CN111275681A - 图片质量的确定方法及装置、存储介质、电子装置 - Google Patents
图片质量的确定方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN111275681A CN111275681A CN202010060292.3A CN202010060292A CN111275681A CN 111275681 A CN111275681 A CN 111275681A CN 202010060292 A CN202010060292 A CN 202010060292A CN 111275681 A CN111275681 A CN 111275681A
- Authority
- CN
- China
- Prior art keywords
- picture
- block
- determining
- value
- pictures
- 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.)
- Granted
Links
Images
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明提供了一种图片质量的确定方法及装置、存储介质、电子装置,该方法包括:对确定的目标图片进行分块处理,得到N个分块图片,其中,N是大于1的自然数;确定N个分块图片中每个分块图片中的各个特征的特征值;确定N个分块图片中每个分块图片的权重,其中,每个分块图片的权重用于表示每个分块图片在目标图片中的重要程度;利用每个分块图片中的各个特征的特征值和每个分块图片的权重确定出目标图片的质量。通过本发明,解决了对图片质量的评价不准确的问题,达到准确评价图片质量的效果。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种图片质量的确定方法及装置、存储介质、电子装置。
背景技术
现有的图片质量评价方法流程上通常比较繁琐,需要多个观察者的参与,针对一些实际应用场景,还需要依赖于特定的评价准则。在相机成像像质的对比评价过程中,由于场景中存在混合光照、运动物体等,导致现有的客观评价不能给出精准的图片质量评价。
针对上述技术问题,相关技术中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图片质量的确定方法及装置、存储介质、电子装置,以至少解决相关技术中对图片质量的评价不准确的问题。
根据本发明的一个实施例,提供了一种图片质量的确定方法,包括:对确定的目标图片进行分块处理,得到N个分块图片,其中,上述N是大于1的自然数;确定上述N个分块图片中每个分块图片中的各个特征的特征值;确定上述N个分块图片中每个分块图片的权重,其中,上述每个分块图片的权重用于表示上述每个分块图片在上述目标图片中的重要程度;利用上述每个分块图片中的各个特征的特征值和上述每个分块图片的权重确定出上述目标图片的质量。
根据本发明的另一个实施例,提供了一种图片质量的确定装置,包括:处理模块,用于对确定的目标图片进行分块处理,得到N个分块图片,其中,上述N是大于1的自然数;第一确定模块,用于确定上述N个分块图片中每个分块图片中的各个特征的特征值;第二确定模块,用于确定上述N个分块图片中每个分块图片的权重,其中,上述每个分块图片的权重用于表示上述每个分块图片在上述目标图片中的重要程度;第三确定模块,用于利用上述每个分块图片中的各个特征的特征值和上述每个分块图片的权重确定出上述目标图片的质量。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,由于对确定的目标图片进行分块处理,得到N个分块图片,其中,上述N是大于1的自然数;确定上述N个分块图片中每个分块图片中的各个特征的特征值;确定上述N个分块图片中每个分块图片的权重,其中,上述每个分块图片的权重用于表示上述每个分块图片在上述目标图片中的重要程度;利用上述每个分块图片中的各个特征的特征值和上述每个分块图片的权重确定出上述目标图片的质量。可以实现通过图片给的特征值和权重对图片的质量进行评价的目的。因此,可以解决对图片质量的评价不准确的问题,达到准确评价图片质量的效果。
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是本发明实施例的一种图片质量的确定方法的移动终端的硬件结构框图;
图2是根据本发明实施例的图片质量的确定方法的流程图;
图3是本实施例中的图片质量评价的流程图;
图4是根据本发明实施例的图片质量的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
