CN110415203A - 图片检测方法、装置和电子设备 - Google Patents
图片检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110415203A CN110415203A CN201810385191.6A CN201810385191A CN110415203A CN 110415203 A CN110415203 A CN 110415203A CN 201810385191 A CN201810385191 A CN 201810385191A CN 110415203 A CN110415203 A CN 110415203A
- Authority
- CN
- China
- Prior art keywords
- picture
- small
- variance
- small picture
- index
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013450 outlier detection Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000005291 magnetic effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
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
本申请提出一种图片检测方法、装置和电子设备，其中，上述图片检测方法包括：获取待检测的第一图片和第二图片；将所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片；计算所述第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差；根据所述具有相同索引的小图片的平均方差获取方差基数；将所述具有相同索引的小图片的平均方差与所述方差基数进行对比，确定大于所述方差基数的平均方差对应的小图片为异常区域。本申请可以实现提高异常点检测的精确度，降低误报频率。
Description
技术领域
本申请涉及图像检测技术领域，尤其涉及一种图片检测方法、装置和电子设备。
背景技术
监控是各行业重点部门或重要场所进行实时监控的物理基础，管理部门可通过监控获得有效数据、图像或声音信息，以及对突发性异常事件的过程进行及时的监视和记忆。现有相关技术中，对于监控画面，一般采用人工或者像素点比对的方法来检测异常点的发生。
但是人工检测的方法，耗时耗力，无法精确监控异常点；而像素点检测的方法，由于图像传输或者图像压缩算法的原因，像素点的值的变化是非常频繁的，不利于有效监控。
发明内容
本申请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，本申请的第一个目的在于提出一种图片检测方法，以实现提高异常点检测的精确度，降低误报频率。
本申请的第二个目的在于提出一种图片检测装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种图片检测方法，包括：获取待检测的第一图片和第二图片；将所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片；计算所述第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差；根据所述具有相同索引的小图片的平均方差获取方差基数；将所述具有相同索引的小图片的平均方差与所述方差基数进行对比，确定大于所述方差基数的平均方差对应的小图片为异常区域。
本申请实施例的图片检测方法中，在获取待检测的第一图片和第二图片之后，将第一图片和第二图片分别切割成预定数量的具有相同大小的小图片，然后计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差，最后根据具有相同索引的小图片的平均方差获取方差基数，将具有相同索引的小图片的平均方差与上述方差基数进行对比，确定大于上述方差基数的平均方差对应的小图片为异常区域，由于MSE可以有效表达出像素点差异的分布，因此上述图片检测方法可以提高异常点检测的精确度，降低误报频率。
为达上述目的，本申请第二方面实施例提出了一种图片检测装置，包括：获取模块，用于获取待检测的第一图片和第二图片；切割模块，用于将所述获取模块获取的所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片；计算模块，用于计算所述第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差；所述获取模块，还用于根据所述具有相同索引的小图片的平均方差获取方差基数；对比模块，用于将所述计算模块计算的所述具有相同索引的小图片的平均方差与所述获取模块获取的方差基数进行对比，确定大于所述方差基数的平均方差对应的小图片为异常区域。
