CN111986144A - 一种图像模糊判断方法、装置、终端设备及介质 - Google Patents
一种图像模糊判断方法、装置、终端设备及介质 Download PDFInfo
- Publication number
- CN111986144A CN111986144A CN202010649587.4A CN202010649587A CN111986144A CN 111986144 A CN111986144 A CN 111986144A CN 202010649587 A CN202010649587 A CN 202010649587A CN 111986144 A CN111986144 A CN 111986144A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- convolution kernel
- detected
- diffusion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000009792 diffusion process Methods 0.000 claims abstract description 110
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 21
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 208000036828 Device occlusion Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
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
本申请适用于图像处理技术领域,提供了一种图像模糊判断方法、装置、终端设备及介质,所述方法包括:当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;根据所述扩散值,判断所述待检测图像是否模糊。通过上述方法,可以直接判断单张图像是否模糊。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种图像模糊判断方法、装置、终端设备及介质。
背景技术
摄像机使用过程中,可能会由于聚焦失败或设备被遮挡导致图像模糊。在进行图像处理时,一般需要先判断图像是否模糊。
目前主要有两种方法判断图像是否模糊。一种是对连续帧图像进行判断,当图像的清晰度相对于之前帧图像清晰度变差,则认为该图像模糊。另外一种方法是对当前图像,计算其协方差,当计算结果小于指定阈值时,认为图像模糊。第一种判断方法需要参考之前帧图像的清晰度,对于单独一张图像无法直接判断其是否模糊。第二种方法是通过计算图像灰度值协方差,利用阈值判断图像是否清晰,当图像中细节较少时,会被当成是模糊的图像;当图像细节很多,但是轻度模糊时,会被判断成是清晰的图像。
发明内容
本申请实施例提供了一种图像模糊判断方法、装置、终端设备及介质,可以直接判断单张图像是否模糊且准确率较高。
第一方面,本申请实施例提供了一种图像模糊判断方法,包括:
当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;
根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
根据所述扩散值,判断所述待检测图像是否模糊。
第二方面,本申请实施例提供了一种图像模糊判断装置,包括:
边缘像素值计算模块,用于当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;
扩散值计算模块,用于根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
判断模块,用于根据所述扩散值,判断所述待检测图像是否模糊。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中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述第一方面所述的方法。
第四方面,本申请实施例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述第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中所述的方法。
本申请实施例与现有技术相比存在的有益效果是:在本申请实施例中,当接收到待检测图像时,可以采用预设的多个卷积核对待检测图像进行卷积计算;分别计算得到每个卷积核对应的待检测图像中每个像素点的边缘像素值,边缘像素值可以反映出图像中每个像素点的弥散圆的扩散情况;然后根据每个像素点的边缘像素值,确定每个卷积核所对应的弥散圆的扩散值;再根据各个卷积核对应的扩散值,判断图像是否模糊。在本申请实施例中,通过计算待检测图像中像素的弥散圆的扩散情况,来判断待检测图像是否模糊,方法直接,且不需要其他参考图像和其他参考阈值,可以直接判断出单张图像是否模糊,准确率较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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是本申请实施例一提供的一种图像模糊判断方法的流程示意图;
图2(a)为本申请实施例一提供的一种5*5的卷积核的示意图;
图2(b)为本申请实施例一提供的一种9*9的卷积核的示意图;
图2(c)为本申请实施例一提供的一种13*13的卷积核的示意图
图3是本申请实施例二提供的一种图像模糊判断方法的流程示意图;