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。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种图片质量的确定方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端10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。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的图片质量的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104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。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种图片质量的确定方法,图2是根据本发明实施例的图片质量的确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,对确定的目标图片进行分块处理,得到N个分块图片,其中,N是大于1的自然数;
步骤S204,确定N个分块图片中每个分块图片中的各个特征的特征值;
步骤S206,确定N个分块图片中每个分块图片的权重,其中,每个分块图片的权重用于表示每个分块图片在目标图片中的重要程度;
步骤S208,利用每个分块图片中的各个特征的特征值和每个分块图片的权重确定出目标图片的质量。
通过上述步骤,由于对确定的目标图片进行分块处理,得到N个分块图片,其中,上述N是大于1的自然数;确定上述N个分块图片中每个分块图片中的各个特征的特征值;确定上述N个分块图片中每个分块图片的权重,其中,上述每个分块图片的权重用于表示上述每个分块图片在上述目标图片中的重要程度;利用上述每个分块图片中的各个特征的特征值和上述每个分块图片的权重确定出上述目标图片的质量。可以实现通过图片给的特征值和权重对图片的质量进行评价的目的。因此,可以解决对图片质量的评价不准确的问题,达到准确评价图片质量的效果。
可选地,上述步骤的执行主体可以为终端等,但不限于此。
可选地,步骤S204和步骤S206的执行顺序是可以互换的,即可以先执行步骤S206,然后再执行S204。
可选地,上述图片质量的确定方法可以但不限于应用于对相机拍摄的图片进行质量评价的过程中。在该场景中,目标图片的数量可以是一张,也可以是多张。
可选地,每个分块图片中的各个特征包括但不限于图片的亮度、锐度、对比度、饱和度、噪声等等。
可选地,在对目标图片进行分块处理的同时可以对预设图片进行分块处理,利用预设图片与目标图片进行比对对目标图片进行质量评价。图3是本实施例中的图片质量评价的流程图,如图3所示,包括以下步骤:
S301:目标图片输入,在本实施例中,目标图片输入的是对该目标图片进行处理的终端。
S302:图片分块,包括对目标图片的分块,也包括对预设图片的分块,分块的方式相同。
S303:判断对图片的分块是否叠加自定义选块,在本实施例中,自定义选块可以是用户对目标图片给的自定义的分块。
S304:如果未自定义选块,则将分块的图片的权重设置为1。
S305:如果自定义选块,则将分块的图片的权重设置为10,在本实施例中,自定义分块的权重大于非自定义分块的权重,充分考虑了主观因素。
S306:在对图片进行分块得到多个分块之后,可以以灰度均值为分割阈值,区分分块图片的亮度,可以将分块图片分为亮区和暗区。
S307:计算目标图片整体的亮度对比度指标。
S308:分别计算分块中的每个分块图片的锐度指标和噪声指标,并在锐度指标大于预设阈值的情况下,利用噪声指标对目标图片进行图片质量的评价。
S309:分别计算分块中的每个分块图片的噪声指标,并在噪声指标大于预设阈值的情况下,利用锐度指标对目标图片进行图片质量的评价。
S310:分别计算分块中的每个分块图片的饱和度指标。
S311:计算出每块的各项评价指标的得分,计算整体各项评价指标的平均得分。
S312:计算得分高的分块图片和得分低的分块图片的差值,按照所述差值计算客观评价得分。
S313:参考以上每个评价指标,利用预先准备好的评价标准进行主观评价。
S314:设定权重计算综合评价得分。
S315:判断目标图片是否优于预设图片。
S316:如果目标图片不优于预设图片,则结束评价。
S317:如果目标图片优于预设图片,则将目标图片替换预设图片。
通过本实施例,通过对目标图片进行分块处理,得到每个分块图片的特征值和权重值,结合特征值和权重值对目标图片的质量进行评价,从而可以准确的评价出图片的质量。
在一个可选的实施例中,对确定的目标图片进行分块处理,得到N个分块图片,包括:
S1,按照目标图片的分辨率对目标图片进行平均分块,得到N个分块图片;
S2,响应对目标图片的自定义分块,得到N个分块图片。
可选地,在本实施例中,可以将目标图片分成不同分辨率的区域。也可以接收用户自定义输入的分块准则。用户自定义的分块的权重大于平均分块的权重。
通过本实施例,利用自定义和平均分块的准则对目标图片进行分块,可以增加分块的灵活性。
