰度检测方式对应的清晰度阈值，如果每种清晰度检测方式对应的清晰度均大于相应的标注清晰度，则可以对目标人脸图像进行保留，否则，可以对目标人脸图像进行滤除。

举例来说，可以先将每种清晰度检测方式对应的清晰度与该种清晰度检测方式对应的清晰度阈值进行对比，如果任意一种清晰度检测方式对应的清晰度小于或等于该清晰度检测方式的清晰度阈值，则可以将目标人脸图像过滤。如果多种清晰度检测方式对应的清晰度均大于相应的清晰度阈值，则可以对多种清晰度检测方式对应的清晰度进行加权，然后根据加权后得到的清晰度判断是否对目标人脸图像进行过滤。这样，可以对目标人脸图像进行多次筛选，从而可以对目标人脸图像进行精准过滤。

在一个可能的实现方式中，在目标人脸图像的清晰度大于清晰度阈值的情况下，可以对所述目标人脸图像进行人脸识别。在该实现方式中，如果目标人脸图像的清晰度大于预设的清晰度阈值，可以确定该目标人脸图像具有较高的清晰度，可以对该目标人脸图像进行人脸识别，提高人脸识别的准确率。通过这种方式，可以通过目标人脸图像的清晰度，在进行人脸识别之前预先对目标人脸图像进行筛选，保证进行人脸识别的目标人脸图像均具有较高的清晰度，从而可以提高人脸识别的准确率，并且可以节省进行人脸识别的处理资源。

通过本公开实施例提供的图像处理方案，可以利用不同的清晰度检测方式对目标人脸图像进行清晰度检测，然后综合每种清晰度检测方式得到的清晰度，判断是否对目标人脸图像进行过滤，从而可以使多种清晰度检测方式进行相互补充，实现对目标人脸图像进行精准过滤。

本公开实施例提供的图像处理方案，可以利用多种清晰度检测方式对目标人脸图像进行清晰度检测，得到每种清晰度检测方式对应的清晰度，下面对得到每种清晰度检测方式对应的清晰度的过程进行说明。

在一种可能的实现方式中，可以获取第一清晰度检测方式对应的映射关系，然后利用所述映射关系对所述目标人脸图像中每个像素点进行映射，得到每个像素点的映射结果，根据每个像素点的映射结果，确定所述第一清晰度检测方式对应的清晰度。

在该实现方式中，可以利用第一清晰度检测方式对目标人脸图像进行清晰度检测。在利用第一清晰度检测方式对目标人脸图像进行清晰度检测过程中，可以获取第一清晰度检测方式对应的映射关系，该映射关系可以针对目标人脸图像中的每个像素点，由该像素点的像素值以及该像素点邻域内的像素点的像素值，得到该像素点对应的映射结果。这里的邻域可以是该像素点相邻的像素点，例如，与该像素点相邻的8个像素点所在的图像区域。

在该实现方式的一个示例中，上述映射关系可以是拉普拉斯算子，利用拉普拉斯算子可以得到第一清晰度检测对应的清晰度，第一清晰度检测方式对应的清晰度的计算方式可以如公式(1)所示：

其中，(x,y)可以表示像素点的图像坐标，x和y可以是自然数；G可以表示拉普拉斯算子；H和W可以表示目标人脸图像的图像高度和图像宽度。拉普拉斯算子G的表达式如下：

通过上述公式(1)，可以得到目标检测图像通过第一清晰度检测方式对应的清晰度，第一清晰度检测方式主要关注目标人脸图像的边缘信息，可以针对目标人脸图像边缘区域的模糊进行检测。

在一种可能的实现方式中，可以遍历所述目标人脸图像中的每个像素点，针对遍历的当前像素点，确定当前像素点邻域内的第一像素点和第二像素点，然后确定所述当前像素点的像素值与第一像素点的像素值的第一差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第二差值，再根据每个像素点的第一差值与第二差值之和，得到第二清晰度检测方式对应的清晰度。