图4是本申请实施例三提供的一种图像模糊判断方法的流程示意图;
图5是本申请实施例四提供的一种图像模糊判断装置的结构示意图;
图6是本申请实施例五提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1是本申请实施例一提供的一种图像模糊判断方法的流程示意图,如图1所示,所述方法包括:
S101,当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;
本申请实施例提供的方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmentedreality,AR)/虚拟现实(virtualreality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer,UMPC)、上网本、个人数字助理(personaldigitalassistant,PDA)、摄像机等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
上述待检测图像为需要进行模糊判断的图像,可以为摄像机拍到的一张图片,也可以为视频帧中的一帧图像。
在对待检测图像进行模糊判断时,可以先将待检测图像转化为灰度图像,然后获取图像中每个像素点的灰度值。再根据图像大小选择合适的多个卷积核,分别对待检测图像进行卷积计算。在进行卷积计算时,可以采用待检测图像中每个像素点的灰度值进行计算。
具体地,采用待检测图像中每个像素点的灰度值进行卷积计算得到每个像素点的边缘像素值。边缘像素值f的计算公式可以为:
f=(|f(x,y)-f(x-r,y)|+|f(x,y)-f(x+r,y)|+|f(x,y)-f(x,y-r)|+|f(x,y)-f(x,y+r)|)/4
其中,f(x,y)表示坐标为(x,y)的像素点的灰度值,r表示卷积核的半径。例如,卷积核可以为5*5、9*9和13*13,对应的卷积核半径分别为2、4、6,卷积核半径的单位可以与像素点的坐标单位一致。T为阈值,用于过滤低频噪声干扰,默认值为8,也可以自由设置。图2(a)为一种5*5的卷积核的示意图;图2(b)为一种9*9的卷积核的示意图;图2(c)为一种13*13的卷积核的示意图。
相当于,对于每个像素点而言,以该像素点为中心,分别以不同的半径画圆,然后对于每一个圆,计算该像素点相对于该圆周上的像素点的灰度值的变化情况。
S102,根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
具体地,根据每个像素点的边缘像素值,确定每个卷积核对应的弥散圆的扩散值。
具体地,获取待检测图像的像素点个数n,对于每一个卷积核,计算图像中各个像素点的边缘像素值之和sum,并计算sum与n的比值,该比值即为每个卷积核对应的扩散值。可以将5*5、9*9和13*13的卷积核计算得到的扩散值分别记录为s5,s9和s13。
S103,根据所述扩散值,判断所述待检测图像是否模糊。
具体地,将每个卷积核对应的扩散值进行相互比较,判断图像是否模糊。当图像的卷积核比较小时,图像相对来说是更为清晰的,因此可以将其作为一个参考。例如可以将采用5*5的卷积核所计算得到的扩散值作为参考值,然后将采用9*9和13*13的卷积核得到的扩散值与参考值进行比较。
示例性地,将s5作为参考标准,进行比较,判断公式可以如下:
上述判断公式中,t为判断阈值,默认为0.1,也可以自由调整。因为一般情况下,即便是对于清晰图像,采用较大的核半径计算出的扩散值大于采用小的卷积核计算得到的扩散值,因此设置判断阈值,可以提高图像模糊判断的准确性。
另外,对于分辨率较大的图片,可以选择更大的卷积核再次进行卷积计算,然后将多次卷积的结果进行比较,从而判断图像是否模糊。
在本实施例中,通过卷积计算得到图像中像素弥散圆的扩散情况,从而根据弥散圆的扩散情况对图像进行模糊判断,在判断过程中,不需要参考图片;判断过程中设置判断阈值,提高了判断的准确率;另外,针对于分辨率不同的图像,可以选择不同数量和不同大小的卷积核来进行卷积计算,从而读取图像中更多的细节信息,提高图像模糊判断的准确率。
图3是本申请实施例二提供的一种图像模糊判断方法的流程示意图,如图3所示,所述方法包括:
S301,从所述待检测图像中依次选择目标像素点,并获取所述目标像素点的灰度值;
本申请实施例提供的方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmentedreality,AR)/虚拟现实(virtualreality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer,UMPC)、上网本、个人数字助理(personaldigitalassistant,PDA)、摄像机等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
在对待检测图像进行处理时,需要对图像中的每个像素点进行计算,当前正在进行计算的像素点即为目标像素点。
具体地,可以将待检测图像转化为灰度图像,获取每个像素点的灰度值;也可以获取每个像素点的RGB值,然后根据RGB值计算每个像素点的灰度值。
S302,确定所述目标像素点周围的多个周围像素点,并获取所述多个周围像素点的灰度值;
具体地,以目标像素点为中心,将与目标像素点的距离为卷积核半径的像素点作为周围像素点。例如,卷积核半径为2,目标像素点的坐标为(5,5),则可以将坐标为(5,3)、(5,7),(3,5),(7,5)的各个像素点作为目标像素点的周围像素点。然后获取这些坐标对应的周围像素点的灰度值。
选择周围像素点时,可以只选择上下左右四个方位的4个周围像素点,也可以在以目标像素点为中心,卷积核半径为半径的圆上,选择多个周围像素点。
