CN111861991A - 计算图像清晰度的方法以及装置 - Google Patents
计算图像清晰度的方法以及装置 Download PDFInfo
- Publication number
- CN111861991A CN111861991A CN202010527135.9A CN202010527135A CN111861991A CN 111861991 A CN111861991 A CN 111861991A CN 202010527135 A CN202010527135 A CN 202010527135A CN 111861991 A CN111861991 A CN 111861991A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- definition
- area
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000015654 memory Effects 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 28
- 238000011156 evaluation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001156002 Anthonomus pomorum Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
Abstract
本申请公开了一种计算图像清晰度的方法、装置、电子设备以及计算机可读存储介质，涉及图像处理技术领域。本申请在计算图像清晰度时所采用的实现方案为：获取待处理图像；确定所述待处理图像的第一清晰度；确定所述待处理图像中目标文字区域的面积占比；根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。本申请能够提升图像清晰度的计算准确性等。
Description
技术领域
本申请涉及计算机视觉技术领域，尤其涉及图像处理技术领域中的一种计算图像清晰度的方法、装置、电子设备以及计算机可读存储介质。
背景技术
在涉及图像质量的相关产品中，都会必不可少地对图像的清晰度进行计算。所计算清晰度的准确性，会直接影响图像整体质量的判定，进而影响产品整体质量的判定。
现有技术在进行图像清晰度的计算时，通常采用常规算法或者深度学习的方式进行计算。对于使用常规算法来计算图像清晰度的方式来说，其会将含有文字的图像的清晰度分数估计过高，使得包含不清晰字迹的图像会被当做高质量图像筛选出来；对于使用深度学习来计算图像清晰度的方式来说，计算步骤较为繁琐，且在计算清晰度时所需时间较长。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种计算图像清晰度的方法，包括：获取待处理图像；确定所述待处理图像的第一清晰度；确定所述待处理图像中目标文字区域的面积占比；根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。
本申请为解决技术问题所采用的技术方案是提供一种计算图像清晰度的装置，包括：获取单元，用于获取待处理图像；第一确定单元，用于确定所述待处理图像的第一清晰度；第二确定单元，用于确定所述待处理图像中目标文字区域的面积占比；处理单元，用于根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。
上述申请中的一个实施例具有如下优点或有益效果：本申请能够提升图像清晰度的计算准确性、简化图像清晰度的计算步骤、提升图像清晰度的计算速度。因为采用了结合待处理图像的第一清晰度与待处理图像中目标文字区域的面积占比的方式来获取清晰度计算结果的技术手段，所以克服了现有技术中无法准确快速地对含有文字的图像的清晰度进行计算的技术问题，实现了提升图像清晰度的计算准确性、简化图像清晰度的计算步骤、提升图像清晰度的计算速度的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3是用来实现本申请实施例的计算图像清晰度的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请第一实施例的示意图。如图1中所示，本实施例的计算图像清晰度的方法，具体可以包括如下步骤：
S101、获取待处理图像；
S102、确定所述待处理图像的第一清晰度；
S103、确定所述待处理图像中目标文字区域的面积占比；
S104、根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。
本实施例的计算图像清晰度的方法，通过结合图像的第一清晰度以及图像中所含文字的面积占比来获取图像的清晰度计算结果，能够提升图像清晰度的计算准确性。
本实施例获取的待处理图像为待计算清晰度的图像，该图像可以为用户通过终端设备所拍摄的图像，也可以为从互联网中所搜索得到的图像。优选地，本实施例所获取的待处理图像为含有文字的图像。
由于不同的待处理图像可能会有不同大小，为了避免图像大小影响清晰度的计算，本实施例在获取待处理图像之后，还可以将待处理图像转换为预设尺寸，其中该预设尺寸可以根据用户的实际需求进行设定。