在该实现方式中，可以利用第二清晰度检测方式对目标人脸图像进行清晰度检测，在利用第二清晰度检测方式对目标人脸图像进行清晰度检测过程中，可以遍历目标人脸图像中的每个像素点，针对遍历的当前像素点，可以计算当前像素点的像素值与邻域内的第一像素点的像素值之间的第一差值，以及计算当前像素点的像素值与相邻的第二像素点的像素值之间的第二差值。然后计算当前像素点的第一差值和第二差值之和，然后可以对每个像素点的第一差值和第二差值之和进行相加，得到第二清晰度检测方式对应的清晰度。这里，第一像素点和第二像素点可以当前像素点邻域内的像素点，例如，与当前像素点相邻。第一像素点和第二像素点可以是不同的像素点，在与当前像素点相邻时，第一像素点、第二像素点和当前像素点可以形成三角形。第二清晰度检测方式可以关注目标人脸图像的像素值的局部梯度，可以针对目标人脸图像局部区域的模糊进行检测。假设第二清晰度检测方式对应的清晰度可以表示为P2，第二清晰度检测方式对应的清晰度的计算方式可以如公式(2)所示：

其中，(x,y)可以表示像素点的图像坐标；f(x,y)可以表示是当前像素点的像素值；x和y可以是自然数。H和W可以表示目标人脸图像的图像高度和图像宽度。通过上述公式(2)，可以得到目标检测图像通过第二清晰度检测方式对应的清晰度。

在一种可能的实现方式中，可以遍历所述目标人脸图像中的每个像素点，针对遍历的当前像素点，确定当前像素点邻域内的第三像素点和第四像素点，然后确定所述当前像素点的像素值与第三像素点的像素值的第三差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第四差值，最后根据每个像素点的第三差值与第四差值的平方和，得到第三清晰度检测方式对应的清晰度。

在该实现方式中，可以利用第三清晰度检测方式对目标人脸图像进行清晰度检测，在利用第三清晰度检测方式对目标人脸图像进行清晰度检测过程中，可以遍历目标人脸图像中的每个像素点，针对遍历的当前像素点，可以计算当前像素点的像素值与邻域内的第三像素点的像素值之间的第三差值，以及计算当前像素点的像素值与相邻的第四像素点的像素值之间的第四差值。然后计算当前像素点的第三差值和第四差值的平方和，然后可以对每个像素点的第三差值和第四差值的平方和进行相加，得到第三清晰度检测方式对应的清晰度。这里，第三像素点和第三像素点可以当前像素点邻域内的像素点，例如，与当前像素点相邻。第三像素点和第四像素点可以是不同的像素点，在与当前像素点相邻时，第三像素点、第四像素点和当前像素点可以形成三角形。第三清晰度检测方式可以关注目标人脸图像像素值的梯度的能力信息，可以针对目标人脸图像整体区域的清晰度进行检测。假设第三清晰度检测方式对应的清晰度可以表示为P3，第三清晰度检测方式对应的清晰度的计算方式可以如公式(3)所示：

其中，(x,y)可以表示像素点的图像坐标；f(x,y)可以表示是当前像素点的像素值；x和y可以是自然数。H和W可以表示目标人脸图像的图像高度和图像宽度。通过上述公式(3)，可以得到目标检测图像通过第三清晰度检测方式对应的清晰度。

本公开实施例提供的多种清晰度检测方式，可以在清晰度检测方面可以进行相互补充，从而由多种清晰度检测方式得到的清晰度具有较高的准确性。

图2示出根据本公开实施例的图像处理方法一示例的流程图。如果2所示，在一个示例中，图像处理方法可以包括以下步骤：

步骤S21，获取目标人脸图像。

步骤S22，将目标人脸图像转换为灰度图像。

步骤S231，利用第一清晰度检测方式对灰度图像进行清晰度检测，得到第一清晰度检测方式对应的清晰度。

步骤S232，利用第二清晰度检测方式对灰度图像进行清晰度检测，得到第二清晰度检测方式对应的清晰度。

步骤S233，利用第三清晰度检测方式对灰度图像进行清晰度检测，得到第三清晰度检测方式对应的清晰度。

步骤S24，对第一清晰度检测方式对应的清晰度、第二清晰度检测方式对应的清晰度和第三清晰度检测方式对应的清晰度进行加权，得到目标人脸图像的清晰度。

步骤S25，判断目标人脸图像的清晰度是否大于清晰度阈值。

步骤S26，如果目标人脸图像的清晰度大于清晰度阈值，对该目标人脸图像进行保留。

步骤S27，如果目标人脸图像的清晰度小于或等于清晰度阈值，对该目标人脸图像进行过滤。

需要说明的是上述的步骤S231至步骤S233是并行执行的，执行顺序并无先后。

本公开实施例提供的图像处理方案，可以利用不同的清晰度检测方式对目标图像进行清晰度检测，得到目标人脸图像的清晰度。这样，可以根据目标人脸图像的清晰度与清晰度阈值的关系，实现对目标人脸图像的过滤。在目标人脸图像进行过滤的过程中，可以综合考虑多种清晰度检测方式，使各种清晰度检测方式相互弥补各自的不足，实现对目标图像进行精准过滤的效果。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

