CN112017163A - 图像模糊度检测的方法、装置、电子设备及存储介质 - Google Patents
图像模糊度检测的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112017163A CN112017163A CN202010826810.8A CN202010826810A CN112017163A CN 112017163 A CN112017163 A CN 112017163A CN 202010826810 A CN202010826810 A CN 202010826810A CN 112017163 A CN112017163 A CN 112017163A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- blocks
- block
- representative
- 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
- 238000001514 detection method Methods 0.000 title claims description 31
- 238000012216 screening Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 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
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
- G06T7/13—Edge 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
-
- 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)
- Image Processing (AREA)
Abstract
本发明实施例涉及图像处理领域,公开了一种图像模糊度检测的方法、装置、电子设备及存储介质。本发明中的图像模糊度检测的方法,包括:将待检测图像划分为至少两个第一图像块;根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块;根据第一代表图像块,获取待检测图像的图像模糊度。采用本实施例中的方法,能够客观、准确地检测出图像的图像模糊度。
Description
技术领域
本发明实施例涉及图像处理领域,特别涉及一种图像模糊度检测的方法、装置、电子设备及存储介质。
背景技术
图像模糊度是衡量图像质量的重要部分,图像模糊度的评价方法通常分为主观评价方法和客观评价方法。主观评价方法是人为根据主观感受进行的评价。客观评价法中根据对原始参考图像的参考程度,可分为全参考型、半参考型、和无参考型。无参考型图像模糊度评价方法是直接对失真图像进行模糊度评价的方法,没有原始的参考图像。
目前的无参考型图像的模糊度检测方法,通常是通过对原图像进行模糊处理生成参考图像,根据原图像与参考图像的像素方差值变量来判断原图模糊度。原图像越模糊,其与参考图像像素方差值越接近。
发明人发现相关技术中至少存在如下问题:若原图像中含有水印、局部高光或者局部虚化等情况时,容易出现将模糊的图像检测为清晰图像或者将清晰图像检测为模糊图像,导致模糊度的检测不准确的问题。例如,若图像A为模糊图像,在图像A中包含水印,由于水印为清晰图像,采用无参考图像的模糊检测方法时,图像A和模糊处理后的参考图像之间的像素方差值差别大,将图像A被判定为清晰图像,导致对图像模糊度的检测不准确。
发明内容
本发明实施方式的目的在于提供一种图像模糊度检测的方法、装置、电子设备及存储介质,能够客观、准确地检测出图像的图像模糊度。
为解决上述技术问题,本发明的实施方式提供了一种图像模糊度检测的方法,包括:将待检测图像划分为至少两个第一图像块;根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块;根据第一代表图像块,获取待检测图像的图像模糊度。
本发明的实施方式还提供了一种图像模糊度检测的装置,包括:划分模块、筛除模块以及获取模块;划分模块用于将待检测图像划分为至少两个第一图像块;筛除模块用于根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块;获取模块根据第一代表图像块,获取待检测图像的图像模糊度。
本发明的是实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的图像模糊度检测的方法。
本发明的是实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的图像模糊度检测的方法。