S303,分别计算所述目标像素点的灰度值与所述多个周围像素点的灰度值的差值,计算所述差值的绝对值的和;将所述绝对值的和除以所述多个周围像素点的个数得到所述目标像素点与各个周围像素点的灰度值的离散值;
具体地,计算目标像素点的灰度值与每一个周围像素点的灰度值的差值,然后取这些差值的绝对值,将其相加,得到和,再将和除以周围像素点的个数,得到离散值。
S304,根据所述离散值,确定所述目标像素点的边缘像素值;
具体地,图像中一般存在低频噪声干扰,低频噪声干扰会影响像素弥散圆的扩散情况,为了过滤低频噪声干扰,可以设置一个阈值,当离散值大于或等于该阈值时,目标像素点的边缘像素值为该离散值;当离散值小于该阈值时,可以认为该目标像素点的弥散圆的扩散来自于干扰,将边缘像素值的值记为0。
S305,根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
具体地,将每个卷积核对应计算的待检测图像中每个像素点的边缘像素值相加,除以像素点个数,得到的平均值记为每个卷积核对应的弥散圆的扩散值。
S306,分别将所述第二卷积核对应的扩散值、所述第三卷积核对应的扩散值与所述第一卷积核对应的扩散值进行比较;
具体地,第一卷积核、第二卷积核和第三卷积核可以为分别为5*5、9*9、13*13的卷积核,可以用S5、S9、S13分别表示对应的扩散值。第一卷积核对应的弥散圆的扩散情况比较小,因此可以将第一卷积核对应的扩散值作为参考值,将第二卷积核对应的扩散值、第三卷积核对应的扩散值分别与参考值进行比较,来判断图像的弥散圆的扩散情况。
S307,若所述第二卷积核对应的扩散值大于所述第一卷积核对应的扩散值,且所述第三卷积核对应的扩散值大于预设比例的所述第一卷积核对应的扩散值,则判定所述待检测图像是模糊图像;
当S9>S5,且S13>(1+t)*S5,表明待检测图像的扩散情况比较明显,图像模糊。t为判断阈值,可以自由设置,默认为0.1。
S308,若所述第一卷积核对应的扩散值、所述第二卷积核对应的扩散值和所述第三卷积核对应的扩散值均为0,则判定所述待检测图像是模糊图像。
若采用各个卷积核得到的图像的扩散值均为0,则该图像为模糊图像。
具体地,将S9、S13分别与S5比较,判断公式可以为:
其中,t为一个判断阈值,默认为0.1,可以自由设置。
例如,分别对4张图像进行模糊判断,其中,得到的扩散值分别为:
图a的S5、S9、S13的值分别:95.2,94.1,95.8;
图b的S5、S9、S13的值分别:43.7,52.7,57.2;
图c的S5、S9、S13的值分别:43.6,45.5,51.5;
图d的S5、S9、S13的值分别:0,0,0。
则根据S307和S308对应的判断公式可以判断出图a清楚,图b、图c和图d均模糊。
在本实施例中,根据图像的大小,选取多个卷积核对图像进行卷积计算,得到不同卷积核对应的扩散值,再采用多个扩散值判断图像是否模糊,判断过程不需要其他参考图片,单张图片可以直接判断出图像是否模糊;且在卷积计算过程中采用了一个阈值,过滤了低频噪声干扰,提高了判断的准确性;对于清晰图像而言,不同的核半径对应的扩散值可能存在差距,本实施例在判断过程使用了一个判断阈值,避免了这种本来存在的差距造成的影响,提高了判断的准确性。
图4是本申请实施例三提供的一种图像模糊判断方法的流程示意图,如图4所示,所述方法包括:
S401,从所述待检测图像中依次选择目标像素点,并获取所述目标像素点的灰度值;
本申请实施例提供的方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmentedreality,AR)/虚拟现实(virtualreality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer,UMPC)、上网本、个人数字助理(personaldigitalassistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
具体地,采用每一个卷积核,对图像中的每一个像素点进行处理。正在进行卷积计算的像素点为目标像素点。
S402,针对任一卷积核,以所述目标像素点为中心,将与所述目标像素点之间的距离等于所述卷积核的核半径的多个像素点确定为周围像素点,并获取所述多个周围像素点的灰度值;
具体地,对于每一个卷积核,选取以目标像素点为中心,以卷积核半径为半径的圆上的多个像素点作为周围像素点,并获取各个周围像素点的灰度值。在选取周围像素点时,可以选取目标像素点上下左右四个方位的四个像素点作为周围像素点。
在一种可能的实现方式中,可以选取目标像素点上下左右四个方位的四个像素点作为周围像素点。当目标像素点位于边缘部分时,可能只能选取3个周围像素点,此时,可以将目标像素点所在的一行或一列补充在图像的边缘部分,然后再选取周围像素点。当然,也可以直接采用该目标像素点的灰度值作为第4个周围像素点的灰度值来进行计算。
在另一种可能的实现方式中,由于位于边缘部分的像素点对图像模糊度的影响不大,可以不对边缘部分的像素点进行计算。
S403,分别计算所述目标像素点的灰度值与所述多个周围像素点的灰度值的差值,计算所述差值的绝对值的和;将所述绝对值的和除以所述多个周围像素点的个数得到所述目标像素点与各个周围像素点的灰度值的离散值;
本实施例的S403与上述S303步骤相似,可以相互参考,不再赘述。
S404,若所述离散值大于或等于预设阈值,则确定所述目标像素点的边缘像素值等于所述离散值;
具体地,图像中一般存在低频噪声干扰,低频噪声干扰会影响像素弥散圆的扩散情况,为了过滤低频噪声干扰,可以设置一个阈值,当离散值大于或等于该阈值时,目标像素点的边缘像素值为该离散值。
S405,若所述离散值小于所述预设阈值,则确定所述目标像素点的边缘像素值等于0;
具体地,当离散值小于该阈值时,可以认为该像素点的弥散圆的扩散来自于干扰,将目标像素点的边缘像素值记为0。