本实施例在获取待处理图像之后，执行确定待处理图像的第一清晰度以及待处理图像中目标文字区域的面积占比的操作。其中，本实施例对确定第一清晰度与目标文字区域的面积占比的顺序不进行限定，也可以同时执行确定第一清晰度以及目标文字区域的面积占比的操作。
本实施例在确定待处理图像的第一清晰度时，可以使用基于梯度的清晰度评价函数(例如能量梯度函数、Tenengrad函数、Brenner函数、Laplacian函数等)、频域评价函数、基于信息熵的清晰度评价函数以及基于统计学的清晰度评价函数(Range函数、Vollaths函数)等函数来计算得到。本实施例采用现有的评价函数来确定待处理图像的第一清晰度，在此不进行赘述。
本实施例确定的待处理图像中目标文字区域的面积占比，用于表示待处理图像中包含文字的区域所占待处理图像的比例，具体为待处理图像中文字区域的面积与待处理图像的面积之间的比值。因此，本实施例所获取的待处理图像中包含的文字越多，则所确定的目标文字区域的面积占比就越大，反之则越小。
本实施例在确定待处理图像中目标文字区域的面积占比时，可以采用以下方式：识别待处理图像中携带有文字的区域作为目标文字区域；确定各目标文字区域的面积，由于图像中的目标文字区域通常具有较为规则的形状，因此通过测量各区域的长和宽即可获取各区域的面积；将各目标文字区域的面积之和与待处理图像的面积之间的比值，作为待处理图像中目标文字区域的面积占比。
其中，本实施例在识别待处理图像中携带有文字的区域时，可以采用以下方式：对待处理图像进行边缘检测，获取边缘检测结果；对边缘检测结果进行膨胀腐蚀操作之后，确定待处理图像中携带有文字的区域。本实施例也可以采用其它方式来识别待处理图像中携带有文字的区域，在此不进行赘述。
因此，本实施例将待处理图像中的全部携带有文字的区域作为目标文字区域，所确定的目标文字区域的面积占比即为待处理图像所包含的全部文字所占待处理图像的比例。
然而在实际应用中发现，图像中所含有的大文字通常是比较清晰的，其不会对图像的清晰度产生影响，而当图像中含有的小文字比较模糊时，则会极大地影响图像的清晰度。另外，若图像中某个区域所含有的文字数量过多时，也会对图像的清晰度产生影响。
为了进一步提升计算清晰度的准确性，本实施例在识别待处理图像中携带有文字的区域作为目标文字区域时，可以采用以下方式：识别待处理图像中携带有文字的区域作为候选文字区域；确定各候选文字区域对应的文字信息，所确定的文字信息可以为区域中的文字大小、文字数量等信息；选取文字信息满足预设要求的候选文字区域作为目标文字区域。
也就是说，本实施例通过选取待处理图像中的部分携带有文字的区域作为目标文字区域，能够避免对不影响图像清晰度的文字区域进行选取，从而节约计算资源，进一步提升了图像清晰度的计算准确性。
可以理解的是，本实施例在确定各候选文字区域对应的文字信息时，可以通过测量各区域的长和/或宽来获取。举例来说，通过区域的长能够得知该区域中所含有文字的数量，文字数量越多，区域的长就越大；通过区域的宽能够得知该区域所含有文字的大小，文字越大，区域的宽就越大。
另外，本实施例在选取文字信息满足预设要求的候选文字区域作为目标文字区域时，可以选取文字数量大于第一阈值的候选文字区域作为目标文字区域，也可以选取文字大小小于第二阈值的候选文字区域作为目标文字区域，还可以选取文字数量大于第一阈值且文字大小小于第二阈值的候选文字区域作为目标文字区域。
可以理解的是，若本实施例未能够获取待处理图像中目标文字区域的面积占比，例如待处理图像中未包含文字、所包含的文字较大或者所包含的文字数量较少，则本实施例可以直接将第一清晰度作为第二清晰度。
本实施例在分别确定了待处理图像的第一清晰度及其目标文字区域的面积占比之后，融合上述两个信息得到第二清晰度，从而输出所得到的第二清晰度作为待处理图像的清晰度计算结果，该清晰度计算结果能够更加准确地反映含有文字的图像的清晰度。
由于在使用常规算法计算图像的清晰度时，会过高地估计含有文字的图像的清晰度，从而会将含有不清晰字迹的图像作为具有高清晰度的图像筛选出来，这显然是不符合预期的。因此图像中含有文字的比例越高，会更加显著地影响图像的清晰度。
本实施例在根据第一清晰度以及面积占比计算第二清晰度时，可以将第一清晰度与目标文字区域的面积占比之间的比值，作为第二清晰度。也就是说，本实施例使用目标文字区域的面积占比来对第一清晰度进行更正，使得更正之后所得到的第二清晰度，能够更加准确地反映包含有文字的图像的清晰情况。
举例来说，若所确定的待处理图像的第一清晰度为C，所确定的目标文字区域的面积占比为R，则第二清晰度Q为(C/R)。
在直接将第一清晰度与目标文字区域的面积占比之间的比值作为第二函数时，可能会导致计算得到的第二清晰度的变化较为剧烈。为了避免第二清晰度与第一清晰度之间的差距过大，本实施例在根据第一清晰度以及面积占比计算第二清晰度时，还可以使用以下公式计算：
在公式中：Q表示第二清晰度；C表示第一清晰度；R表示目标文字区域的面积占比；θ以及σ表示超参数，可以由用户设置；min表示返回(eθ·R,σ)中的最小值。
采用本实施例的上述技术方案，通过结合待处理图像的第一清晰度与待处理图像中目标文字区域的面积占比的方式来获取清晰度计算结果，一方面能够对含有文字的图像的清晰度进行准确计算，另一方面由于完全采用了图像处理手段，相比于现有技术中使用深度学习的方式来获取含有文字的图像的清晰度，能够简化清晰度的计算步骤、提升清晰度的计算速度。