图3示出根据本公开实施例的图像处理装置的框图，如图3所示，所述图像处理装置包括：

获取模块31，用于获取目标人脸图像；

检测模块32，用于对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度；

处理模块33，用于根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。

在一种可能的实现方式中，所述检测模块32，具体用于，

利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，得到与所述多种清晰度检测方式分别对应的清晰度；

对各清晰度进行加权叠加，得到所述目标人脸图像的清晰度。

在一种可能的实现方式中，所述检测模块32，具体用于，

将所述目标人脸图像转换为灰度图像；

利用多种清晰度检测方式对所述灰度图像进行清晰度检测，得到所述灰度图像分别对应的清晰度；

对各清晰度进行加权叠加，得到所述灰度图像的清晰度。

在一种可能的实现方式中，所述检测模块32，具体用于，

获取第一清晰度检测方式对应的映射关系；

利用所述映射关系对所述目标人脸图像中每个像素点进行映射，得到每个像素点的映射结果；

根据每个像素点的映射结果，确定所述第一清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述检测模块32，具体用于，

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第一像素点和第二像素点；

确定所述当前像素点的像素值与第一像素点的像素值的第一差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第二差值；

根据每个像素点的第一差值与第二差值之和，得到第二清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述检测模块32，具体用于，

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第三像素点和第四像素点；

确定所述当前像素点的像素值与第三像素点的像素值的第三差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第四差值；

根据每个像素点的第三差值与第四差值的平方和，得到第三清晰度检测方式对应的清晰度。

在一种可能的实现方式中，所述处理模块33，具体用于，

在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，保留所述目标人脸图像；

在所述目标人脸图像的清晰度小于或等于所述清晰度阈值的情况下，滤除所述目标人脸图像。

在一种可能的实现方式中，所述处理模块33，还用于在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，对所述目标人脸图像进行人脸识别。

在一种可能的实现方式中，所述多种清晰度检测方式包括以下至少两种：

拉普拉斯算子检测方式，灰度方差检测方式，能量梯度检测方式。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图4是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

获取目标人脸图像；

对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度；

根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度，包括：

利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，得到与所述多种清晰度检测方式分别对应的清晰度；

对各清晰度进行加权叠加，得到所述目标人脸图像的清晰度。

3.根据权利要求1或2所述的方法，其特征在于，在对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度，包括：

将所述目标人脸图像转换为灰度图像；

利用多种清晰度检测方式对所述灰度图像进行清晰度检测，得到所述灰度图像分别对应的清晰度；

对各清晰度进行加权叠加，得到所述灰度图像的清晰度。

4.根据权利要求2所述的方法，其特征在于，所述利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，包括：

获取第一清晰度检测方式对应的映射关系；

利用所述映射关系对所述目标人脸图像中每个像素点进行映射，得到每个像素点的映射结果；

根据每个像素点的映射结果，确定所述第一清晰度检测方式对应的清晰度。

5.根据权利要求2所述的方法，其特征在于，所述利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，包括：

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第一像素点和第二像素点；

确定所述当前像素点的像素值与第一像素点的像素值的第一差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第二差值；

根据每个像素点的第一差值与第二差值之和，得到第二清晰度检测方式对应的清晰度。

6.根据权利要求2所述的方法，其特征在于，所述利用多种清晰度检测方式对所述目标人脸图像进行清晰度检测，包括：

遍历所述目标人脸图像中的每个像素点；

针对遍历的当前像素点，确定当前像素点邻域内的第三像素点和第四像素点；

确定所述当前像素点的像素值与第三像素点的像素值的第三差值，以及，确定所述当前像素点的像素值与第二像素点的像素值的第四差值；

根据每个像素点的第三差值与第四差值的平方和，得到第三清晰度检测方式对应的清晰度。

7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理，包括：

在所述目标人脸图像的清晰度大于所述清晰度阈值的情况下，保留所述目标人脸图像；

在所述目标人脸图像的清晰度小于或等于所述清晰度阈值的情况下，滤除所述目标人脸图像。

8.一种图像处理装置，其特征在于，包括：

获取模块，用于获取目标人脸图像；

检测模块，用于对所述目标人脸图像进行清晰度检测，得到所述目标人脸图像的清晰度；

处理模块，用于根据所述目标人脸图像的清晰度与预设清晰度阈值的关系，对所述目标人脸图像进行处理。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。