CN110634135B - 一种图像处理方法和装置 - Google Patents
一种图像处理方法和装置 Download PDFInfo
- Publication number
- CN110634135B CN110634135B CN201910865711.8A CN201910865711A CN110634135B CN 110634135 B CN110634135 B CN 110634135B CN 201910865711 A CN201910865711 A CN 201910865711A CN 110634135 B CN110634135 B CN 110634135B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- quality
- calculating
- central
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像处理方法和装置,其中,该方法包括:将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;根据各图像区域的图像权重值,计算所述图像的质量系数;根据计算得到所述图像的质量系数,对所述图像的图像质量进行评价。通过本发明实施例提供的图像处理方法,可以提高判断图像的图像质量的准确率。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种图像处理方法和装置。
背景技术
目前,在二手车的收车过程中,为了让车辆评估师对车辆的车况进行远程评估,需要业务员对车辆的关键部件进行拍照,并将拍照得到的图像上传到服务器。车辆评估师根据业务员上传到服务器的图像对车辆的车况进行远程评估。为了保证评估的准确度和便于评估师观察,除了需要保证车辆的关键部件位于图像中心位置外,还需要确保图像的图像质量,尤其是图像中具有关键部件的中心位置的图像区域的图像质量。
为了确定图像的图像质量,可以通过计算图像的纹理均值,并将计算得到的纹理均值大于图像纹理阈值的图像确定为图像质量好的图像。
但是仅通过图像的纹理均值对图像的图像质量进行判断,容易造成对图像的图像质量判断不准确的缺陷。
发明内容
为解决上述问题,本发明实施例的目的在于提供一种图像处理方法和装置。
第一方面,本发明实施例提供了一种图像处理方法,包括:
将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;
计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;
根据各图像区域的图像权重值,计算所述图像的质量系数;
根据计算得到所述图像的质量系数,对所述图像的图像质量进行评价。
第二方面,本发明实施例还提供了一种图像处理装置,包括:
划分模块,用于将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;
第一计算模块,用于计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;
第二计算模块,用于根据各图像区域的图像权重值,计算所述图像的质量系数;
评价模块,用于根据计算得到所述图像的质量系数,对所述图像的图像质量进行评价。
第三方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面所述的方法的步骤。
第四方面,本发明实施例还提供了一种图像处理装置,所述图像处理装置包括有存储器,处理器以及一个或者一个以上的程序,其中所述一个或者一个以上程序存储于所述存储器中,且经配置以由所述处理器执行上述第一方面所述的方法的步骤。
本发明实施例上述第一方面至第四方面提供的方案中,通过确定划分后的图像中位于中心位置的中心图像区域,然后计算得到划分后各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算图像的质量系数,从而通过计算得到的图像的质量系数,对所述图像的图像质量进行评价,与相关技术中仅通过图像的纹理均值对图像的图像质量进行判断的方式相比,基于图像划分后的各图像区域分别与所述中心图像区域的距离值,计算得到对图像的图像质量进行评价的质量系数,使得图像中距离图像中心位置越近的图像区域,即越接近车辆的关键部件所在的图像区域或者车辆的关键部件所在的图像区域,对图像的图像质量评价的影响程度越提高,从而提高对图像的图像质量判断的准确率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种可应用于本发明实施例中的上述服务器的结构框图;
图2示出了本发明实施例1所提供的一种图像处理方法的流程图;
图3示出了本发明实施例1所提供的一种图像处理方法的流程图中,一种图像划分图像区域后的图像示意图;
图4示出了本发明实施例2所提供的一种图像处理装置的结构示意图;
图5示出了本发明实施例3所提供的另一种图像处理装置的结构示意图。