本发明实施方式相对于现有技术而言,将待检测图像划分为至少两个第一图像块,从至少两个第一图像块中筛除了属于干扰类型的第一图像块,得到第一代表图像块,根据该第一代表图像块,获取待检测图像的图像模糊度,由于先从第一图像块中筛除了干扰类型的第一图像块,提高了第一代表图像块中的有效信息,降低了干扰信息对图像模糊度的干扰,进而提高了检测图像模糊度的准确性;另外由于不是基于整个待检测图像获取图像模糊度,而是根据获取的第一代表图像块获取图像模糊度,提高了获取图像模糊度的速度。
另外,将待检测图像划分为至少两个第一图像块,包括:根据预设的尺寸信息划分待检测图像,获得至少两个第一图像块。不同的待检测图像的尺寸大小不同,第一图像块的尺寸大小相同,可以统一图像模糊度的标准,进一步提高检测图像模糊度的准确度。
另外,将待检测图像划分为至少两个第一图像块,包括:根据预设个数划分待检测图像,获得预设个数的第二图像块,预设个数为大于1的整数;根据筛除策略从预设个数的第二图像块中筛除属于干扰类型的第二图像块,获得第二代表图像块;针对每个第二代表图像块进行如下处理:根据预设的尺寸信息划分第二代表图像块,获得至少两个第一图像块。经过两次图像块的划分,从第二图像块中先进行一次筛除,先筛除了部分属于干扰类型的图像块,减少了干扰信息,提高了检测图像模糊度的准确性;另外,针对每个第二代表图像块进行第二次划分,且按照固定尺寸划分,使得后续得到的第一图像块的大小一样,从而可以统一图像模糊度的标准,使得对待检测图像的图像模糊度检测更加客观。
另外,筛除策略包括:获取本次待筛除处理的待处理图像块;获取每个待处理图像块的像素方差值;根据每个像素方差值的数值大小,获取数值处于中间的K个所述像素方差值对应的待处理图像块,筛除本次中其它待处理图像块,K为大于0的整数。由于像素方差值的大小可以反应属于干扰类型的图像块,例如,若待处理图像块中含有水印图像,那么该待处理图像块中的像素方差值将大于没有水印的图像块的像素方差值,基于此原理,获取像素方差值的数值处于中间的K个像素方差值对应的待处理图像块,筛除其它的待处理图像块,可以快速筛除属于干扰类型的图像块;该方法使得筛除属于干扰类型的图像块的速度快且准确。
另外,根据第一代表图像块,获取待检测图像的图像模糊度,包括:对待检测图像进行模糊处理,生成参考图像;从参考图像中截取与第一代表图像块对应的参考图像块;根据第一代表图像块和参考图像块,获取每个第一代表图像块的像素梯度幅值;根据第一代表图像块的像素梯度幅值以及预设的获取策略,获取待检测图像的图像模糊度。由于像素梯度幅值获取的是相邻像素之间的像素差值,相比采用像素方差值的方式可以更好的反映出待检测图像的边缘轮廓信息,边缘轮廓信息与图像模糊度相关,从而可以进一步提高检测的图像模糊度的准确性。
另外,获取策略表示为:
其中,所述G(x,y)表示所述第一代表图像块的各像素梯度幅值,G'(x,y)为参考图像块的各像素梯度幅值,S1表示各第二代表图像块组成的集合,S2为各第一代表图像块组成的集合,B表示图像模糊度,B∈(0,1],ε为预设值。
另外,将待检测图像划分为至少两个第一图像块之前,还包括:判断待检测图像是否属于单通道灰度图像的类型,若不是,则将所述待检测图像的类型转换为单通道灰度图像的类型。当待检测图像属于多通道图像的类型时,将该待检测图像的类型转换为单通道灰度图像的类型,可以减少颜色对图像模糊度的检测的干扰,提高检测图像模糊度的准确性。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施例提供的一种图像模糊度检测的方法的流程图;
图2是根据本发明第二实施例提供的一种图像模糊度检测的方法的流程图;
图3是根据本发明第三实施例提供的一种图像模糊度检测的方法的流程图;
图4是根据本发明第四实施例提供的一种图像模糊度检测的装置的结构示意图;
图5是根据本发明第五实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
发明人发现图像的图像模糊度直接影响图像检测的准确性,因而筛选过滤模糊图像是保证图像检测准确有效的条件。目前通常采用无参考型图像的模糊度检测方法,该方法是对原始图像进行模糊处理,生成参考图像,计算原始图像与参考图像的像素方差值判断原始图像的图像模糊度。原图像越模糊,其与参考图像像素方差值越接近。其中,像素方差值的可以采用公式(1)和公式(2):
在家宽装维过程中,一般要求操作员拍摄家宽装维的图像,并针对图像进行检测以判断家宽装维质量;而由于装维设备所处环境较差、容易出现光线不足、拍摄角度、距离受限等情况,导致拍摄的图像不可避免的引入了干扰图像,如背景虚化、局部高光等图像。若使用目前的图像模糊度的检测方法,很容易将目标清晰的图像误判为模糊的图像。另外,若图像中含有水印图像,去除水印的方式需要水印模板相同,而往往图像中的水印是不同的,导致无法采用统一的方式去除水印图像;其由于水印为清晰的图像,采用目前的图像模糊度检测方法,会将本为模糊的图像判定为清晰图像,导致检测图像模糊度的检测结果错误。
本发明的第一实施方式涉及一种图像模糊度检测的方法。其流程如图1所示:
步骤101:将待检测图像划分为至少两个第一图像块。