图2是根据本申请第二实施例的示意图。如图2中所示，本实施例的计算图像清晰度的装置，包括：
获取单元201、用于获取待处理图像；
第一确定单元202、用于确定所述待处理图像的第一清晰度；
第二确定单元203、用于确定所述待处理图像中目标文字区域的面积占比；
处理单元204、用于根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。
获取单元201获取的待处理图像为待计算清晰度的图像，该图像可以为用户通过终端设备所拍摄的图像，也可以为从互联网中所搜索得到的图像。优选地，获取单元201所获取的待处理图像为含有文字的图像。
由于不同的待处理图像可能会有不同大小，为了避免图像大小影响清晰度的计算，获取单元201在获取待处理图像之后，还可以将待处理图像转换为预设尺寸，其中该预设尺寸可以根据用户的实际需求进行设定。
获取单元201在获取待处理图像之后，由第一确定单元202以及第二确定单元203分别执行确定待处理图像的第一清晰度以及待处理图像中目标文字区域的面积占比的操作。其中，本实施例对第一确定单元202以及第二确定单元203的处理顺序不进行限定，第一确定单元202以及第二确定单元203也可以同时执行相应的确定操作。
第一确定单元202在确定待处理图像的第一清晰度时，可以使用基于梯度的清晰度评价函数(例如能量梯度函数、Tenengrad函数、Brenner函数、Laplacian函数等)、频域评价函数、基于信息熵的清晰度评价函数以及基于统计学的清晰度评价函数(Range函数、Vollaths函数)等函数来计算得到。第一确定单元202采用现有的评价函数来确定待处理图像的第一清晰度，在此不进行赘述。
第二确定单元203确定的待处理图像中目标文字区域的面积占比，用于表示待处理图像中包含文字的区域所占待处理图像的比例，具体为待处理图像中文字区域的面积与待处理图像的面积之间的比值。因此，第二确定单元203所获取的待处理图像中包含的文字越多，则所确定的目标文字区域的面积占比就越大，反之则越小。
第二确定单元203在确定待处理图像中目标文字区域的面积占比时，可以采用以下方式：识别待处理图像中携带有文字的区域作为目标文字区域；确定各目标文字区域的面积；将各目标文字区域的面积之和与待处理图像的面积之间的比值，作为待处理图像中目标文字区域的面积占比。
其中，第二确定单元203在识别待处理图像中携带有文字的区域时，可以采用以下方式：对待处理图像进行边缘检测，获取边缘检测结果；对边缘检测结果进行膨胀腐蚀操作之后，确定待处理图像中携带有文字的区域。第二确定单元203也可以采用其它方式来识别待处理图像中携带有文字的区域，在此不进行赘述。
因此，第二确定单元203将待处理图像中的全部携带有文字的区域作为目标文字区域，所确定的目标文字区域的面积占比即为待处理图像所包含的全部文字所占待处理图像的比例。
为了进一步提升计算清晰度的准确性，第二确定单元203在识别待处理图像中携带有文字的区域作为目标文字区域时，可以采用以下方式：识别待处理图像中携带有文字的区域作为候选文字区域；确定各候选文字区域对应的文字信息；选取文字信息满足预设要求的候选文字区域作为目标文字区域。
也就是说，第二确定单元203通过选取待处理图像中的部分携带有文字的区域作为目标文字区域，能够避免对不影响图像清晰度的文字区域进行选取，从而节约计算资源，进一步提升了图像清晰度的计算准确性。
可以理解的是，第二确定单元203在确定各候选文字区域对应的文字信息时，可以通过测量各区域的长和/或宽来获取。
另外，第二确定单元203在选取文字信息满足预设要求的候选文字区域作为目标文字区域时，可以选取文字数量大于第一阈值的候选文字区域作为目标文字区域，也可以选取文字大小小于第二阈值的候选文字区域作为目标文字区域，还可以选取文字数量大于第一阈值且文字大小小于第二阈值的候选文字区域作为目标文字区域。
可以理解的是，若第二确定单元203未能够获取待处理图像中目标文字区域的面积占比，例如待处理图像中未包含文字、所包含的文字较大或者所包含的文字数量较少，则处理单元203可以直接将第一清晰度作为第二清晰度。
本实施例在由第一确定单元202以及第二确定单元203分别确定了待处理图像的第一清晰度及其目标文字区域的面积占比之后，由处理单元204融合上述两个信息得到第二清晰度，从而输出所得到的第二清晰度作为待处理图像的清晰度计算结果，该清晰度计算结果能够更加准确地反映含有文字的图像的清晰度。
处理单元204在根据第一清晰度以及面积占比计算第二清晰度时，可以将第一清晰度与目标文字区域的面积占比之间的比值，作为第二清晰度。也就是说，处理单元204使用目标文字区域的面积占比来对第一清晰度进行更正，使得更正之后所得到的第二清晰度，能够更加准确地反映包含有文字的图像的清晰情况。
在直接将第一清晰度与目标文字区域的面积占比之间的比值作为第二函数时，可能会导致计算得到的第二清晰度的变化较为剧烈。为了避免第二清晰度与第一清晰度之间的差距过大，处理单元204在根据第一清晰度以及面积占比计算第二清晰度时，还可以使用以下公式计算：
在公式中：Q表示第二清晰度；C表示第一清晰度；R表示目标文字区域的面积占比；θ以及σ表示超参数，可以由用户设置；min表示返回(eθ·R,σ)中的最小值。
根据本申请的实施例，本申请还提供了一种电子设备和一种计算机可读存储介质。