具体实施方式
目前,在二手车的收车过程中,为了让车辆评估师对车辆的车况进行远程评估,需要业务员对车辆的关键部件进行拍照,并将拍照得到的图像上传到服务器。车辆评估师根据业务员上传到服务器的图像对车辆的车况进行远程评估。为了保证评估的准确度和便于评估师观察,除了需要保证车辆的关键部件位于图像中心位置外,还需要确保图像的图像质量,尤其是图像中具有关键部件的中心位置的图像区域的图像质量。为了确定图像的图像质量,可以通过计算图像的纹理均值,并将计算得到的纹理均值大于图像纹理阈值的图像确定为图像质量好的图像。但是仅通过图像的纹理均值对图像的图像质量进行判断,容易造成对图像的图像质量判断不准确的缺陷。
基于此,本实施例提出一种图像处理方法和装置,通过确定划分后的图像中位于中心位置的中心图像区域,然后计算得到划分后各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算图像的质量系数,从而通过计算得到的图像的质量系数,对所述图像的图像质量进行评价,使得图像中距离图像中心位置越近的图像区域,即越接近车辆的关键部件所在的图像区域或者车辆的关键部件所在的图像区域,对图像的图像质量评价的影响程度越高,从而提高对图像的图像质量判断的准确率。
图1示出了一种可应用于本发明实施例中的上述服务器的结构框图。如图1所示,服务器200包括:存储器201、处理器202以及网络模块203。
存储器201可用于存储软件程序以及模块,如本发明实施例中的图像处理方法和装置对应的程序指令/模块,处理器202通过运行存储在存储器201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,即实现本发明实施例中的图像处理方法。存储器201可包括高速随机存储器,还可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。进一步地,上述软件程序以及模块还可包括:操作系统221以及服务模块222。其中操作系统221,例如可为LINUX、UNIX、WINDOWS,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。服务模块222运行在操作系统221的基础上,并通过操作系统221的网络服务监听来自网络的请求,根据请求完成相应的数据处理,并返回处理结果给客户端。也就是说,服务模块222用于向客户端提供网络服务。
网络模块203用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,服务器200还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。另外,本发明实施例中的服务器还可以包括多个具体不同功能的服务器。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请做进一步详细的说明。
实施例1
本实施例提出一种图像处理方法,执行主体是上述的服务器。
参见图2所示的一种图像处理方法的流程图,本实施例提出一种图像处理方法,包括以下具体步骤:
步骤100、将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域。
在上述步骤100中,业务员在将图像上传到服务器后,服务器可以按照缓存在服务器自身中的图像区域尺寸,将图像划分为a*b的多个图像区域。其中,a表示划分后的图像中同一行中图像区域的数量,b表示划分后的图像中一列中图像区域的数量。
可选地,在对图像进行划分时,a和b均大于等于3;a和b可以是相同的数量,也可以是不同的数量。
参见图3所示的一种图像划分图像区域后的图像示意图,a=3,b=5;且从图3可以看出,被斜线填充的图像区域,就是位于所述图像中心位置的中心图像区域。
服务器可以采用现有的任何图像划分技术,将图像划分为多个图像区域,这里不再赘述。
具体地,为了确定图像划分后的中心图像区域,上述步骤100,可以执行以下步骤(1)至步骤(2):
(1)将图像划分为多个图像区域,并获取所述图像的中心坐标和多个所述图像区域中各图像区域的位置坐标;
(2)将各图像区域的位置坐标与所述图像的中心坐标差值最小的图像区域确定为位于所述图像中心位置的中心图像区域。
在上述步骤(1)中,服务器在获取到业务员上传的图像后,首先会向图像分配一个图像标识,并会对图像进行预处理,在对图像进行预处理后,就能够获取到所述图像的中心坐标,并确定所述图像的图像类型;然后,服务器就可以按照上述图像区域尺寸,将图像划分成多个图像区域;在将图像划分为多个图像区域后,就会将多个图像区域中各图像区域的中心坐标作为各图像区域的位置坐标。
所述图像标识,用于识别图像的唯一标志。
对图像进行的预处理,包括但不限于:对图像进行二值化处理和灰度处理、以及对图像的图像类型进行识别。
所述图像的图像类型,用于指示图像中的车辆的关键部件的车辆部件类型。