在一个可选的实施例中,每个分块图片的特征包括以下至少之一:亮度,灰度对比度,锐度值,饱和度。
在本实施例中,通过以下步骤确定亮度:
S1,确定目标图片的第一灰度平均值,以及每个分块图片的第二灰度平均值;
S2,比较第一灰度平均值和第二灰度平均值;
S3,基于比较结果确定每个分块图片的亮度。
可选地,在本实施例中,可以计算出目标图片的整体亮度的平均值,作为亮度指标X0,并设定阈值T1,计算每个分块的亮度灰度均值L,若L>T1,则分块图片是亮块;反之,则是暗块。
通过本实施例,确定了分块图片的亮度,可以利用分块图片的亮度对目标图片的质量进行评价。
在本实施例中,通过以下步骤确定灰度对比度:
S1,确定每个分块图片的第一灰度直方图;
S2,去除第一灰度直方图中大于第一灰度值的像素点和小于第二灰度值的像素点,得到第二灰度直方图;
S3,利用以下公式确定每个分块图片的灰度对比度:灰度对比度=(maxLuma–minLuma)/(maxLuma+minLuma),其中,maxLuma是第二灰度直方图中大于第三灰度值的像素点的个数,minLuma是第二灰度直方图中小于第四灰度值的像素点的个数。
可选地,在本实施例中,去除第一灰度直方图中大于第一灰度值的像素点和小于第二灰度值的像素点,可以避免椒盐噪声的干扰。去除噪声的方式可以是在第一灰度直方图的前后截断a比例的直方图。
通过本实施例,通过去噪的方式确定每个分块图片的灰度对比度,可以更加准确的对目标图片进行质量评价。
在本实施例中,通过以下步骤确定锐度值:
可选地,在本实施例中,上述公式可以是分别计算亮块和暗块的邻域归一化梯度方差。
在本实施例中,通过以下步骤确定饱和度:
S1,确定每个分块图片的在各个颜色通道的颜色值以及每个分块图片的亮度值;
S2,将颜色值和亮度值的比值确定为每个分块图片的饱和度。
可选地,在本实施例中,各个颜色通道可以是uv通道。本实施例中将亮区和暗区的均值作为饱和度指标,可以适用于彩色图像,对目标图片从色域上进行对比评价。
在一个可选的实施例中,本实施例还包括:
S1,确定每个分块图片的亮度;
S2,在每个分块图片的亮度满足第一亮度的情况下,确定N个分块图片中每个分块图片中的各个特征的特征值包括:确定每个分块图片中的像素点在预设方向上的梯度值;将梯度值大于第一预设阈值的像素点确定为噪声点;按照噪声点所在的坐标计算出噪声点的噪声值;
S3,在每个分块图片的亮度满足第二亮度的情况下,确定N个分块图片中每个分块图片中的各个特征的特征值包括:确定每个分块区域中的平坦区域;计算平坦区域中的像素点在预设方向上的梯度值;将梯度值大于第二预设阈值的像素点确定为噪声点,其中,噪声点的噪声值是基于每个分块图片中的平坦区域的噪声平均值确定的;按照噪声点所在的坐标计算出噪声点的噪声值,其中,第一亮度的亮度值大于第二亮度的亮度值。
可选地,在本实施例中,第一亮度的分块图片可以是亮块,第二亮度的分块图片可以是暗块,可以将分别计算的亮块和暗块的噪声作为噪声指标。为了克服低照下大噪声的判决难的问题,采用手动选择平坦区域的方式,然后计算区域内的x方向和y方向的梯度,设定阈值T,判决G(x,y)>T2,则是极值点,统计为噪声,反之,则是平坦区域。
可选地,在本实施例中,第一预设阈值与第二预设阈值可以相等,也可以不相等。
在一个可选的实施例中,确定N个分块图片中每个分块图片的权重,包括:
S1,将N个分块图片中感兴趣区域所对应的图像分块确定为感兴趣分块图片;
S2,将感兴趣分块图片的权重设置为第二权重,将非感兴趣分块图片设置为第一权重,其中,第二权重大于第一权重。
可选地,在本实施例中,可以选择平均分块的网格数目,也允许人为选取感兴趣区域,设定平均分块的默认权重为1,自定义块的默认权重为10。
在一个可选的实施例中,利用每个分块图片中的各个特征的特征值和每个分块图片的权重确定出目标图片的质量,包括:
S1,利用各个特征的特征值确定出目标图片的客观评价值;
S2,通过以下公式确定出目标图片的综合评价值:综合评价值=p*F+(1-p)*G,其中,p是预设权重,F是客观评价值,G是主观评价值;
S3,利用综合评价值确定出目标图片的质量。
可选地,在本实施例中,各个特征包括但不限于上述中的各个分块图片的平均亮度、平均对比度、平均饱和度、平均锐度和平均噪声等等。结合主客观评价值对目标图片进行评价,可以更加准确的确定出目标图片的质量。
可选地,在本实施例中,主观评价值通过以下方式确定:利用每个分块图片的权重确定出目标图片的主观评价值。或者,用户输入的值。
可选地,利用每个分块图片的权重确定出目标图片的主观评价值,包括:
S1,确定每个分块图片中的各个特征的特征值的平均值;
S2,将与平均值对应的预设评价值确定为主观评价值。
可选地,在本实施例中,可以将主观自定义块的基础分值为10,优则+10分,否则+0分,按指标分别量化。
在一个可选的实施例中,利用各个特征的特征值确定出目标图片的客观评价值,包括:
S1,确定每个分块图片中的各个特征的特征值的和值,得到每个分块图片的第一和值;
S2,利用第一和值和每个分块图片的权重确定出每个分块图片的第二值;