步骤102:根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块。
步骤103:根据第一代表图像块,获取待检测图像的图像模糊度。
本发明实施方式相对于现有技术而言,将待检测图像划分为至少两个第一图像块,从至少两个第一图像块中筛除了属于干扰类型的第一图像块,得到第一代表图像块,根据该第一代表图像块,获取待检测图像的图像模糊度,由于先从第一图像块中筛除了干扰类型的第一图像块,提高了第一代表图像块中的有效信息,降低了干扰信息对图像模糊度的干扰,进而提高了检测图像模糊度的准确性;另外由于不是基于整个待检测图像获取图像模糊度,而是根据获取的第一代表图像块获取图像模糊度,提高了获取图像模糊度的速度。
本发明的第二实施方式涉及一种图像模糊度检测的方法。第二实施方式是对第一实施方式的具体介绍,该图像模糊度检测的方法可以应用于电子设备,例如,图像检测设备、服务器等。其流程如图2所示。
步骤201:根据预设的尺寸信息划分待检测图像,获得至少两个第一图像块。
在一个例子中,判断待检测图像是否属于单通道灰度图像的类型,若不是,则将待检测图像的类型转换为单通道灰度图像的类型。
具体地,判断该待检测图像是否属于单通道灰度图像的类型,例如,可以判断单个像素点的颜色是否为单通道颜色,若不是,则表明该待检测图像属于多通道彩色图像的类型。可以将待检测图像的类型转换为单通道灰度图像的类型,例如,可以采用RGB图像灰度化公式实现转换,如公式(3)所示:
L=0.2989=R+0.5870·G+0.1140·B 公式(3);
值得一提的是,采用单通道灰度图像可以减少后续的获取图像模糊度的难度,减少颜色对图像模糊度的干扰,同时还保留了图像的主要特征。
对单通道灰度图像的类型的待检测图像进行划分,可以根据预设的尺寸信息划分待检测图像,预设的尺寸信息可以根据实际应用场景中的图像确定得到,例如,可以根据实际处理图像的尺寸决定,若图像尺寸均较为接近1080*1080P,那么预设的尺寸可以为较小,如60*60P。
值得一提的是,不同的待检测图像的尺寸大小不同,第一图像块的尺寸大小相同,可以统一图像模糊度的标准,进一步提高检测图像模糊度的准确度。
步骤202:根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块。
具体地,属于干扰类型的图像块可以包括以下的任意组合:含有水印的图像块、局部高光的图像块或含有虚化区域的图像块。
发明人发现图像含有水印的图像块的像素方差值比正常图像块的像素方差值大;而含有高光或含有虚化区域的图像块的像素方差值比正常图像块的像素方差值小,本示例中正常图像块是指无水印、无高光以及无虚化区域的图像块。基于发明人的发现,本示例中提出了筛除策略,用于筛除属于干扰类型的图像块。
在一个例子中,筛除策略包括:获取本次待筛除处理的待处理图像块;获取每个待处理图像块的像素方差值;根据每个像素方差值的数值大小,获取数值处于中间的K个像素方差值对应的待处理图像块,筛除本次中其它待处理图像块,K为大于0的整数。
具体地,预设的筛除策略中,可以获取本次待筛除处理的待处理图像块,例如,本次筛除处理是从第一图像块中筛除属于干扰类型的第一图像块,那么将划分得到的第一图像块作为本次的待筛除处理的待处理图像块。获取每个待处理图像块中的像素方差值,像素方差值的计算可以采用如公式(4)和公式(5):
其中,k表示第k个待处理图像块,k=1,2,……N,N大于2的整数,表示待处理图像块的数目。δk 2表示第k个待处理图像块的像素方差值;Lk(i,j)表示第k个待处理图像块中第(i,j)个像素点的像素值;表示第k个待处理图像块的像素均值,其中,待处理图像块的大小为h×w。
根据每个像素方差值的数值大小,获取数值处于中间的K个像素方差值对应的待处理图像块,筛除本次中其它待处理图像块,可以有多种方式,例如,可以将获取的N个待处理图像块的像素方差值的分布直方图或者将N个待处理图像块的像素方差值进行排序,获取像素方差值的数值处于中间位置的K个像素方差值,获取该K个像素方差值对应的待处理图像块,将本次中除获取的K个像素方差值之外的其它N-K个像素方差值对应的待处理图像块删除,K为大于0的整数。
下面以一个具体例子介绍从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块的过程。
例如,预设的尺寸信息为P*Q,根据该尺寸信息将待检测图像划分为N个第一图像块,其中,P和Q均为大于0的整数。根据公式(4)和公式(5)计算每一个第一图像块的像素方差值,将获取的N个像素方差值的分布直方图,选取该分布直方图中处于中间的K个像素方差值;获取该K个像素方差值对应的第一图像块作为第一代表图像块,将分布在该分布直方图中的边缘位置的其它的N-K个第一图像块删除。
步骤203:根据第一代表图像块,获取待检测图像的图像模糊度。
在一个例子中,对待检测图像进行模糊处理,生成参考图像;从参考图像中截取与第一代表图像块对应的参考图像块;根据第一代表图像块和参考图像块,获取每个第一代表图像块的像素梯度幅值;根据第一代表图像块的像素梯度幅值以及预设的获取策略,获取待检测图像的图像模糊度。