车辆的关键部件,就是需要车辆评估师检查的车辆部件;所述车辆部件,可以是但不限于:发动机舱中的发动机、节气门以及制动油壶。
在一个实施方式中,所述车辆部件类型,与上述车辆部件相同;那么,所述车辆部件类型,包括但不限于:发动机舱中的发动机、节气门以及制动油壶。
上述对图像进行预处理过程可以采用现有技术中任何可以二值化、灰度化、以及识别图像中的图像中的关键部件的车辆部件类型的处理过程,这里不再一一赘述。
而且,在将图像划分为多个图像区域后,可以基于各图像区域的像素值,分别计算得到各图像区域的图像纹理均值和图像亮度均值。而计算得到各图像区域的图像纹理均值和图像亮度均值是现有技术,这里不再赘述。
所述各图像区域的像素值,是将图像划分成各图像区域后得到的。
在上述步骤(2)中,分别计算各图像区域的位置坐标与所述图像的中心坐标差值,将各图像区域的位置坐标与所述图像的中心坐标差值最小的图像区域确定为位于所述图像中心位置的中心图像区域。
各图像区域的位置坐标与所述图像的中心坐标差值最小的图像区域,是指位置坐标的横坐标与所述图像的中心坐标的横坐标差值最小、且位置坐标的纵坐标与所述图像的中心坐标的纵坐标差值最小的图像区域。
在所述图像中,车辆的关键部件应该位于车辆的中心图像区域中。
在通过上述步骤100将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域后,可以继续执行以下步骤102,计算各图像区域的图像权重值。
步骤102、计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值。
通过以下公式1计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值:
其中,ri表示各图像区域中第i个图像区域分别与所述中心图像区域的距离值;xi表示第i个图像区域的位置坐标中的横坐标;yi表示第i个图像区域的位置坐标中的纵坐标;xc表示所述中心图像区域的位置坐标中的横坐标;yc表示所述中心图像区域的位置坐标中的纵坐标;
通过以下公式2对各图像区域的图像权重值进行计算:
其中,wi表示各图像区域中第i个图像区域的图像权重值。
所述图像权重值的越大,说明图像权重值对应的图像区域在对图像的图像质量评价的影响程度越提高。
通过以上内容可以看出,图像区域如果与图像的中心图像区域的距离越近,那么通过公式2计算得到的该图像区域的图像权重值就越大;针对需要评估的车辆的关键部件位于图像的中心区域的情况,本实施例提出的图像处理方法中,采用越靠近图像的中心图像区域的图像区域对图像的图像质量评价的影响程度越提高的方式对图像的图像质量进行判断,可以提高对图像的图像质量判断的准确率。
步骤104、根据各图像区域的图像权重值,计算所述图像的质量系数。
为了计算所述图像的质量系数,上述步骤104可以执行以下步骤(1)至步骤(3):
(1)获取各图像区域的图像纹理均值和图像亮度均值;
(2)根据各图像区域的图像权重值、图像纹理均值和图像亮度均值,对各图像区域的质量子系数进行计算;
(3)基于各图像区域的质量子系数,计算得到所述图像的质量系数。
在上述步骤(2)中,通过以下公式3对各图像区域的质量子系数进行计算:
si=wi*(α*mi+β*vi) (3)
其中,si表示各图像区域中第i个图像区域的质量子系数;mi表示第i个图像区域的图像纹理均值;vi表示第i个图像区域的图像亮度均值;wi表示第i个图像区域的图像权重值。
在上述步骤(3)中,将上述步骤(2)计算得到的各图像区域的质量子系数进行累加计算,将累加计算后的结果作为计算得到的所述图像的质量系数。
步骤106、根据计算得到所述图像的质量系数,对所述图像的图像质量进行评价。
具体地,为了对所述图像的图像质量进行评价,本实施例提出的图像处理方法中,上述步骤106可以执行以下步骤(1)至步骤(4):
(1)获取与所述图像的图像类型相同的图像的质量系数、第一参数和第二参数,其中,所述第一参数大于所述第二参数;
(2)根据获取到的与所述图像的图像类型相同的图像的质量系数和所述第一参数,计算第一图像质量评价值;
(3)根据获取到的与所述图像的图像类型相同的图像的质量系数和所述第二参数,计算第二图像质量评价值;其中,所述第二图像质量评价值小于第一图像质量评价值;
(4)分别对比计算得到所述图像的质量系数与第一图像质量评价值和第二图像质量评价值的大小,得到所述图像的图像质量评价结果。
在上述步骤(1)中,所述图像的图像类型,是通过上述步骤100中服务器对图像进行预处理后得到的。
为了对图像进行评估,所述服务器中还可以存储有历史评估图片库,该历史评估图片库图片库中存储有所有被车辆评估师在线评估过的图像。
在历史评估图片库中,按照识别出的图像的图像类型和图像的质量系数,将具有不同图像类型的图像处理后的评估信息进行存储。
在一个实施方式中,所述评估信息的存储形式是:图像标识、图像类型、以及图像的质量系数。
所以,服务器可以根据所述图像的图像类型,从所述历史评估图片库中查询出与所述图像的图像类型相同的多个图像,并获取到查询出的多个图像中每个图像的质量系数。