S3,比较N个分块图片中的每个分块图片的第二值,得到N个分块图片中值最大的第M个分块图片,以及值最小的第P个分块图片;
S4,确定出第M个分块图片和第P个分块图片的值的差值,得到第一差值;
S5,将第一差值确定为客观评价值。
可选地,在本实施例中,N个分块图片的分数总共分为10分、1分和0分。5个特征的指标值综合为优的块分数为1分或者10分,否则为0;统计的是得分的和值,以及不得分的块数值,之间的差值。
可选地,可以将每块图片的基础分值设为1,优则+1分,否则+0分;为了避免噪声和锐度的相互干扰,设定一阈值T3,当锐度大于T3时,放弃锐度指标,只使用噪声指标,当锐度小于T时,放弃噪声指标,只使用锐度指标。
在一个可选的实施例中,在利用综合评价值确定出目标图片的质量之后,方法还包括:
S1,在综合评价值大于预设图片的综合评价值的情况下,将目标图片替换预设图片。
可选地,在本实施例中,在任意场景环境下,预设图片可以选取为各场景下不同时间段的彩色图像,如场景分为白天、夜晚、阴天、雨天、雾天、雪天等,时间段按小时划分,通过评价迭代更新,使得所有预选参考图像质量达到最佳。
通过本实施例,通过对目标图片和预设图片分别进行分块统计常用的几个维度的特征值,然后按块对比评价计算得分,并且人为干预选取图像交叉区域和感兴趣特征计算块,分值以块为单位,并增加自定义块的得分权重,最后在客观评价的各项整体平均指标基础上进行主观评价,设定权重比例混合主客观评价得分,这种主客观评价方式具有简便性、可靠性、实用性,能适合复杂的应用场景。
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。
在本实施例中还提供了一种图片质量的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的图片质量的确定装置的结构框图,如图4所示,该装置包括:
处理模块42,用于对确定的目标图片进行分块处理,得到N个分块图片,其中,N是大于1的自然数;
第一确定模块44,用于确定N个分块图片中每个分块图片中的各个特征的特征值;
第二确定模块46,用于确定N个分块图片中每个分块图片的权重,其中,每个分块图片的权重用于表示每个分块图片在目标图片中的重要程度;
第三确定模块48,用于利用每个分块图片中的各个特征的特征值和每个分块图片的权重确定出目标图片的质量。
在一个可选的实施例中,上述处理模块包括:
第一确定单元,用于按照目标图片的分辨率对目标图片进行平均分块,得到N个分块图片;
第二确定单元,用于响应对目标图片的自定义分块,得到N个分块图片。
在一个可选的实施例中,每个分块图片的特征包括以下至少之一:亮度,灰度对比度,锐度值,饱和度。
在一个可选的实施例中,上述装置还包括:
第三确定模块,用于在确定N个分块图片中每个分块图片中的各个特征的特征值之前,确定目标图片的第一灰度平均值,以及每个分块图片的第二灰度平均值;
比较模块,用于比较第一灰度平均值和第二灰度平均值;
第四确定模块,用于基于比较结果确定每个分块图片的亮度。
在一个可选的实施例中,上述第一确定模块,包括:
第三确定单元,用于确定每个分块图片的第一灰度直方图;
第四确定单元,用于去除第一灰度直方图中大于第一灰度值的像素点和小于第二灰度值的像素点,得到第二灰度直方图;
第五确定单元,用于利用以下公式确定每个分块图片的灰度对比度:灰度对比度=(maxLuma–minLuma)/(maxLuma+minLuma),其中,maxLuma是第二灰度直方图中大于第三灰度值的像素点的个数,minLuma是第二灰度直方图中小于第四灰度值的像素点的个数。
在一个可选的实施例中,上述第二确定模块包括:
在一个可选的实施例中,上述第二确定模块,包括:
第七确定单元,用于确定每个分块图片的在各个颜色通道的颜色值以及每个分块图片的亮度值;
第八确定单元,用于将颜色值和亮度值的比值确定为每个分块图片的饱和度。
在一个可选的实施例中,上述第二确定模块包括:
第九确定单元,用于确定每个分块图片的亮度;
第十确定单元,用于在每个分块图片的亮度满足第一亮度的情况下,通过以下方式确定N个分块图片中每个分块图片中的各个特征的特征值:确定每个分块图片中的像素点在预设方向上的梯度值;将梯度值大于第一预设阈值的像素点确定为噪声点;按照噪声点所在的坐标计算出噪声点的噪声值;
第十一确定单元,用于在每个分块图片的亮度满足第二亮度的情况下,通过以下方式确定N个分块图片中每个分块图片中的各个特征的特征值:确定每个分块区域中的平坦区域;计算平坦区域中的像素点在预设方向上的梯度值;将梯度值大于第二预设阈值的像素点确定为噪声点,其中,噪声点的噪声值是基于每个分块图片中的平坦区域的噪声平均值确定的;按照噪声点所在的坐标计算出噪声点的噪声值,其中,第一亮度的亮度值大于第二亮度的亮度值。
在一个可选的实施例中,上述第三确定模块包括:
第一设置单元,用于将N个分块图片中感兴趣区域所对应的图像分块确定为感兴趣分块图片;