具体地,对待检测图像进行灰度图像模糊平滑处理,生成参考图像,模糊处理是对待检测图像起到低通滤波的作用,若待检测图像越清晰,高频的细节信息越多,待检测图像通过低通滤波生成的参考图像丢失的信息越多。模糊处理的方式有多种,例如,可以采用高斯模糊的方式。高斯模糊是通过取待处理的像素的周边若干个像素值经不同权重相加计算为该像素的新像素值,可以采用公式(6);
其中,I(i,j)表示为像素点(i,j)滤波前的像素值,O(i,j)表是为像素点(i,j)滤波后的像素值,S为X×Y大小的权重矩阵。权重计算可以通过高斯函数获得,二维高斯函数可以如公式(7)所示:
其中,S(x,y)表示周边像素点对应的权重,x,y表示周边像素点对中心像素点的相对坐标,σ表示模糊半径。
通过第一代表图像块在待检测图像中的坐标,可以从参考图像中截取与该第一代表图像块对应的参考图像块。
可以获取各第一图像代表块与参考图像块的像素梯度幅值。像素梯度幅值大小代表像素值变化情况,可以用来表示相对模糊度。本示例中利用索贝尔(Sobel operator,简称“sobel”)算子的横向模板Mx和纵向模块My分别计算不同方向的像素差分值,横向模板Mx表示为:
纵向模板My表示为:
设各像素点的横向、纵向差分值为Dx和Dy,该像素点的梯度幅值表示为公式(10);
根据第一代表图像块的像素梯度幅值以及预设的获取策略,获取待检测图像的图像模糊度。获取策略可以为:
其中,G(x,y)表示第一代表图像块的各像素梯度幅值,G'(x,y)表示参考图像块的各像素梯度幅值,S2为各第一代表图像块组成的集合,B∈(0,1],B越大则图像模糊度越高,ε为预设的极小值,用于防止特殊情况下分目为0的情况,故本示例中ε取值0.0001。
通过本实施方式中的图像模糊度检测的方法,由于像素梯度幅值获取的是相邻像素之间的像素差值,相比采用像素方差值的方式可以更好的反映出待检测图像的边缘轮廓信息,边缘轮廓信息与图像模糊度相关,从而可以进一步提高检测的图像模糊度的准确性。
本发明第三实施方式涉及一种图像模糊度检测的方法,第三实施方式是对第二实施方式中的进一步改进,主要改进之处在于:本第三实施方式中,经过两次划分获取到第一图像块。其流程如图3所示。
步骤301:根据预设个数划分待检测图像,获得预设个数的第二图像块,预设个数为大于1的整数。
具体地,预设个数可以为N*M个,N和M均为大于1的整数。按照预设个数划分待检测图像,获得预设个数的第二图像块。
步骤302:根据筛除策略从预设个数的第二图像块中筛除属于干扰类型的第二图像块,获得第二代表图像块。
具体地,筛除策略与第二实施方式中的筛除策略一致,筛除策略包括:获取本次待筛除处理的待处理图像块;获取每个待处理图像块的像素方差值;根据每个像素方差值的数值大小,获取数值处于中间的K个像素方差值对应的待处理图像块,筛除本次中其它待处理图像块,K为大于0的整数。
筛除策略中可以获取本次待筛除处理的待处理图像块,本次筛除处理是从预设个数的第二图像块中筛除属于干扰类型的第二图像块,那么将预设个数的第二图像块作为本次的待筛除处理的待处理图像块。
下面以一个具体例子介绍根据筛除策略从预设个数的第二图像块中筛除属于干扰类型的第二图像块,获得第二代表图像块的过程。
例如,预设个数为N*N,将待检测图像划分为N*N个第二图像块,假设第二图像块的大小为h×w,可以采用公式(4)和公式(5)计算各第二图像块的像素方差值。将获取的N*N个像素方差值的分布直方图(本示例中还可以采用排序的方式),选取该分布直方图中处于中间的K个像素方差值;获取该K个像素方差值对应的第二图像块作为第二代表图像块,将分布在该分布直方图中的边缘位置的其它的N*N-K个第二图像块删除。
步骤303:针对每个第二代表图像块进行如下处理:根据预设的尺寸信息划分第二代表图像块,获得至少两个第一图像块。
具体地,预设的尺寸信息为P*Q,根据该尺寸信息划分第二代表图像块,得到至少两个第一图像块,其中,P和Q均为大于0的整数。
步骤304:根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块。
步骤304与步骤202大致相同,此处不再赘述。
步骤305:根据第一代表图像块,获取待检测图像的图像模糊度。
具体地,该步骤与第二实施方式中的步骤203类似。对待检测图像进行模糊处理,生成参考图像;从参考图像中截取与第一代表图像块对应的参考图像块;根据第一代表图像块和参考图像块,获取每个第一代表图像块的像素梯度幅值;根据第一代表图像块的像素梯度幅值以及预设的获取策略,获取待检测图像的图像模糊度。
本示例中,采用高斯模糊的方式对待检测图像进行模糊处理。其中,本示例中,获取策略表示为:
其中,所述G(x,y)表示第一代表图像块的各像素梯度幅值,G'(x,y)为参考图像块的各像素梯度幅值,S1表示各第二代表图像块组成的集合,S2为各第一代表图像块组成的集合,B表示图像模糊度,B∈(0,1],B越大则图像模糊度越高,ε为预设的极小值,用于防止特殊情况下分目为0的情况,故本示例中ε取值0.0001。