所述第一参数和所述第二参数在被工作人员设置后,均缓存在服务器中。
在一个实现方式中,所述第一参数可以设置为1,所述第二参数可以设置为0.4。
在上述步骤(2)中,通过以下公式4对第一图像质量评价值进行计算:
其中,M表示与所述图像的图像类型相同的图像的数量;sn表示M个与所述图像的图像类型相同的图像中第n个图像的质量系数;γ表示第一参数;S1表示第一图像质量评价值。
在上述步骤(3)中,与上述步骤(2)得到第一图像质量评价值的过程类似,可以通过以下公式5对第一图像质量评价值进行计算:
其中,M表示与所述图像的图像类型相同的图像的数量;sn表示M个与所述图像的图像类型相同的图像中第n个图像的质量系数;ε表示第二参数;S2表示第二图像质量评价值。
在上述步骤(4)中,当所述图像的质量系数大于等于第一图像质量评价值时,服务器就会得到对所述图像的图像质量为优良的图像质量评价结果。
当所述图像的质量系数小于第一图像质量评价值且大于等于第二图像质量评价值时,服务器就会得到对所述图像的图像质量为中的图像质量评价结果。
当所述图像的质量系数小于第二图像质量评价值时,服务器就会得到对所述图像的图像质量为差的图像质量评价结果。
在得到上述所述图像的图像质量评价结果后,服务器会将所述图像的图像质量评价结果为优良或者中的图像展示给车辆评估师,使得车辆评估师通过图像对车辆进行评估。
但如果所述图像的图像质量评价结果为差,则服务器会根据业务员上传的图像的图像类型,生成图像重新获取信息,并发送给业务员,让业务员重新采集该图像类型的图像并重新上传至服务器,以对图像类型对应的车辆的关键部件进行在线评估。
综上所述,本实施例提出的图像处理方法,通过确定划分后的图像中位于中心位置的中心图像区域,然后计算得到划分后各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算图像的质量系数,从而通过计算得到的图像的质量系数,对所述图像的图像质量进行评价,与相关技术中仅通过图像的纹理均值对图像的图像质量进行判断的方式相比,基于图像划分后的各图像区域分别与所述中心图像区域的距离值,计算得到对图像的图像质量进行评价的质量系数,使得图像中距离图像中心位置越近的图像区域,即越接近车辆的关键部件所在的图像区域或者车辆的关键部件所在的图像区域,对图像的图像质量评价的影响程度越提高,从而提高对图像的图像质量判断的准确率。
基于同一发明构思,本申请实施例中还提供了与上述图像处理方法和对应的图像处理装置,由于本申请实施例中的装置解决问题的原理与本申请实施例1所述的图像处理方法相似,因此装置的实施可以参见前述图像处理方法的实施,重复之处不再赘述。
实施例2
本实施例提出一种图像处理装置,用于执行上述实施例1提出的图像处理方法。
参见图4所示的一种图像处理装置的结构示意图,本实施例提出一种图像处理装置,包括:
划分模块400,用于将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;
第一计算模块402,用于计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;
第二计算模块404,用于根据各图像区域的图像权重值,计算所述图像的质量系数;
评价模块406,用于根据计算得到所述图像的质量系数,对所述图像的图像质量进行评价。
综上所述,本实施例提出的图像处理装置,通过确定划分后的图像中位于中心位置的中心图像区域,然后计算得到划分后各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算图像的质量系数,从而通过计算得到的图像的质量系数,对所述图像的图像质量进行评价,与相关技术中仅通过图像的纹理均值对图像的图像质量进行判断的方式相比,基于图像划分后的各图像区域分别与所述中心图像区域的距离值,计算得到对图像的图像质量进行评价的质量系数,使得图像中距离图像中心位置越近的图像区域,即越接近车辆的关键部件所在的图像区域或者车辆的关键部件所在的图像区域,对图像的图像质量评价的影响程度越提高,从而提高对图像的图像质量判断的准确率。
基于同一发明构思,本申请实施例中还提供了与上述图像处理方法和对应的计算机存储介质和图像处理装置,由于本申请实施例中的计算机存储介质和装置解决问题的原理与本申请实施例1所述的图像处理方法相似,因此装置的实施可以参见前述图像处理方法的实施,重复之处不再赘述。
实施例3
本实施例提出一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述实施例1描述的图像处理方法的步骤。具体实现可参见方法实施例1,在此不再赘述。
此外,参见图5所示的另一种图像处理装置的结构示意图,本实施例还提出一种图像处理装置,上述图像处理装置包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述图像处理装置包括有存储器55。