如图3所示，是根据本申请实施例的计算图像清晰度的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示，该电子设备包括：一个或多个处理器301、存储器302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的计算图像清晰度的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的计算图像清晰度的方法。
存储器302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的计算图像清晰度的方法对应的程序指令/模块(例如，附图2所示的获取单元201、第一确定单元202、第二确定单元203以及处理单元204)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的计算图像清晰度的方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据的电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至计算图像清晰度的方法的电子设备。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。
计算图像清晰度的方法的电子设备还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息，以及产生与计算图像清晰度的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过结合待处理图像的第一清晰度与待处理图像中目标文字区域的面积占比的方式来获取清晰度计算结果，一方面能够对含有文字的图像的清晰度进行准确计算，另一方面由于完全采用了图像处理手段，相比于现有技术中使用深度学习的方式来获取含有文字的图像的清晰度，能够简化清晰度的计算步骤、提升清晰度的计算速度。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种计算图像清晰度的方法，包括：
获取待处理图像；
确定所述待处理图像的第一清晰度；
确定所述待处理图像中目标文字区域的面积占比；
根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。
2.根据权利要求1所述的方法，还包括，
在获取待处理图像之后，将所述待处理图像转换为预设尺寸。
3.根据权利要求1所述的方法，其中，所述确定所述待处理图像中目标文字区域的面积占比包括：
识别所述待处理图像中携带有文字的区域作为目标文字区域；
确定各目标文字区域的面积；
将各目标文字区域的面积之和与所述待处理图像的面积之间的比值，作为所述待处理图像中目标文字区域的面积占比。
4.根据权利要求3所述的方法，其中，所述识别所述待处理图像中携带有文字的区域作为目标文字区域包括：
识别所述待处理图像中携带有文字的区域作为候选文字区域；
确定各候选文字区域对应的文字信息；
选取文字信息满足预设要求的候选文字区域作为所述目标文字区域。
5.根据权利要求1所述的方法，其中，所述根据所述第一清晰度以及所述面积占比计算第二清晰度包括：
将所述第一清晰度以及所述面积占比之间的比值，作为所述第二清晰度。
6.一种计算图像清晰度的装置，包括：
获取单元，用于获取待处理图像；
第一确定单元，用于确定所述待处理图像的第一清晰度；
第二确定单元，用于确定所述待处理图像中目标文字区域的面积占比；
处理单元，用于根据所述第一清晰度以及所述面积占比计算第二清晰度，输出所述第二清晰度作为所述待处理图像的清晰度计算结果。
7.根据权利要求6所述的装置，所述获取单元还用于，
在获取待处理图像之后，将所述待处理图像转换为预设尺寸。
8.根据权利要求6所述的装置，其中，所述第二确定单元在确定所述待处理图像中目标文字区域的面积占比时，具体执行：
识别所述待处理图像中携带有文字的区域作为目标文字区域；
确定各目标文字区域的面积；
将各目标文字区域的面积之和与所述待处理图像的面积之间的比值，作为所述待处理图像中目标文字区域的面积占比。
9.根据权利要求8所述的装置，其中，所述第二确定单元在识别所述待处理图像中携带有文字的区域作为目标文字区域时，具体执行：
识别所述待处理图像中携带有文字的区域作为候选文字区域；
确定各候选文字区域对应的文字信息；
选取文字信息满足预设要求的候选文字区域作为所述目标文字区域。
10.根据权利要求6所述的装置，其中，所述处理单元在根据所述第一清晰度以及所述面积占比计算第二清晰度时，具体执行：
将所述第一清晰度以及所述面积占比之间的比值，作为所述第二清晰度。
11.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010527135.9A CN111861991A (zh) | 2020-06-11 | 2020-06-11 | 计算图像清晰度的方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010527135.9A CN111861991A (zh) | 2020-06-11 | 2020-06-11 | 计算图像清晰度的方法以及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111861991A true CN111861991A (zh) | 2020-10-30 |