本实施例提供的图像模糊度检测的方法,经过两次图像块的划分,从第二图像块中先进行一次筛除,先筛除了部分属于干扰类型的图像块,减少了干扰信息,提高了检测图像模糊度的准确性;另外,针对每个第二代表图像块进行第二次划分,且按照固定尺寸划分,使得后续得到的第一图像块的大小一样,从而可以统一图像模糊度的标准,使得对待检测图像的图像模糊度检测更加客观。
本发明第四实施方式涉及一种图像模糊度检测的装置,其结构框图如图4所示,图像模糊度检测的装置包括:划分模块401、筛除模块402以及获取模块403。划分模块401用于将待检测图像划分为至少两个第一图像块;筛除模块402用于根据预设的筛除策略从至少两个第一图像块中筛除属于干扰类型的第一图像块,获得待检测图像的第一代表图像块;获取模块403根据第一代表图像块,获取待检测图像的图像模糊度。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明第五实施方式涉及一种电子设备,其结构框图如图5所示,包括:至少一个处理器501;以及,与至少一个处理器通501信连接的存储器502;其中,存储器502存储有可被至少一个处理器501执行的指令,指令被至少一个处理器501执行,以使至少一个处理器501能够执行上述的图像模糊度检测的方法。
其中,存储器502和处理器501采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器501和存储器502的各种电路链接在一起。总线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它电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,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它装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器501负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其它控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第六实施方式涉及一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的图像模糊度检测的方法。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种图像模糊度检测的方法,其特征在于,包括:
将待检测图像划分为至少两个第一图像块;
根据预设的筛除策略从至少两个所述第一图像块中筛除属于干扰类型的第一图像块,获得所述待检测图像的第一代表图像块;
根据所述第一代表图像块,获取所述待检测图像的图像模糊度。
2.根据权利要求1所述的图像模糊度检测的方法,其特征在于,所述将待检测图像划分为至少两个第一图像块,包括:
根据预设的尺寸信息划分所述待检测图像,获得至少两个所述第一图像块。
3.根据权利要求1中所述的图像模糊度检测的方法,其特征在于,所述将待检测图像划分为至少两个第一图像块,包括:
根据预设个数划分所述待检测图像,获得所述预设个数的第二图像块,所述预设个数为大于1的整数;
根据所述筛除策略从所述预设个数的第二图像块中筛除属于干扰类型的第二图像块,获得第二代表图像块;
针对每个所述第二代表图像块进行如下处理:根据预设的尺寸信息划分所述第二代表图像块,获得至少两个所述第一图像块。
4.根据权利要求1-3中任一项所述的图像模糊度检测的方法,其特征在于,所述筛除策略包括:
获取本次待筛除处理的待处理图像块;
获取每个所述待处理图像块的像素方差值;
根据每个所述像素方差值的数值大小,获取数值处于中间的K个所述像素方差值对应的待处理图像块,筛除所述本次中其它所述待处理图像块,K为大于0的整数。
5.根据权利要求3所述的图像模糊度检测的方法,其特征在于,所述根据所述第一代表图像块,获取所述待检测图像的图像模糊度,包括:
对所述待检测图像进行模糊处理,生成参考图像;
从所述参考图像中截取与所述第一代表图像块对应的参考图像块;
根据所述第一代表图像块和所述参考图像块,获取每个所述第一代表图像块的像素梯度幅值;
根据所述第一代表图像块的像素梯度幅值以及预设的获取策略,获取所述待检测图像的图像模糊度。
7.根据权利要求1所述的图像模糊度检测的方法,其特征在于,所述将待检测图像划分为至少两个第一图像块之前,还包括:
判断所述待检测图像是否属于单通道灰度图像的类型,若不属于单通道灰度图像的类型,则将所述待检测图像的类型转换为单通道灰度图像的类型。
8.一种图像模糊度检测的装置,其特征在于,包括:划分模块、筛除模块以及获取模块;
所述划分模块用于将待检测图像划分为至少两个第一图像块;
所述筛除模块用于根据预设的筛除策略从至少两个所述第一图像块中筛除属于干扰类型的第一图像块,获得所述待检测图像的第一代表图像块;