第二设置单元,用于将感兴趣分块图片的权重设置为第二权重,将非感兴趣分块图片设置为第一权重,其中,第二权重大于第一权重。
在一个可选的实施例中,第三确定模块,包括:
第十一确定单元,用于利用各个特征的特征值确定出目标图片的客观评价值;
第十三确定单元,用于通过以下公式确定出目标图片的综合评价值:综合评价值=p*F+(1-p)*G,其中,p是预设权重,F是客观评价值,G是主观评价值;
第十四确定单元,用于利用综合评价值确定出目标图片的质量。
在一个可选的实施例中,上述第十一确定单元还用于确定每个分块图片中的各个特征的特征值的和值,得到每个分块图片的第一和值;利用第一和值和每个分块图片的权重确定出每个分块图片的第二值;比较N个分块图片中的每个分块图片的第二值,得到N个分块图片中值最大的第M个分块图片,以及值最小的第P个分块图片;确定出第M个分块图片和第P个分块图片的值的差值,得到第一差值;将第一差值确定为客观评价值。
在一个可选的实施例中,上述第十二确定单元还用于确定每个分块图片中的各个特征的特征值的平均值;将与平均值对应的预设评价值确定为主观评价值。
在一个可选的实施例中,上述装置还包括替换模块,用于在利用综合评价值确定出目标图片的质量之后,在综合评价值大于预设图片的综合评价值的情况下,将目标图片替换预设图片。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,对确定的目标图片进行分块处理,得到N个分块图片,其中,N是大于1的自然数;
S2,确定N个分块图片中每个分块图片中的各个特征的特征值;
S3,确定N个分块图片中每个分块图片的权重,其中,每个分块图片的权重用于表示每个分块图片在目标图片中的重要程度;
S4,利用每个分块图片中的各个特征的特征值和每个分块图片的权重确定出目标图片的质量。
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(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,对确定的目标图片进行分块处理,得到N个分块图片,其中,N是大于1的自然数;
S2,确定N个分块图片中每个分块图片中的各个特征的特征值;
S3,确定N个分块图片中每个分块图片的权重,其中,每个分块图片的权重用于表示每个分块图片在目标图片中的重要程度;
S4,利用每个分块图片中的各个特征的特征值和每个分块图片的权重确定出目标图片的质量。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种图片质量的确定方法,其特征在于,包括:
对确定的目标图片进行分块处理,得到N个分块图片,其中,所述N是大于1的自然数;
确定所述N个分块图片中每个分块图片中的各个特征的特征值;
确定所述N个分块图片中每个分块图片的权重,其中,所述每个分块图片的权重用于表示所述每个分块图片在所述目标图片中的重要程度;
利用所述每个分块图片中的各个特征的特征值和所述每个分块图片的权重确定出所述目标图片的质量。
2.根据权利要求1所述的方法,其特征在于,对确定的所述目标图片进行分块处理,得到所述N个分块图片,包括:
按照所述目标图片的分辨率对所述目标图片进行平均分块,得到所述N个分块图片;
响应对所述目标图片的自定义分块,得到所述N个分块图片。
3.根据权利要求1所述的方法,其特征在于,所述每个分块图片的特征包括以下至少之一:
亮度,灰度对比度,锐度值,饱和度。
4.根据权利要求1所述的方法,其特征在于,所述方法包括:
确定所述每个分块图片的亮度;
在所述每个分块图片的亮度满足第一亮度的情况下,确定所述N个分块图片中每个分块图片中的各个特征的特征值包括:确定所述每个分块图片中的像素点在预设方向上的梯度值;将梯度值大于第一预设阈值的像素点确定为噪声点;按照所述噪声点所在的坐标计算出所述噪声点的噪声值;
在所述每个分块图片的亮度满足第二亮度的情况下,确定所述N个分块图片中每个分块图片中的各个特征的特征值包括:确定所述每个分块区域中的平坦区域;计算所述平坦区域中的像素点在预设方向上的梯度值;将梯度值大于第二预设阈值的像素点确定为噪声点,其中,所述噪声点的噪声值是基于所述每个分块图片中的平坦区域的噪声平均值确定的;按照所述噪声点所在的坐标计算出所述噪声点的噪声值,其中,所述第一亮度的亮度值大于所述第二亮度的亮度值。
5.根据权利要求1所述的方法,其特征在于,确定所述N个分块图片中每个分块图片的权重,包括:
将所述N个分块图片中感兴趣区域所对应的图像分块确定为感兴趣分块图片;
将所述感兴趣分块图片的权重设置为第二权重,将非感兴趣分块图片设置为第一权重,其中,所述第二权重大于所述第一权重。
6.根据权利要求1所述的方法,其特征在于,利用所述每个分块图片中的各个特征的特征值和所述每个分块图片的权重确定出所述目标图片的质量,包括:
利用所述各个特征的特征值确定出所述目标图片的客观评价值;
通过以下公式确定出所述目标图片的综合评价值:综合评价值=p*F+(1-p)*G,其中,所述p是预设权重,所述F是客观评价值,所述G是主观评价值;