S406,获取所述待检测图像中的像素点个数;
具体地,因为待检测图像中包括多个像素点,为了表示整个待检测图像中的弥散圆的扩散情况,可以选取边缘像素值的平均值来作为扩散值。为了求平均值,需要先获取图像中的像素点个数。
S407,针对任一卷积核,计算所述卷积核对应的每个像素点的边缘像素值的和;
具体地,针对于每个卷积核,将图像中每个像素点的边缘像素值相加,得到边缘像素值的和。
S408,计算所述卷积核对应的每个像素点的边缘像素值的和与所述像素点个数的比值,将所述比值作为所述卷积核对应的扩散值;
对于每一个卷积核,将待检测图像中的各个像素点的边缘像素值之和与像素点的比值,作为每个卷积核对应的扩散值。
S409,根据所述扩散值,判断所述待检测图像是否模糊。
本实施例的S409与上述S103步骤相似,可以相互参考,不再赘述。
本实施例中,通过卷积计算得到图像中像素弥散圆的扩散情况,从而根据弥散圆的扩散情况对图像进行模糊判断,在判断过程中,不需要参考图片,可以直接根据图像本身判断其是否模糊。
图5是本申请实施例四提供的一种图像模糊判断装置的结构示意图,如图5所示,所述装置5包括:
边缘像素值计算模块51,用于当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;
扩散值计算模块52,用于根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
判断模块53,用于根据所述扩散值,判断所述待检测图像是否模糊。
上述边缘像素值计算模块51包括:
目标像素点选择子模块,用于从所述待检测图像中依次选择目标像素点,并获取所述目标像素点的灰度值;
周围像素点选择子模块,用于确定所述目标像素点周围的多个周围像素点,并获取所述多个周围像素点的灰度值;
离散值确定子模块,用于分别计算所述目标像素点的灰度值与所述多个周围像素点的灰度值的差值,计算所述差值的绝对值的和;将所述绝对值的和除以所述多个周围像素点的个数得到所述目标像素点与各个周围像素点的灰度值的离散值;
边缘像素值确定子模块,用于根据所述离散值,确定所述目标像素点的边缘像素值。
上述装置5中,所述多个卷积核分别具有相应的核半径,上述周围像素点选择子模块包括:
周围像素点确定单元,用于针对任一卷积核,以所述目标像素点为中心,将与所述目标像素点之间的距离等于所述卷积核的核半径的多个像素点确定为周围像素点。
上述边缘像素值计算模块51还包括:
补充子模块,用于将所述待检测图像中的至少一行或至少一列像素点补充为所述待检测图像的新的边缘。
上述边缘像素值确定子模块包括:
第一确定单元,用于若所述离散值大于或等于预设阈值,则确定所述目标像素点的边缘像素值等于所述离散值;
第二确定单元,用于若所述离散值小于所述预设阈值,则确定所述目标像素点的边缘像素值等于0。
上述扩散值计算模块52包括:
像素点个数获取子模块,用于获取所述待检测图像中的像素点个数;
第一计算子模块,用于针对任一卷积核,计算所述卷积核对应的每个像素点的边缘像素值的和;
第二计算子模块,用于计算所述卷积核对应的每个像素点的边缘像素值的和与所述像素点个数的比值,将所述比值作为所述卷积核对应的扩散值。
上述装置5中,所述多个卷积核包括第一卷积核、第二卷积核和第三卷积核;上述判断模块53包括:
比较子模块,用于分别将所述第二卷积核对应的扩散值、所述第三卷积核对应的扩散值与所述第一卷积核对应的扩散值进行比较;
第一判断子模块,用于若所述第二卷积核对应的扩散值大于所述第一卷积核对应的扩散值,且所述第三卷积核对应的扩散值大于预设比例的所述第一卷积核对应的扩散值,则判定所述待检测图像是模糊图像;或者,
第二判断子模块,用于若所述第一卷积核对应的扩散值、所述第二卷积核对应的扩散值和所述第三卷积核对应的扩散值与均为0,则判定所述待检测图像是模糊图像。
图6为本申请实施例五提供的一种终端设备的结构示意图。如图6所示,该实施例的终端设备6包括:至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62,所述处理器60执行所述计算机程序62时实现上述任意各个方法实施例中的步骤。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的举例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(CentralProcessingUnit,CPU),该处理器60还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请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存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其他的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像模糊判断方法,其特征在于,包括:
当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;
根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
根据所述扩散值,判断所述待检测图像是否模糊。
2.如权利要求1所述的方法,其特征在于,所述当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值,包括:
从所述待检测图像中依次选择目标像素点,并获取所述目标像素点的灰度值;
确定所述目标像素点周围的多个周围像素点,并获取所述多个周围像素点的灰度值;