所述获取模块根据所述第一代表图像块,获取所述待检测图像的图像模糊度。
9.一种电子设备,其特征在于,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如权利要求1-7任一所述的图像模糊度检测的方法。
10.一种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权利要求1至7中任一项所述的图像模糊度检测的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010826810.8A CN112017163B (zh) | 2020-08-17 | 2020-08-17 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010826810.8A CN112017163B (zh) | 2020-08-17 | 2020-08-17 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112017163A true CN112017163A (zh) | 2020-12-01 |
CN112017163B CN112017163B (zh) | 2024-07-26 |
Family
ID=73505499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010826810.8A Active CN112017163B (zh) | 2020-08-17 | 2020-08-17 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112017163B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034481A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 设备图像模糊检测方法及装置 |
CN113066024A (zh) * | 2021-03-19 | 2021-07-02 | 北京达佳互联信息技术有限公司 | 图像模糊检测模型的训练方法、图像模糊检测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426144A (zh) * | 2012-05-17 | 2013-12-04 | 佳能株式会社 | 用于使具有透视畸变的图像去模糊的方法和装置 |
FR3009635A1 (fr) * | 2013-08-08 | 2015-02-13 | St Microelectronics Sa | Procede de recherche d'une image similaire dans une banque d'images a partir d'une image de reference |
CN105556540A (zh) * | 2013-06-04 | 2016-05-04 | 贝宝公司 | 评估图像清晰度 |
CN106934806A (zh) * | 2017-03-09 | 2017-07-07 | 东南大学 | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 |
CN107240092A (zh) * | 2017-05-05 | 2017-10-10 | 浙江大华技术股份有限公司 | 一种图像模糊度检测方法及装置 |
US20190096091A1 (en) * | 2017-09-28 | 2019-03-28 | Baidu Usa Llc | Systems and methods to improve camera intrinsic parameter calibration |
CN110288560A (zh) * | 2018-03-16 | 2019-09-27 | 北京三快在线科技有限公司 | 一种图像模糊检测方法及装置 |
-
2020
- 2020-08-17 CN CN202010826810.8A patent/CN112017163B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103426144A (zh) * | 2012-05-17 | 2013-12-04 | 佳能株式会社 | 用于使具有透视畸变的图像去模糊的方法和装置 |
CN105556540A (zh) * | 2013-06-04 | 2016-05-04 | 贝宝公司 | 评估图像清晰度 |
FR3009635A1 (fr) * | 2013-08-08 | 2015-02-13 | St Microelectronics Sa | Procede de recherche d'une image similaire dans une banque d'images a partir d'une image de reference |