利用所述综合评价值确定出所述目标图片的质量。
7.根据权利要求6所述的方法,其特征在于,利用所述各个特征的特征值确定出所述目标图片的客观评价值,包括:
确定所述每个分块图片中的各个特征的特征值的和值,得到所述每个分块图片的第一和值;
利用所述第一和值和所述每个分块图片的权重确定出所述每个分块图片的第二值;
比较所述N个分块图片中的每个分块图片的第二值,得到所述N个分块图片中值最大的第M个分块图片,以及值最小的第P个分块图片;
确定出所述第M个分块图片和所述第P个分块图片的值的差值,得到第一差值;
将所述第一差值确定为所述客观评价值。
8.根据权利要求6所述的方法,其特征在于,在利用所述综合评价值确定出所述目标图片的质量之后,所述方法还包括:
在所述综合评价值大于预设图片的综合评价值的情况下,将所述目标图片替换所述预设图片。
9.一种图片质量的确定装置,其特征在于,包括:
处理模块,用于对确定的目标图片进行分块处理,得到N个分块图片,其中,所述N是大于1的自然数;
第一确定模块,用于确定所述N个分块图片中每个分块图片中的各个特征的特征值;
第二确定模块,用于确定所述N个分块图片中每个分块图片的权重,其中,所述每个分块图片的权重用于表示所述每个分块图片在所述目标图片中的重要程度;
第三确定模块,用于利用所述每个分块图片中的各个特征的特征值和所述每个分块图片的权重确定出所述目标图片的质量。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060292.3A CN111275681B (zh) | 2020-01-19 | 2020-01-19 | 图片质量的确定方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060292.3A CN111275681B (zh) | 2020-01-19 | 2020-01-19 | 图片质量的确定方法及装置、存储介质、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275681A true CN111275681A (zh) | 2020-06-12 |
CN111275681B CN111275681B (zh) | 2023-09-01 |
Family
ID=71001769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010060292.3A Active CN111275681B (zh) | 2020-01-19 | 2020-01-19 | 图片质量的确定方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275681B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006237676A (ja) * | 2005-02-22 | 2006-09-07 | Fuji Xerox Co Ltd | 画像評価方法および画像評価装置並びにプログラム |
JP2007304948A (ja) * | 2006-05-12 | 2007-11-22 | Kowa Co | 映像品質客観評価装置、及び映像品質客観評価方法 |
WO2011089994A1 (ja) * | 2010-01-22 | 2011-07-28 | ミツミ電機株式会社 | 画質制御装置、画質制御方法、及び画質制御プログラム |
CN102572502A (zh) * | 2010-12-17 | 2012-07-11 | 北京东方文骏软件科技有限责任公司 | 一种用于视频质量评价的关键帧的选取方法 |
CN103208097A (zh) * | 2013-01-29 | 2013-07-17 | 南京理工大学 | 图像多方向形态结构分组的主分量分析协同滤波方法 |
CN103871054A (zh) * | 2014-02-27 | 2014-06-18 | 华中科技大学 | 一种基于组合指标的图像分割结果定量评价方法 |
CN104103064A (zh) * | 2013-04-10 | 2014-10-15 | 无锡金帆钻凿设备股份有限公司 | 基于梯度相似度的无参考噪声图像质量评价方法 |
CN104243973A (zh) * | 2014-08-28 | 2014-12-24 | 北京邮电大学 | 基于感兴趣区域的视频感知质量无参考客观评价方法 |
JP2016017838A (ja) * | 2014-07-08 | 2016-02-01 | アズビル株式会社 | 画像検査装置および画像検査方法 |
US20160284100A1 (en) * | 2015-03-25 | 2016-09-29 | Tata Consultancy Services Limited | Computer implemented system and method for image texture determination |