本申请实施例的图片检测装置中，在获取模块获取待检测的第一图片和第二图片之后，切割模块将第一图片和第二图片分别切割成预定数量的具有相同大小的小图片，然后计算模块计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差，最后获取模块根据具有相同索引的小图片的平均方差获取方差基数，对比模块将具有相同索引的小图片的平均方差与上述方差基数进行对比，确定大于上述方差基数的平均方差对应的小图片为异常区域，由于平均方差(Mean Square Error；以下简称：MSE)可以有效表达出像素点差异的分布，因此上述图片检测方法可以提高异常点检测的精确度，降低误报频率。
为了实现上述目的，本申请第三方面实施例提出了一种电子设备，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，所述处理器执行所述计算机程序时，实现如上所述的方法。
为了实现上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请图片检测方法一个实施例的流程图；
图2为本申请图片检测方法另一个实施例的流程图；
图3为本申请图片检测方法再一个实施例的流程图；
图4为本申请图片检测方法再一个实施例的流程图；
图5为本申请图片检测装置一个实施例的结构示意图；
图6为本申请图片检测装置另一个实施例的结构示意图；
图7是本申请电子设备一个实施例的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
图1为本申请图片检测方法一个实施例的流程图，如图1所示，上述图片检测方法可以包括：
步骤101，获取待检测的第一图片和第二图片。
其中，上述第一图片和第二图片可以为从监控获得的多帧图像中选取的任意两帧图像；上述第一图片和第二图片的尺寸相同。
步骤102，将第一图片和第二图片分别切割成预定数量的具有相同大小的小图片。
其中，上述预定数量可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定数量的大小不作限定。
步骤103，计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差。
一种实现方式中，上述第一图片和第二图片切割获得的小图片的索引，可以是按照预定顺序为上述小图片设置的序号，举例来说，对于第一图片切割获得的小图片可以按照从左至右的顺序，为第一图片切割获得的位于第一行中的小图片依次设置序号，在对位于第一行中的小图片设置序号完毕之后，再按照从左至右的顺序，对第一图片切割获得的第二行中的小图片依次设置序号，其中第二行中的小图片的序号要接续第一行中的小图片的序号设置，依次类推，直至将第一图片切割获得的小图片的序号设置完毕，第二图片切割获得的小图片的序号的设置方法与第一图片相同，在此不再赘述。
另一种实现方式中，可以将第一图片切割获得的小图片按照预定顺序存入第一列表，将第二图片切割获得的小图片按照相同的顺序存入第二列表，然后以第一列表中每个表项的索引，作为第一图片切割获得的小图片中对应小图片的索引，以第二列表中每个表项的索引，作为第二图片切割获得的小图片中对应小图片的索引。
具体地，计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差可以为：按照式(1)，计算第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差：
其中，mse为第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差，ai为第一图片切割获得的小图片中索引为i的小图片，bi为第二图片切割获得的小图片中索引为i的小图片，w为小图片的宽度，h为小图片的高度。
步骤104，根据上述具有相同索引的小图片的平均方差获取方差基数。
步骤105，将上述具有相同索引的小图片的平均方差与上述方差基数进行对比，确定大于上述方差基数的平均方差对应的小图片为异常区域。
在具体实现时，可以将将上述具有相同索引的小图片的平均方差与上述方差基数进行对比，然后获取大于上述方差基数的平均方差对应的小图片的左上角的点的坐标，依次以获取的坐标作为矩形的左上角的点，按照小图片的宽和高的尺寸画矩形，即获得了第一图片和第二图片的差异最大的地方。
本实施例中，第一图片和第二图片的差异最大的地方即为所检测的异常区域。具体到机柜监控项目中表现为，机柜上的信号灯亮、灯灭或者变色等等异常变化。上述图片检测方法还可以应用在其他环境比较固定的监控环境，比如财务室的监控，工作人员下班之后如果有人进入可以检测到异常，并发出报警。
上述图片检测方法中，在获取待检测的第一图片和第二图片之后，将第一图片和第二图片分别切割成预定数量的具有相同大小的小图片，然后计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差，最后根据具有相同索引的小图片的平均方差获取方差基数，将具有相同索引的小图片的平均方差与上述方差基数进行对比，确定大于上述方差基数的平均方差对应的小图片为异常区域，由于MSE可以有效表达出像素点差异的分布，因此上述图片检测方法可以提高异常点检测的精确度，降低误报频率。
图2为本申请图片检测方法另一个实施例的流程图，如图2所示，本申请图1所示实施例中，步骤104可以包括：
步骤201，计算上述具有相同索引的小图片的平均方差的平均值。
由于对第一图片和第二图片切割获得的小图片中具有相同索引的小图片均计算了平均方差，所以计算获得的平均方差的总数为N×M，假设计算获得的平均方差中某一个索引j的平均方差为msej，则上述平均方差的平均值的计算公式可以如式(2)所示。
步骤202，计算上述平均值与预定阈值的乘积，上述乘积为上述方差基数。
具体地，可以将上述平均值乘以预定阈值T，获得一个方差基数，方差基数的计算公式可以如式(3)所示。
basemse＝avgmse×T(3)
上述预定阈值的大小可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定阈值的大小不作限定。在具体实现时，可以通过设定预定阈值的大小来设定不同敏感等级，从而实现让用户自由设定敏感度，达到精准检测的目的。
图3为本申请图片检测方法再一个实施例的流程图，如图3所示，本申请图1所示实施例中，步骤102之前，还可以包括：
步骤301，将第一图片和第二图片的颜色空间转换为灰度空间。
图4为本申请图片检测方法再一个实施例的流程图，如图4所示，本申请图1所示实施例中，步骤102可以包括：
步骤401，分别将第一图片和第二图片的宽进行N等分，分别将第一图片和第二图片的高进行M等分，以将第一图片和第二图片分别切割成N×M个具有相同大小的小图片；其中，M，N为正整数。这时，步骤102中的预定数量即为N×M。
进行如上分割之后，每一个小图片的宽度w可以如式(4)所示，高度h可以如式(5)所示。
图5为本申请图片检测装置一个实施例的结构示意图，本申请实施例提供的图片检测装置可以实现本申请提供的图片检测方法。如图5所示，上述图片检测装置可以包括：获取模块51、切割模块52、计算模块53和对比模块54；
其中，获取模块51，用于获取待检测的第一图片和第二图片；其中，上述第一图片和第二图片可以为从监控获得的多帧图像中选取的任意两帧图像；上述第一图片和第二图片的尺寸相同。
切割模块52，用于将获取模块51获取的第一图片和第二图片分别切割成预定数量的具有相同大小的小图片；其中，上述预定数量可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定数量的大小不作限定。
计算模块53，用于计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差。
一种实现方式中，上述第一图片和第二图片切割获得的小图片的索引，可以是按照预定顺序为上述小图片设置的序号，举例来说，对于第一图片切割获得的小图片可以按照从左至右的顺序，为第一图片切割获得的位于第一行中的小图片依次设置序号，在对位于第一行中的小图片设置序号完毕之后，再按照从左至右的顺序，对第一图片切割获得的第二行中的小图片依次设置序号，其中第二行中的小图片的序号要接续第一行中的小图片的序号设置，依次类推，直至将第一图片切割获得的小图片的序号设置完毕，第二图片切割获得的小图片的序号的设置方法与第一图片相同，在此不再赘述。
另一种实现方式中，可以将第一图片切割获得的小图片按照预定顺序存入第一列表，将第二图片切割获得的小图片按照相同的顺序存入第二列表，然后以第一列表中每个表项的索引，作为第一图片切割获得的小图片中对应小图片的索引，以第二列表中每个表项的索引，作为第二图片切割获得的小图片中对应小图片的索引。
本实施例中，计算模块53，具体用于按照式(1)，计算第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差。
获取模块51，还用于根据具有相同索引的小图片的平均方差获取方差基数。
对比模块54，用于将计算模块53计算的具有相同索引的小图片的平均方差与获取模块51获取的方差基数进行对比，确定大于上述方差基数的平均方差对应的小图片为异常区域。
在具体实现时，可以将将上述具有相同索引的小图片的平均方差与上述方差基数进行对比，然后获取大于上述方差基数的平均方差对应的小图片的左上角的点的坐标，依次以获取的坐标作为矩形的左上角的点，按照小图片的宽和高的尺寸画矩形，即获得了第一图片和第二图片的差异最大的地方。
本实施例中，第一图片和第二图片的差异最大的地方即为所检测的异常区域。具体到机柜监控项目中表现为，机柜上的信号灯亮、灯灭或者变色等等异常变化。上述图片检测装置还可以应用在其他环境比较固定的监控环境，比如财务室的监控，工作人员下班之后如果有人进入可以检测到异常，并发出报警。
上述图片检测装置中，在获取模块51获取待检测的第一图片和第二图片之后，切割模块52将第一图片和第二图片分别切割成预定数量的具有相同大小的小图片，然后计算模块53计算第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差，最后获取模块51根据具有相同索引的小图片的平均方差获取方差基数，对比模块54将具有相同索引的小图片的平均方差与上述方差基数进行对比，确定大于上述方差基数的平均方差对应的小图片为异常区域，由于MSE可以有效表达出像素点差异的分布，因此上述图片检测方法可以提高异常点检测的精确度，降低误报频率。
图6为本申请图片检测装置另一个实施例的结构示意图，本实施例中，获取模块51，具体用于计算具有相同索引的小图片的平均方差的平均值，计算上述平均值与预定阈值的乘积，上述乘积为上述方差基数。
由于对第一图片和第二图片切割获得的小图片中具有相同索引的小图片均计算了平均方差，所以计算获得的平均方差的总数为N×M，假设计算获得的平均方差中某一个索引j的平均方差为msej，则上述平均方差的平均值的计算公式可以如式(2)所示。具体地，获取模块51可以将上述平均值乘以预定阈值T，获得一个方差基数，方差基数的计算公式可以如式(3)所示。
上述预定阈值的大小可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定阈值的大小不作限定。在具体实现时，可以通过设定预定阈值的大小来设定不同敏感等级，从而实现让用户自由设定敏感度，达到精准检测的目的。
进一步地，上述图片检测装置还可以包括：
转换模块55，用于在切割模块52将第一图片和第二图片分别切割成预定数量的具有相同大小的小图片之前，将第一图片和第二图片的颜色空间转换为灰度空间。
本实施例中，切割模块52，具体用于分别将第一图片和第二图片的宽进行N等分，分别将第一图片和第二图片的高进行M等分，以将第一图片和第二图片分别切割成N×M个具有相同大小的小图片；其中，M，N为正整数。这时，上述预定数量即为N×M。进行如上分割之后，每一个小图片的宽w可以如式(4)所示，高h可以如式(5)所示。
图7是本申请电子设备一个实施例的结构示意图，上述电子设备可以包括存储器、处理器及存储在上述存储器上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，可以实现本申请实施例提供的图片检测方法。
其中，上述电子设备可以为服务器，也可以为终端设备，上述终端设备可以为个人计算机(Personal Computer；以下简称：PC)、笔记本电脑、平板电脑或智能手机等智能终端设备，本实施例对上述电子设备的形态不作限定。
图7示出了适于用来实现本申请实施方式的示例性电子设备12的框图。图7显示的电子设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图7中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如按照上面描述的方式实现本申请实施例提供的图片检测方法。
本申请实施例还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时可以实现本申请实施例提供的图片检测方法。
上述非临时性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory；以下简称：ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory；以下简称：EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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(LocalArea Network；以下简称：LAN)或广域网(Wide Area Network；以下简称：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)。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(Random AccessMemory；以下简称：RAM)，只读存储器(Read Only Memory；以下简称：ROM)，可擦除可编辑只读存储器(Erasable Programmable Read Only Memory；以下简称：EPROM)或闪速存储器，光纤装置，以及便携式光盘只读存储器(Compact Disc Read Only Memory；以下简称：CD-ROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(ProgrammableGate Array；以下简称：PGA)，现场可编程门阵列(Field Programmable Gate Array；以下简称：FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种图片检测方法，其特征在于，包括：
获取待检测的第一图片和第二图片；
将所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片；
计算所述第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差；
根据所述具有相同索引的小图片的平均方差获取方差基数；
将所述具有相同索引的小图片的平均方差与所述方差基数进行对比，确定大于所述方差基数的平均方差对应的小图片为异常区域。
2.根据权利要求1所述的方法，其特征在于，所述计算所述第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差包括：
按照以下公式，计算所述第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差：
其中，mse为所述第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差，ai为所述第一图片切割获得的小图片中索引为i的小图片，bi为所述第二图片切割获得的小图片中索引为i的小图片，w为小图片的宽度，h为小图片的高度。
3.根据权利要求1所述的方法，其特征在于，所述根据所述具有相同索引的小图片的平均方差获取方差基数包括：
计算所述具有相同索引的小图片的平均方差的平均值；
计算所述平均值与预定阈值的乘积，所述乘积为所述方差基数。
4.根据权利要求1所述的方法，其特征在于，所述将所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片之前，还包括：
将所述第一图片和所述第二图片的颜色空间转换为灰度空间。
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述将所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片包括：
分别将所述第一图片和所述第二图片的宽进行N等分，分别将所述第一图片和所述第二图片的高进行M等分，以将所述第一图片和所述第二图片分别切割成N×M个具有相同大小的小图片；其中，M，N为正整数。
6.一种图片检测装置，其特征在于，包括：
获取模块，用于获取待检测的第一图片和第二图片；
切割模块，用于将所述获取模块获取的所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片；
计算模块，用于计算所述第一图片和第二图片切割获得的小图片中具有相同索引的小图片的平均方差；
所述获取模块，还用于根据所述具有相同索引的小图片的平均方差获取方差基数；
对比模块，用于将所述计算模块计算的所述具有相同索引的小图片的平均方差与所述获取模块获取的方差基数进行对比，确定大于所述方差基数的平均方差对应的小图片为异常区域。
7.根据权利要求6所述的装置，其特征在于，
所述计算模块，具体用于按照以下公式，计算所述第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差：
其中，mse为所述第一图片和第二图片切割获得的小图片中索引为i的小图片的平均方差，ai为所述第一图片切割获得的小图片中索引为i的小图片，bi为所述第二图片切割获得的小图片中索引为i的小图片，w为小图片的宽度，h为小图片的高度。
8.根据权利要求6所述的装置，其特征在于，
所述获取模块，具体用于计算所述具有相同索引的小图片的平均方差的平均值，计算所述平均值与预定阈值的乘积，所述乘积为所述方差基数。
9.根据权利要求6所述的装置，其特征在于，还包括：
转换模块，用于在所述切割模块将所述第一图片和所述第二图片分别切割成预定数量的具有相同大小的小图片之前，将所述第一图片和所述第二图片的颜色空间转换为灰度空间。
10.根据权利要求6-8任意一项所述的装置，其特征在于，
所述切割模块，具体用于分别将所述第一图片和所述第二图片的宽度进行N等分，分别将所述第一图片和所述第二图片的高度进行M等分，以将所述第一图片和所述第二图片分别切割成N×M个具有相同大小的小图片；其中，M，N为正整数。
11.一种电子设备，其特征在于，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，所述处理器执行所述计算机程序时，实现如权利要求1-5中任一所述的方法。
12.一种非临时性计算机可读存储介质，其上存储有计算机程序，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1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810385191.6A CN110415203A (zh) | 2018-04-26 | 2018-04-26 | 图片检测方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810385191.6A CN110415203A (zh) | 2018-04-26 | 2018-04-26 | 图片检测方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110415203A true CN110415203A (zh) | 2019-11-05 |
Family
ID=68346047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810385191.6A Pending CN110415203A (zh) | 2018-04-26 | 2018-04-26 | 图片检测方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110415203A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761726A (zh) * | 2013-12-25 | 2014-04-30 | 河海大学 | 基于fcm的分块自适应图像分割方法 |
| CN104539936A (zh) * | 2014-11-12 | 2015-04-22 | 广州中国科学院先进技术研究所 | 一种监测监控视频出现雪花噪声的系统和方法 |
| CN105354831A (zh) * | 2015-09-30 | 2016-02-24 | 广东工业大学 | 一种基于图像分块方差-加权特征值的多缺陷检测方法 |
| CN106252187A (zh) * | 2015-06-09 | 2016-12-21 | Fei 公司 | 在带电粒子显微镜中分析样品表面改性的方法 |
| CN107729930A (zh) * | 2017-10-09 | 2018-02-23 | 济南大学 | 一种快速判别两幅相同场景图像光照相似度的方法及系统 |
-
2018
- 2018-04-26 CN CN201810385191.6A patent/CN110415203A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103761726A (zh) * | 2013-12-25 | 2014-04-30 | 河海大学 | 基于fcm的分块自适应图像分割方法 |
| CN104539936A (zh) * | 2014-11-12 | 2015-04-22 | 广州中国科学院先进技术研究所 | 一种监测监控视频出现雪花噪声的系统和方法 |
| CN106252187A (zh) * | 2015-06-09 | 2016-12-21 | Fei 公司 | 在带电粒子显微镜中分析样品表面改性的方法 |
| CN105354831A (zh) * | 2015-09-30 | 2016-02-24 | 广东工业大学 | 一种基于图像分块方差-加权特征值的多缺陷检测方法 |
| CN107729930A (zh) * | 2017-10-09 | 2018-02-23 | 济南大学 | 一种快速判别两幅相同场景图像光照相似度的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107302658B (zh) | 实现人脸清晰的对焦方法、装置和计算机设备 | |
| CN107766812B (zh) | 一种基于MiZ702N的实时人脸检测识别系统 | |
| CN109447154A (zh) | 图片相似度检测方法、装置、介质及电子设备 | |
| WO2020244075A1 (zh) | 手语识别方法、装置、计算机设备及存储介质 | |
| US9600128B2 (en) | Touch sensitive device and touch determination method thereof | |
| CN110263732A (zh) | 多尺度目标检测方法及装置 | |
| CN107204014B (zh) | 智能终端设备的定位方法、装置和智能终端设备 | |
| US9665797B2 (en) | Environmental-based location monitoring | |
| CN109409330A (zh) | 基于移动终端的人脸识别方法、装置和计算机设备 | |
| CN108921128A (zh) | 脸颊敏感肌识别方法及装置 | |
| US20200209365A1 (en) | Laser data calibration method and robot using the same | |
| CN110301981A (zh) | 一种智能清点手术器械的扫描仪及控制方法 | |
| CN108762715A (zh) | 电子设备声音控制方法、装置及设备 | |
| CN108922028A (zh) | 自动售卖设备、自动售卖设备的控制方法及系统 | |
| CN110189808A (zh) | 孕期数据管理方法、系统及存储介质 | |
| KR20230145197A (ko) | 공간 관계 결정 방법, 장치, 컴퓨터 기기 및 저장 매체 | |
| CN108345700A (zh) | 文章代表图片的选取方法、装置和计算机设备 | |
| CN109300002A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
| CN114860699A (zh) | 数据质量检测方法、装置、设备和存储介质 | |
| CN109948736A (zh) | 商品识别模型主动训练方法、系统、设备及存储介质 | |
| US20210197388A1 (en) | Robot mapping method and robot and computer readable storage medium using the same | |
| CN109866786A (zh) | 轨道交通的动力控制方法、装置和牵引控制单元 | |
| CN110415203A (zh) | 图片检测方法、装置和电子设备 | |
| CN108804897A (zh) | 屏幕控制方法、装置、计算机设备及存储介质 | |
| CN106250281A (zh) | 一种故障检测方法及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |
|
| RJ01 | Rejection of invention patent application after publication |