CN106934806A (zh) * | 2017-03-09 | 2017-07-07 | 东南大学 | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 |
CN107240092A (zh) * | 2017-05-05 | 2017-10-10 | 浙江大华技术股份有限公司 | 一种图像模糊度检测方法及装置 |
US20190096091A1 (en) * | 2017-09-28 | 2019-03-28 | Baidu Usa Llc | Systems and methods to improve camera intrinsic parameter calibration |
CN110288560A (zh) * | 2018-03-16 | 2019-09-27 | 北京三快在线科技有限公司 | 一种图像模糊检测方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066024A (zh) * | 2021-03-19 | 2021-07-02 | 北京达佳互联信息技术有限公司 | 图像模糊检测模型的训练方法、图像模糊检测方法及装置 |
CN113066024B (zh) * | 2021-03-19 | 2023-03-10 | 北京达佳互联信息技术有限公司 | 图像模糊检测模型的训练方法、图像模糊检测方法及装置 |
CN113034481A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 设备图像模糊检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112017163B (zh) | 2024-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
US7995108B2 (en) | Image processing apparatus, image processing program, electronic camera, and image processing method for image analysis of magnification chromatic aberration | |
CN100369066C (zh) | 特征区域提取装置和特征区域提取方法 | |
US7746505B2 (en) | Image quality improving apparatus and method using detected edges | |
CN112837303A (zh) | 一种用于模具监视的缺陷检测方法、装置、设备及介质 | |
CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN110443783B (zh) | 一种图像质量评估方法及装置 | |
CN111861980B (zh) | 一种成像检测方法、电子设备及计算机可读存储介质 | |
CN111179184B (zh) | 基于随机抽样一致性的鱼眼图像有效区域提取方法 | |
CN112017163B (zh) | 图像模糊度检测的方法、装置、电子设备及存储介质 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN116129195A (zh) | 图像质量评价装置、方法、电子设备和存储介质 | |
CN111445435A (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
EP1411469A2 (en) | Quantifying the sharpness of a digital image | |
CN111369531B (zh) | 图像清晰度的评分方法、设备及存储装置 | |
CN112146834B (zh) | 结构振动位移测量方法及装置 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN113822818B (zh) | 散斑提取方法、装置、电子设备及存储介质 | |
CN115760653A (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN111435080B (zh) | 一种水位测量方法、装置及系统 | |
CN111027560B (zh) | 文本检测方法以及相关装置 | |
CN111213372B (zh) | 成像设备的动态范围的评估 | |
CN113469171A (zh) | 识别sfr测试卡图像中感兴趣区域的方法及装置、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 |