Family
ID=72987799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010527135.9A Pending CN111861991A (zh) | 2020-06-11 | 2020-06-11 | 计算图像清晰度的方法以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861991A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643260A (zh) * | 2021-08-13 | 2021-11-12 | 北京百度网讯科技有限公司 | 用于检测图像质量的方法、装置、设备、介质和产品 |
| CN114926464A (zh) * | 2022-07-20 | 2022-08-19 | 平安银行股份有限公司 | 在双录场景下的图像质检方法、图像质检装置及系统 |
| CN116563299A (zh) * | 2023-07-12 | 2023-08-08 | 之江实验室 | 医学图像筛选方法、装置、电子装置和存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101419661A (zh) * | 2007-10-26 | 2009-04-29 | 国际商业机器公司 | 基于图像中的文本进行图像显示的方法和系统 |
| CN103177249A (zh) * | 2011-08-22 | 2013-06-26 | 富士通株式会社 | 图像处理装置和图像处理方法 |
| EP2645697A2 (en) * | 2012-03-30 | 2013-10-02 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and method |
| CN105513067A (zh) * | 2015-12-03 | 2016-04-20 | 小米科技有限责任公司 | 一种图像清晰度检测方法及装置 |
| CN108648189A (zh) * | 2018-05-15 | 2018-10-12 | 北京五八信息技术有限公司 | 图像模糊检测方法、装置、计算设备及可读存储介质 |
| CN108921798A (zh) * | 2018-06-14 | 2018-11-30 | 北京微播视界科技有限公司 | 图像处理的方法、装置及电子设备 |
| CN110162286A (zh) * | 2019-05-17 | 2019-08-23 | 维沃移动通信有限公司 | 一种图片显示方法及终端 |
| CN110175980A (zh) * | 2019-04-11 | 2019-08-27 | 平安科技（深圳）有限公司 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
| CN110555433A (zh) * | 2018-05-30 | 2019-12-10 | 北京三星通信技术研究有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN111080595A (zh) * | 2019-12-09 | 2020-04-28 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
| CN111178347A (zh) * | 2019-11-22 | 2020-05-19 | 京东数字科技控股有限公司 | 证件图像的模糊度检测方法、装置、设备及存储介质 |
-
2020
- 2020-06-11 CN CN202010527135.9A patent/CN111861991A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101419661A (zh) * | 2007-10-26 | 2009-04-29 | 国际商业机器公司 | 基于图像中的文本进行图像显示的方法和系统 |
| CN103177249A (zh) * | 2011-08-22 | 2013-06-26 | 富士通株式会社 | 图像处理装置和图像处理方法 |
| EP2645697A2 (en) * | 2012-03-30 | 2013-10-02 | Brother Kogyo Kabushiki Kaisha | Image processing apparatus and method |
| CN105513067A (zh) * | 2015-12-03 | 2016-04-20 | 小米科技有限责任公司 | 一种图像清晰度检测方法及装置 |
| CN108648189A (zh) * | 2018-05-15 | 2018-10-12 | 北京五八信息技术有限公司 | 图像模糊检测方法、装置、计算设备及可读存储介质 |
| CN110555433A (zh) * | 2018-05-30 | 2019-12-10 | 北京三星通信技术研究有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN108921798A (zh) * | 2018-06-14 | 2018-11-30 | 北京微播视界科技有限公司 | 图像处理的方法、装置及电子设备 |
| CN110175980A (zh) * | 2019-04-11 | 2019-08-27 | 平安科技（深圳）有限公司 | 图像清晰度识别方法、图像清晰度识别装置及终端设备 |
| CN110162286A (zh) * | 2019-05-17 | 2019-08-23 | 维沃移动通信有限公司 | 一种图片显示方法及终端 |
| CN111178347A (zh) * | 2019-11-22 | 2020-05-19 | 京东数字科技控股有限公司 | 证件图像的模糊度检测方法、装置、设备及存储介质 |
| CN111080595A (zh) * | 2019-12-09 | 2020-04-28 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (1)
| Title |
|---|
| 孙越;栾晓明;赵芳;: "一种改进的图像清晰度评价函数", 应用科技, no. 09, 5 September 2009 (2009-09-05) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643260A (zh) * | 2021-08-13 | 2021-11-12 | 北京百度网讯科技有限公司 | 用于检测图像质量的方法、装置、设备、介质和产品 |
| CN114926464A (zh) * | 2022-07-20 | 2022-08-19 | 平安银行股份有限公司 | 在双录场景下的图像质检方法、图像质检装置及系统 |
| CN116563299A (zh) * | 2023-07-12 | 2023-08-08 | 之江实验室 | 医学图像筛选方法、装置、电子装置和存储介质 |
| CN116563299B (zh) * | 2023-07-12 | 2023-09-26 | 之江实验室 | 医学图像筛选方法、装置、电子装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11694461B2 (en) | Optical character recognition method and apparatus, electronic device and storage medium | |
| US11710215B2 (en) | Face super-resolution realization method and apparatus, electronic device and storage medium | |
| CN110659600B (zh) | 物体检测方法、装置及设备 | |
| CN111861991A (zh) | 计算图像清晰度的方法以及装置 | |
| CN111462174B (zh) | 多目标跟踪方法、装置以及电子设备 | |
| CN111797745A (zh) | 一种物体检测模型的训练及预测方法、装置、设备及介质 | |
| CN110796191B (zh) | 轨迹分类方法及装置 | |
| CN111191619A (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
| CN111784757A (zh) | 深度估计模型的训练方法、深度估计方法、装置及设备 | |
| CN111353419A (zh) | 图像比对方法、装置、电子设备及存储介质 | |
| CN111507924A (zh) | 视频帧的处理方法和装置 | |
| CN111178137A (zh) | 检测真实人脸方法、装置、电子设备以及计算机可读存储介质 | |
| CN112508964B (zh) | 图像分割方法、装置、电子设备和存储介质 | |
| CN111275827B (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
| CN111177479B (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
| CN111696134A (zh) | 一种目标检测方法、装置以及电子设备 | |
| CN111814651A (zh) | 车道线的生成方法、装置和设备 | |
| CN110798681A (zh) | 成像设备的监测方法、装置和计算机设备 | |
| CN111510376B (zh) | 图像处理方法、装置及电子设备 | |
| CN112541934B (zh) | 一种图像处理方法及装置 | |
| CN112150380B (zh) | 校正图像的方法、装置、电子设备和可读存储介质 | |
| CN111339344B (zh) | 室内图像检索方法、装置及电子设备 | |
| CN110728721B (zh) | 外参的获取方法、装置和设备 | |
| CN112381877A (zh) | 定位融合、室内定位方法、装置、设备及介质 | |
| CN112183484A (zh) | 一种图像处理方法、装置、设备以及存储介质 |
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 |