分别计算所述目标像素点的灰度值与所述多个周围像素点的灰度值的差值,计算所述差值的绝对值的和;将所述绝对值的和除以所述多个周围像素点的个数得到所述目标像素点与各个周围像素点的灰度值的离散值;
根据所述离散值,确定所述目标像素点的边缘像素值。
3.如权利要求2所述的方法,其特征在于,所述多个卷积核分别具有相应的核半径,所述确定所述目标像素点周围的多个周围像素点,包括:
针对任一卷积核,以所述目标像素点为中心,将与所述目标像素点之间的距离等于所述卷积核的核半径的多个像素点确定为周围像素点。
4.如权利要求3所述的方法,其特征在于,若所述目标像素点在所述待检测图像的边缘,在针对任一卷积核,以所述目标像素点为中心,将与所述目标像素点之间的距离等于所述卷积核的核半径的多个像素点确定为周围像素点,之前,所述方法还包括:
将所述待检测图像中的至少一行或至少一列像素点补充为所述待检测图像的新的边缘。
5.如权利要求2或3或4任一项所述的方法,其特征在于,所述根据所述离散值,确定所述目标像素点的边缘像素值,包括:
若所述离散值大于或等于预设阈值,则确定所述目标像素点的边缘像素值等于所述离散值;
若所述离散值小于所述预设阈值,则确定所述目标像素点的边缘像素值等于0。
6.如权利要求5所述的方法,其特征在于,所述根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值,包括:
获取所述待检测图像中的像素点个数;
针对任一卷积核,计算所述卷积核对应的每个像素点的边缘像素值的和;
计算所述卷积核对应的每个像素点的边缘像素值的和与所述像素点个数的比值,将所述比值作为所述卷积核对应的扩散值。
7.如权利要求1-4或6任一项所述的方法,其特征在于,所述多个卷积核包括第一卷积核、第二卷积核和第三卷积核;所述根据所述扩散值,判断所述待检测图像是否模糊,包括:
分别将所述第二卷积核对应的扩散值、所述第三卷积核对应的扩散值与所述第一卷积核对应的扩散值进行比较;
若所述第二卷积核对应的扩散值大于所述第一卷积核对应的扩散值,且所述第三卷积核对应的扩散值大于预设比例的所述第一卷积核对应的扩散值,则判定所述待检测图像是模糊图像;或者,
若所述第一卷积核对应的扩散值、所述第二卷积核对应的扩散值和所述第三卷积核对应的扩散值均为0,则判定所述待检测图像是模糊图像。
8.一种图像模糊判断装置,其特征在于,包括:
边缘像素值计算模块,用于当接收到待检测图像时,采用预设的多个卷积核对所述待检测图像进行卷积计算,分别获得与每个卷积核对应的所述待检测图像中每个像素点的边缘像素值;
扩散值计算模块,用于根据所述每个像素点的边缘像素值,确定与每个卷积核对应的弥散圆的扩散值;
判断模块,用于根据所述扩散值,判断所述待检测图像是否模糊。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010649587.4A CN111986144B (zh) | 2020-07-08 | 2020-07-08 | 一种图像模糊判断方法、装置、终端设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010649587.4A CN111986144B (zh) | 2020-07-08 | 2020-07-08 | 一种图像模糊判断方法、装置、终端设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986144A true CN111986144A (zh) | 2020-11-24 |
CN111986144B CN111986144B (zh) | 2024-06-14 |
Family
ID=73439194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010649587.4A Active CN111986144B (zh) | 2020-07-08 | 2020-07-08 | 一种图像模糊判断方法、装置、终端设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986144B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712499A (zh) * | 2020-12-28 | 2021-04-27 | 合肥联宝信息技术有限公司 | 一种物体检测方法、装置以及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6798910B1 (en) * | 2001-05-17 | 2004-09-28 | The United States Of America As Represented By The Secretary Of The Air Force | Self-optimizing edge detection in blurred, high-noise images |
US20100111438A1 (en) * | 2008-11-04 | 2010-05-06 | Electronics And Telecommunications Research Institute | Anisotropic diffusion method and apparatus based on direction of edge |
CN110378943A (zh) * | 2019-06-21 | 2019-10-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN110458790A (zh) * | 2018-05-03 | 2019-11-15 | 优酷网络技术(北京)有限公司 | 一种图像检测方法、装置及计算机存储介质 |