CN106803246A (zh) * | 2016-12-05 | 2017-06-06 | 乐视控股(北京)有限公司 | 图像质量评价方法、装置及设备 |
JP2017156935A (ja) * | 2016-03-01 | 2017-09-07 | 日本テレビ放送網株式会社 | 画質評価装置、画質評価方法及びプログラム |
CN107481236A (zh) * | 2017-08-28 | 2017-12-15 | 方玉明 | 一种屏幕图像的质量评价方法 |
CN107784651A (zh) * | 2017-10-31 | 2018-03-09 | 中国矿业大学 | 一种基于模糊检测加权的模糊图像质量评价方法 |
CN108305222A (zh) * | 2018-01-04 | 2018-07-20 | 浙江大华技术股份有限公司 | 一种图像的降噪方法、装置、电子设备和存储介质 |
CN109242831A (zh) * | 2018-08-20 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 图像质量检测方法、装置、计算机设备和存储介质 |
WO2019057067A1 (zh) * | 2017-09-20 | 2019-03-28 | 众安信息技术服务有限公司 | 图像质量评估方法及装置 |
JP2019145974A (ja) * | 2018-02-20 | 2019-08-29 | 日本放送協会 | 超高精細映像に適した画質評価装置 |
CN110276284A (zh) * | 2019-06-11 | 2019-09-24 | 暨南大学 | 基于视频质量评估的火焰识别方法、装置、设备及存储介质 |
CN110378893A (zh) * | 2019-07-24 | 2019-10-25 | 北京市博汇科技股份有限公司 | 图像质量评价方法、装置和电子设备 |
-
2020
- 2020-01-19 CN CN202010060292.3A patent/CN111275681B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006237676A (ja) * | 2005-02-22 | 2006-09-07 | Fuji Xerox Co Ltd | 画像評価方法および画像評価装置並びにプログラム |
JP2007304948A (ja) * | 2006-05-12 | 2007-11-22 | Kowa Co | 映像品質客観評価装置、及び映像品質客観評価方法 |
WO2011089994A1 (ja) * | 2010-01-22 | 2011-07-28 | ミツミ電機株式会社 | 画質制御装置、画質制御方法、及び画質制御プログラム |
CN102572502A (zh) * | 2010-12-17 | 2012-07-11 | 北京东方文骏软件科技有限责任公司 | 一种用于视频质量评价的关键帧的选取方法 |
CN103208097A (zh) * | 2013-01-29 | 2013-07-17 | 南京理工大学 | 图像多方向形态结构分组的主分量分析协同滤波方法 |
CN104103064A (zh) * | 2013-04-10 | 2014-10-15 | 无锡金帆钻凿设备股份有限公司 | 基于梯度相似度的无参考噪声图像质量评价方法 |
CN103871054A (zh) * | 2014-02-27 | 2014-06-18 | 华中科技大学 | 一种基于组合指标的图像分割结果定量评价方法 |
JP2016017838A (ja) * | 2014-07-08 | 2016-02-01 | アズビル株式会社 | 画像検査装置および画像検査方法 |
CN104243973A (zh) * | 2014-08-28 | 2014-12-24 | 北京邮电大学 | 基于感兴趣区域的视频感知质量无参考客观评价方法 |
US20160284100A1 (en) * | 2015-03-25 | 2016-09-29 | Tata Consultancy Services Limited | Computer implemented system and method for image texture determination |
JP2017156935A (ja) * | 2016-03-01 | 2017-09-07 | 日本テレビ放送網株式会社 | 画質評価装置、画質評価方法及びプログラム |
CN106803246A (zh) * | 2016-12-05 | 2017-06-06 | 乐视控股(北京)有限公司 | 图像质量评价方法、装置及设备 |
CN107481236A (zh) * | 2017-08-28 | 2017-12-15 | 方玉明 | 一种屏幕图像的质量评价方法 |
WO2019057067A1 (zh) * | 2017-09-20 | 2019-03-28 | 众安信息技术服务有限公司 | 图像质量评估方法及装置 |
CN107784651A (zh) * | 2017-10-31 | 2018-03-09 | 中国矿业大学 | 一种基于模糊检测加权的模糊图像质量评价方法 |
CN108305222A (zh) * | 2018-01-04 | 2018-07-20 | 浙江大华技术股份有限公司 | 一种图像的降噪方法、装置、电子设备和存储介质 |
JP2019145974A (ja) * | 2018-02-20 | 2019-08-29 | 日本放送協会 | 超高精細映像に適した画質評価装置 |
CN109242831A (zh) * | 2018-08-20 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 图像质量检测方法、装置、计算机设备和存储介质 |
CN110276284A (zh) * | 2019-06-11 | 2019-09-24 | 暨南大学 | 基于视频质量评估的火焰识别方法、装置、设备及存储介质 |
CN110378893A (zh) * | 2019-07-24 | 2019-10-25 | 北京市博汇科技股份有限公司 | 图像质量评价方法、装置和电子设备 |
Non-Patent Citations (1)
Title |
---|
魏光杏;: "基于人类视觉特性和结构相似度图像评价方法", 怀化学院学报, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN111275681B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950723A (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
CN111310727B (zh) | 对象检测方法及装置、存储介质、电子装置 | |
CN109409377B (zh) | 图像中文字的检测方法及装置 | |
CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
CN110717058B (zh) | 信息推荐方法及装置、存储介质 | |
CN102867295A (zh) | 一种彩色图像颜色校正方法 | |
CN110967339A (zh) | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 | |
CN110599554A (zh) | 人脸肤色的识别方法和装置、存储介质及电子装置 | |
CN116188808B (zh) | 图像特征提取方法和系统、存储介质及电子设备 | |
CN111369486A (zh) | 一种图像融合处理方法及装置 | |
CN109286758A (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN110111347A (zh) | 图像标志提取方法、装置及存储介质 | |
CN113420871A (zh) | 图像质量的评估方法、装置、存储介质及电子装置 | |
US9940543B2 (en) | Control of computer vision pre-processing based on image matching using structural similarity | |
CN105959593A (zh) | 一种拍照设备的曝光方法及拍照设备 | |
CN113837202A (zh) | 特征点的提取方法、图像的重建方法及装置 | |
CN105872516A (zh) | 获取立体片源视差参数的方法及装置 | |
CN111311526B (zh) | 视频增强方法、视频增强装置及终端设备 | |
CN111833341A (zh) | 确定图像中条纹噪声的方法及装置 | |
CN112306243A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111275681B (zh) | 图片质量的确定方法及装置、存储介质、电子装置 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN109978889A (zh) | 一种图像处理方法、系统、装置、存储介质及黑板装置 | |
CN110827243B (zh) | 网格梁覆盖区域异常检测方法和装置 | |
CN113139563B (zh) | 一种图像分类模型的优化方法及装置 |
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 |