本实施例中,上述图像处理装置还包括:存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序,经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(4):
(1)将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;
(2)计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;
(3)根据各图像区域的图像权重值,计算所述图像的质量系数;
(4)根据计算得到所述图像的质量系数,对所述图像的图像质量进行评价。
收发机53,用于在处理器52的控制下接收和发送数据。
在图5中,总线架构(用总线51来代表),总线51可以包括任意数量的互联的总线和桥,总线51将包括由通用处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质,还可以提供用户接口56,例如小键盘、显示器、扬声器、麦克风、操纵杆。
处理器52负责管理总线51和通常的处理,如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。
可选的,处理器52可以是但不限于:中央处理器、单片机、微处理器或者可编程逻辑器件。
可以理解,本发明实施例中的存储器55可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器55存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统551和应用程序552。
其中,操作系统551,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序552,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。
综上所述,本实施例提出的计算机存储介质和图像处理装置,通过确定划分后的图像中位于中心位置的中心图像区域,然后计算得到划分后各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算图像的质量系数,从而通过计算得到的图像的质量系数,对所述图像的图像质量进行评价,与相关技术中仅通过图像的纹理均值对图像的图像质量进行判断的方式相比,基于图像划分后的各图像区域分别与所述中心图像区域的距离值,计算得到对图像的图像质量进行评价的质量系数,使得图像中距离图像中心位置越近的图像区域,即越接近车辆的关键部件所在的图像区域或者车辆的关键部件所在的图像区域,对图像的图像质量评价的影响程度越提高,从而提高对图像的图像质量判断的准确率。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种图像处理方法,其特征在于,包括:
将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;
计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;
根据各图像区域的图像权重值,计算所述图像的质量系数;
获取与所述图像的图像类型相同的图像的质量系数、第一参数和第二参数,其中,所述第一参数大于所述第二参数;所述图像的图像类型,用于指示图像中的车辆的关键部件的车辆部件类型;
根据获取到的与所述图像的图像类型相同的图像的质量系数和所述第一参数,计算第一图像质量评价值;
根据获取到的与所述图像的图像类型相同的图像的质量系数和所述第二参数,计算第二图像质量评价值;其中,所述第二图像质量评价值小于第一图像质量评价值;
分别对比计算得到所述图像的质量系数与第一图像质量评价值和第二图像质量评价值的大小,得到所述图像的图像质量评价结果。
2.根据权利要求1所述的方法,其特征在于,将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域,包括:
将图像划分为多个图像区域,并获取所述图像的中心坐标和多个所述图像区域中各图像区域的位置坐标;
将各图像区域中位置坐标与所述图像的中心坐标差值最小的图像区域确定为位于所述图像中心位置的中心图像区域。
3.根据权利要求2所述的方法,其特征在于,计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值,包括:
通过以下公式计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值:
其中,ri表示各图像区域中第i个图像区域分别与所述中心图像区域的距离值;xi表示第i个图像区域的位置坐标中的横坐标;yi表示第i个图像区域的位置坐标中的纵坐标;xc表示所述中心图像区域的位置坐标中的横坐标;yc表示所述中心图像区域的位置坐标中的纵坐标;
通过以下公式对各图像区域的图像权重值进行计算:
其中,wi表示各图像区域中第i个图像区域的图像权重值。
4.根据权利要求1所述的方法,其特征在于,根据各图像区域的图像权重值,计算所述图像的质量系数,包括:
获取各图像区域的图像纹理均值和图像亮度均值;
根据各图像区域的图像权重值、图像纹理均值和图像亮度均值,对各图像区域的质量子系数进行计算;
基于各图像区域的质量子系数,计算得到所述图像的质量系数。
5.根据权利要求4所述的方法,其特征在于,根据各图像区域的图像权重值、图像纹理均值和图像亮度均值,对各图像区域的质量子系数进行计算,包括:
通过以下公式对各图像区域的质量子系数进行计算:
si=wi*(α*mi+β*vi)
其中,si表示各图像区域中第i个图像区域的质量子系数;mi表示第i个图像区域的图像纹理均值;vi表示第i个图像区域的图像亮度均值;wi表示第i个图像区域的图像权重值。
7.一种图像处理装置,其特征在于,包括:
划分模块,用于将图像划分为多个图像区域,并从多个所述图像区域中确定出位于所述图像中心位置的中心图像区域;
第一计算模块,用于计算多个所述图像区域中各图像区域分别与所述中心图像区域的距离值,并根据各图像区域分别与所述中心图像区域的距离值,计算各图像区域的图像权重值;
第二计算模块,用于根据各图像区域的图像权重值,计算所述图像的质量系数;
评价模块,用于获取与所述图像的图像类型相同的图像的质量系数、第一参数和第二参数,其中,所述第一参数大于所述第二参数;所述图像的图像类型,用于指示图像中的车辆的关键部件的车辆部件类型;
根据获取到的与所述图像的图像类型相同的图像的质量系数和所述第一参数,计算第一图像质量评价值;
根据获取到的与所述图像的图像类型相同的图像的质量系数和所述第二参数,计算第二图像质量评价值;其中,所述第二图像质量评价值小于第一图像质量评价值;
分别对比计算得到所述图像的质量系数与第一图像质量评价值和第二图像质量评价值的大小,得到所述图像的图像质量评价结果。
8.一种计算机可读存储介质,所述计算机可读存储介质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运行时执行上述权利要求1-6任一项所述的方法的步骤。
9.一种图像处理装置,其特征在于,所述图像处理装置包括有存储器,处理器以及一个或者一个以上的程序,其中所述一个或者一个以上程序存储于所述存储器中,且经配置以由所述处理器执行权利要求1-6任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910865711.8A CN110634135B (zh) | 2019-09-12 | 2019-09-12 | 一种图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910865711.8A CN110634135B (zh) | 2019-09-12 | 2019-09-12 | 一种图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634135A CN110634135A (zh) | 2019-12-31 |
CN110634135B true CN110634135B (zh) | 2022-04-15 |
Family
ID=68971111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910865711.8A Active CN110634135B (zh) | 2019-09-12 | 2019-09-12 | 一种图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634135B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101562758A (zh) * | 2009-04-16 | 2009-10-21 | 浙江大学 | 基于区域权重和人眼视觉特性的图像质量客观评价方法 |
CN104851098A (zh) * | 2015-05-22 | 2015-08-19 | 天津大学 | 基于改进结构相似度的立体图像质量客观评价方法 |
CN106204506A (zh) * | 2016-06-30 | 2016-12-07 | 刘元生 | 印前数字图像质量评测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE50305862D1 (de) * | 2003-10-23 | 2007-01-11 | Gretag Macbeth Ag | Farbqualitätsbeurteilung und Farbregelung bei der Farbreproduktion |
TW201120808A (en) * | 2009-12-15 | 2011-06-16 | Univ Nat Taiwan Science Tech | Halftone image generation method and image processing system and computer program product thereof |
-
2019
- 2019-09-12 CN CN201910865711.8A patent/CN110634135B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101562758A (zh) * | 2009-04-16 | 2009-10-21 | 浙江大学 | 基于区域权重和人眼视觉特性的图像质量客观评价方法 |
CN104851098A (zh) * | 2015-05-22 | 2015-08-19 | 天津大学 | 基于改进结构相似度的立体图像质量客观评价方法 |
CN106204506A (zh) * | 2016-06-30 | 2016-12-07 | 刘元生 | 印前数字图像质量评测方法 |
Non-Patent Citations (3)
Title |
---|
"Image quality assessment: from error visibility to structural similarity";Zhou Wang等;《IEEE Transactions on Image Processing》;20040413;第13卷(第4期);全文 * |
"基于HVS特征参数提取的视频质量评价四元数模型";何叶明等;《计算机应用与软件》;20140731;第31卷(第07期);全文 * |
"基于人眼视觉特性的图像视觉质量评价方法";胡许明等;《计算机应用》;20120701;第32卷(第07期);第1882-1884、1889页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110634135A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2018142766A1 (ja) | 学習済みモデル提供方法および学習済みモデル提供装置 | |
CN109934262B (zh) | 图片差异性判断方法、装置、计算机设备和存储介质 | |
CN111310770B (zh) | 目标检测方法和装置 | |
CN112884016B (zh) | 云平台可信评估模型训练方法和云平台可信评估方法 | |
CN112862890B (zh) | 道路坡度预测方法、装置和存储介质 | |
CN110751175A (zh) | 损失函数的优化方法、装置、计算机设备和存储介质 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN110634135B (zh) | 一种图像处理方法和装置 | |
CN111797993B (zh) | 深度学习模型的评价方法、装置、电子设备及存储介质 | |
CN112634628A (zh) | 一种车辆速度确定方法、终端及存储介质 | |
CN110118553B (zh) | 生成行车参考数据的方法、装置、计算机设备和存储介质 | |
WO2020149044A1 (ja) | パラメータ選定装置、パラメータ選定方法、およびパラメータ選定プログラム | |
JP6828971B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
Lu et al. | Statistical modeling in the shearlet domain for blind image quality assessment | |
CN114821513B (zh) | 一种基于多层网络的图像处理方法及装置、电子设备 | |
CN111079523A (zh) | 物体检测方法、装置、计算机设备和存储介质 | |
CN116260970A (zh) | 一种基于数据大量传输的网络通信方法及系统 | |
CN111982152B (zh) | 点云地图量化方法、装置、计算机设备和存储介质 | |
CN113450385B (zh) | 一种夜间工作工程机械视觉跟踪方法、装置及存储介质 | |
CN115115680A (zh) | 图像处理方法、装置、设备以及存储介质 | |
CN112270695B (zh) | 一种确定相机运动状态的方法、装置、设备及存储介质 | |
CA3208822A1 (en) | Systems and methods for roof area and slope estimation using a point set | |
CN114494682A (zh) | 一种物体位置预测方法、装置、设备及存储介质 | |
CN111833232B (zh) | 一种图像处理装置 | |
CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 |
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 |