CN111311686A (zh) * | 2020-01-15 | 2020-06-19 | 浙江大学 | 一种基于边缘感知的投影仪失焦校正方法 |
-
2020
- 2020-07-08 CN CN202010649587.4A patent/CN111986144B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6798910B1 (en) * | 2001-05-17 | 2004-09-28 | The United States Of America As Represented By The Secretary Of The Air Force | Self-optimizing edge detection in blurred, high-noise images |
US20100111438A1 (en) * | 2008-11-04 | 2010-05-06 | Electronics And Telecommunications Research Institute | Anisotropic diffusion method and apparatus based on direction of edge |
CN110458790A (zh) * | 2018-05-03 | 2019-11-15 | 优酷网络技术(北京)有限公司 | 一种图像检测方法、装置及计算机存储介质 |
CN110378943A (zh) * | 2019-06-21 | 2019-10-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN111311686A (zh) * | 2020-01-15 | 2020-06-19 | 浙江大学 | 一种基于边缘感知的投影仪失焦校正方法 |
Non-Patent Citations (1)
Title |
---|
陈华华;鲍宗袍;: "强边缘导向的盲去模糊算法", 中国图象图形学报, no. 08, 16 August 2017 (2017-08-16) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712499A (zh) * | 2020-12-28 | 2021-04-27 | 合肥联宝信息技术有限公司 | 一种物体检测方法、装置以及计算机可读存储介质 |
CN112712499B (zh) * | 2020-12-28 | 2022-02-01 | 合肥联宝信息技术有限公司 | 一种物体检测方法、装置以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111986144B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107403421B (zh) | 一种图像去雾方法、存储介质及终端设备 | |
CN109146855B (zh) | 一种图像摩尔纹检测方法、终端设备及存储介质 | |
CN109005368B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN111383186B (zh) | 一种图像处理方法、装置及终端设备 | |
CN109215037B (zh) | 目标图像分割方法、装置及终端设备 | |
CN112102164B (zh) | 一种图像处理方法、装置、终端及存储介质 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN109286758B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
US20220343520A1 (en) | Image Processing Method and Image Processing Apparatus, and Electronic Device Using Same | |
CN111131688B (zh) | 一种图像处理方法、装置及移动终端 | |
CN111290684B (zh) | 图像显示方法、图像显示装置及终端设备 | |
CN111654637B (zh) | 对焦方法、对焦装置及终端设备 | |
CN111461998A (zh) | 一种环境重建方法及装置 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN113920022A (zh) | 一种图像优化方法、装置、终端设备及可读存储介质 | |
CN114493988A (zh) | 一种图像虚化方法、图像虚化装置及终端设备 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111340722B (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
CN111986144B (zh) | 一种图像模糊判断方法、装置、终端设备及介质 | |
CN109886864B (zh) | 隐私遮蔽处理方法及装置 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN112055961B (zh) | 拍摄方法、拍摄装置及终端设备 | |
CN111062922B (zh) | 一种翻拍图像的判别方法、系统及电子设备 | |
CN114323585B (zh) | 批量计算调制传递函数的方法、电子设备及存储介质 | |
CN111970451B (zh) | 图像处理方法、图像处理装置及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |