CN112153371A

CN112153371A - 图像质量检测方法、装置、存储介质及产品检测方法

Info

Publication number: CN112153371A
Application number: CN202010859078.4A
Authority: CN
Inventors: 吴国栋; 钱斌; 牛孜飏; 谭龙田; 马雅奇; 陈彦宇
Original assignee: Gree Electric Appliances Inc of Zhuhai; Zhuhai Lianyun Technology Co Ltd
Current assignee: Gree Electric Appliances Inc of Zhuhai; Zhuhai Lianyun Technology Co Ltd
Priority date: 2020-08-24
Filing date: 2020-08-24
Publication date: 2020-12-29
Anticipated expiration: 2040-08-24
Also published as: CN112153371B

Abstract

本申请涉及一种图像质量检测方法、装置、存储介质及产品检测方法，该方法包括：获取被检测图像；基于预存的参考图像获取被检测图像的至少两个图像指标；结合至少两个图像指标判断被检测图像的质量。通过本申请能够准确并及时地检测图像成像质量，为后续将被检测图像的应用于实际生产生活应用中(例如基于产品图像的产品检测)提供保障，提高后续应用结果的稳定性和准确性。特别是在产品检测领域，在检测时由于排除了低质量图像，因此能够提高产品检测的准确率，且尽可能避免出现误判。

Description

图像质量检测方法、装置、存储介质及产品检测方法

技术领域

本申请涉及机器视觉检测技术领域，尤其涉及一种图像质量检测方法、装置、存储介质及产品检测方法。

背景技术

机器视觉检测广泛应用于工业检测中，在对产品进行检测前需要对产品拍照获取产品图像，然后根据产品图像检测产品的好坏，因此产品成像质量是检测产品好坏的重要环节。目前获取产品图像时，由于光源老化、外部光源干扰、相机聚焦不准等诸多因素，可能造成获取到的图像变暗、变模糊等各种质量受损情况发生，这些成像不佳的产品图像会严重影响产品质量检测的准确性和稳定性。

发明内容

为了解决上述视觉检测过程中获取到的产品图像不佳导致产品检测不准确的技术问题，本申请实施例提供了一种图像质量检测方法、装置、存储介质及产品检测方法。

第一方面，本申请实施例提供了一种图像质量检测方法，该方法包括：

获取被检测图像；

基于预存的参考图像获取被检测图像的至少两个图像指标；

结合至少两个图像指标判断被检测图像的质量。

可选地，基于预存的参考图像获取被检测图像的至少两个图像指标之前，图像质量检测方法还包括：

对预存的参考图像和被检测图像进行相同比例的缩放。

可选地，至少两个图像指标包括：被检测图像与参考图像的信噪比、被检测图像与参考图像的结构相似度、被检测图像的图像灰度方差中的至少两个。

可选地，结合至少两个图像指标判断被检测图像的质量，包括：

获取每种图像指标的权重值；

根据图像指标和对应的权重值得到质量评分；

根据质量评分判断被检测图像的质量。

可选地，根据图像指标和对应的权重值得到质量评分，包括：

获取每种图像指标对应的标准值和比较阈值；

将图像指标与对应的标准值的比值与对应的比较阈值进行比较得到比较结果；

根据图像指标的权重值和对应的比较结果得到质量评分。

可选地，比较结果为图像指标与对应的标准值的比值与对应的比较阈值中的最小值；

根据图像指标的权重值和对应的比较结果得到质量评分，包括：

将图像指标的权重值与对应的最小值进行加权得到质量评分。

第二方面，本申请实施例提供了一种图像质量检测装置，该装置包括：

图像获取模块，用于获取被检测图像；

图像处理模块，用于基于预存的参考图像获取被检测图像的至少两个图像指标；

判断模块，用于结合至少两个图像指标判断被检测图像的质量。

第三方面，本申请实施例提供了一种产品检测方法，该产品检测方法包括：根据前面所述任一项的图像质量检测方法对获取到的产品图像进行图像质量检测；

该产品检测方法还包括：

若产品图像的图像质量合格，则根据产品图像检测产品是否合格。

可选地，该产品检测方法还包括：

若产品图像的图像质量不合格，则对不合格的产品图像的数量进行统计；

若不合格的产品图像的数量达到预设值，则执行对应的策略。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如前面所述任一项的图像质量检测方法的步骤。

第五方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时执行如前面所述任一项的图像质量检测方法的步骤。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请通过获取被检测图像，基于预存的参考图像获取被检测图像的至少两个图像指标，结合至少两个图像指标判断被检测图像的质量，实现了图像成像质量的自动判别，一方面能够自动判断相机拍摄的图像是否符合检测标准(例如是否出现曝光不足，获取的图像是否出现重影，是否产生虚焦或抖动，光照是否发生剧烈变化等等)。另一方面，通过本申请能够准确并及时地检测图像成像质量，为后续将被检测图像的应用于实际生产生活应用中(例如基于产品图像的产品检测)提供保障，提高后续应用结果的稳定性。特别是在产品检测领域，在检测时由于排除了低质量图像，能提高检测的准确率，且尽可能避免出现误报。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例提供的一种图像质量检测方法的流程示意图；

图2为一个实施例提供的一种图像质量检测装置的结构框图；

图3为一个实施例中计算机设备的内部结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为一个实施例提供的一种图像质量检测方法的流程示意图。参考图1，该图像质量检测方法包括以下步骤：

S100：获取被检测图像。

具体地，获取相机拍摄到的图像。

在一个具体应用场景中，该图像质量检测方法应用于机器视觉检测过程中，例如应用于工业生产中对产品的视觉检测。例如：该被检测图像在产品检测中为待检测产品的成像图像。如果获取到的图像不合格，后续的图像处理就会造成误差，甚至会出现误判，将合格的产品误判为不合格，将会给生产带来巨大损失。

S200：基于预存的参考图像获取被检测图像的至少两个图像指标。

具体地，参考图像是事先预存的符合标准的合格成像图像，参考图像的各个图像指标是符合检测标准的。以参考图像为标准，可以获取被检测图像的多项图像指标，图像指标可以是被检测图像自身属性指标，用于表征被检测图像自身某些属性；图像指标也可以是被检测图像与参考图像的对比后的对比指标，用于表征被检测图像与参考图像的差异。

S300：结合至少两个图像指标判断被检测图像的质量。

具体地，本申请结合至少两个图像指标综合评判被检测图像的质量好坏。

本申请实现了图像成像质量的自动判别，一方面能够自动判断相机拍摄的图像是否符合检测标准(例如是否出现曝光不足，获取的图像是否出现重影，是否产生虚焦或抖动，光照是否发生剧烈变化等等)。通过本申请能够准确并及时地检测图像成像质量，为后续将被检测图像的应用于实际生产生活应用中(例如基于产品图像的产品检测)提供保障，提高后续应用结果的稳定性。特别是在产品检测领域，在检测时由于排除了低质量图像，能提高检测的准确率，且尽可能避免出现误报。

在一个具体实施例中，在步骤S200之前，该图像质量检测方法还包括以下步骤：

对预存的参考图像和被检测图像进行相同比例的缩放。

具体地，对参考图像和被检测图像进行相同比例缩放用于减小图像的大小，同时要保证参考图像与被检测图像具有相同的高度和宽度，可以提高后续计算速度，减少计算开销。

在一个具体实施例中，至少两个图像指标包括：被检测图像与参考图像的信噪比、被检测图像与参考图像的结构相似度、被检测图像的图像灰度方差中的至少两个。

具体地，当至少两个图像指标包括：被检测图像与参考图像的信噪比和被检测图像与参考图像的结构相似度。

则步骤S300具体包括：

结合被检测图像与参考图像的信噪比和被检测图像与参考图像的结构相似度判断被检测图像的质量。

当至少两个图像指标包括：被检测图像与参考图像的信噪比和被检测图像的图像灰度方差。

则步骤S300具体包括：

结合被检测图像与参考图像的信噪比和被检测图像的图像灰度方差判断被检测图像的质量。

当至少两个图像指标包括：被检测图像与参考图像的结构相似度和被检测图像的图像灰度方差。

则步骤S300具体包括：

结合被检测图像与参考图像的结构相似度和被检测图像的图像灰度方差判断被检测图像的质量。

当至少两个图像指标包括：被检测图像与参考图像的信噪比、被检测图像与参考图像的结构相似度和被检测图像的图像灰度方差。

则步骤S300具体包括：

结合被检测图像与参考图像的信噪比、被检测图像与参考图像的结构相似度和被检测图像的图像灰度方差判断被检测图像的质量。

信噪比是一种图像质量评价指标，它是基于两张图像对应像素点间的误差，即基于误差敏感的图像质量评价。

结构相似度是一种图像质量评价指标，它是从亮度、对比度、结构三方面度量两张图像的相似性。

图像灰度方差是图像中各个像素的灰度值与整个图像平均灰度值的离散程度，可反映图像的对比度。

优选地，本申请被检测图像与参考图像的信噪比为峰值信噪比。峰值信噪比(Peaksignal-to-noise ratio，缩写：PSNR)表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值。峰值信噪比经常用作图像压缩等领域中信号重建质量的测量方法，它常简单地通过均方误差(MSE)进行定义。

假设输入的两张图像分别为X和Y，X代表参考图像，Y代表被检测图像，则峰值信噪比PSNR为：

其中：

MSE是指参考图像X与被检测图像Y之间的均方误差。被检测图像与参考图像为多通道图像，MSE为所有通道对应的均方误差的平均值。例如该多通道图像为RGB三色通道图像。

每个通道的均方误差的计算公式为：

H和W分别为图像X和图像Y的高度和宽度，图像X和图像Y具有相同的高度和宽度。

以RGB三色通道图像为例，每个通道的均方误差为MSE1、MSE2、MSE3，则参考图像与被检测图像之间的均方误差为：

MSE＝(MSE1+MSE2+MSE3)/3

n为每像素的比特数，n可以取8，此时2ⁿ-1＝255。

PSNR的单位是dB，数值越大表示失真越小。

X(i，j)表示在图像X中相同通道第i行第j列像素点的像素值，i是行，从0取到H-1，H是高，即总行数，j是列，从0取到W-1，W是宽，即总列数。

Y(i，j)表示在图像Y中相同通道第i行第j列像素点的像素值，i是行，从0取到H-1，H是高，即总行数，j是列，从0取到W-1，W是宽，即总列数。

结构相似度(Structural Similarity，缩写：SSIM)，是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中，一张为无失真图像，另一张为失真后的图像。

优选地，被检测图像与参考图像的结构相似度为结构信息化多通道图像的所有通道的结构相似度的平均值。例如该多通道图像为RGB三色通道图像。

假设输入的两张图像分别为X和Y，其中X代表参考图像，Y代表被检测图像，则每个通道的结构相似度的计算公式为：

SSIM(X,Y)＝[l(X,Y)]^α[c(X,Y)]^β[s(X,Y)]^γ

其中，

其中：

C1、C2、C3为常数，避免了分母为0带来的系统错误，优选地，取

α、β、γ均大于0，在实际工程计算中，优选地，设定α＝β＝γ＝1。

l(X,Y)表示亮度比较，μ_X、μ_Y分别表示图像X和图像Y相同通道的像素值的均值。

c(X,Y)表示对比度比较，

分别表示图像X和图像Y相同通道的方差。

s(X,Y)表示结构比较，σ_XY表示图像X和图像Y相同通道的协方差。

μ_X是将图像X中相同通道的每一个像素点的值累加求和，然后再除以图像X中相同通道总的像素个数，即μ_X是图像X相同通道的所有像素值的均值，这个均值可以反映图像X相同通道的亮度。

μ_Y是将图像Y中相同通道的每一个像素点的值累加求和，然后再除以图像Y中相同通道总的像素个数，即μ_Y是图像Y相同通道的所有像素值的均值，这个均值可以反映图像Y相同通道的亮度。

在实际计算中，设置α＝β＝γ＝1，

则

X(i，j)表示在图像X中相同通道第i行第j列像素点的像素值。Y(i，j)表示在图像Y中相同通道第i行第j列像素点的像素值。

每个通道的结构相似度是一个0到1的数，结构相似度越大，两图像间的差异越小。

以RGB三色通道图像为例，三个通道的结构相似度分别为SSIM1、SSIM2、SSIM3，则被检测图像与参考图像的结构相似度的计算方式如下：

SSIM＝100(SSIM1+SSIM2+SSIM3)/3

作为结构相似性理论的实现，结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的，反映场景中物体结构的属性，并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似程度的度量。

被检测图像的图像灰度标准差σ的计算公式：

标准差是方差的算术平方根。因此被检测图像的图像灰度方差σ²为：

f(i，j)表示在第i行第j列像素点灰度值，f表示图像的灰度均值，

即所有灰度值累加求和再除以总像素个数，H是总行数，W是总列数。

本申请提出的应用于机器视觉检测过程中的图像质量检测方法通过将被检测图像与参考图像的峰值信噪比(PNSR)、被检测图像与参考图像的结构相似度(SSIM)以及被检测图像的图像灰度方差中的至少两种图像指标相结合来评价被检测图像的成像质量。

在一个具体实施例中，步骤S300具体包括：

获取每种图像指标的权重值；

根据图像指标和对应的权重值得到质量评分；

根据质量评分判断被检测图像的质量。

具体地，权重值可以根据具体实际应用场景设置，接收用户的参数设置指令，并根据参数设置指令设置每种图像指标的权重值。

对不同的图像指标设置权重值或占比可以用来调节侧重点，权重值越高代表该图像指标的重要性越高。例如合格的图像是灰度图而且离散程度要好，我们就可以把图像灰度方差的权重值设置高一些；如果我们要获取的图像要求是要跟标准图像不能相差太大，可以相应把峰值信噪比的权重值调高。通过将不同的图像指标通过公式结合起来，并根据需求来设置不同的权重值。通过此种结合适用更多的应用场景。

质量评分用于评价被检测图像的成像质量。质量评分越高，被检测图像的成像质量越好。质量评分是通过图像指标和对应的权重值计算得到。

在一个具体实施例中，根据图像指标和对应的权重值得到质量评分，包括：

获取每种图像指标对应的标准值和比较阈值；

根据图像指标的权重值和对应的比较结果得到质量评分。

具体地，图像指标对应的标准值表征合格图像所对应的图像指标。标准值可以为将预设数量的合格图像或标准图像的图像指标进行平均处理后得到的平均值。

例如：被检测图像与参考图像的信噪比对应的标准值为预设数量的合格图像对应的信噪比的平均值。

被检测图像与参考图像的结构相似度对应的标准值为预设数量的合格图像对应的结构相似度的平均值。

被检测图像的图像灰度方差对应的标准值为预设数量的合格图像对应的图像灰度方差的平均值。

比较阈值是小于等于1的常数。

图像指标与对应的标准值的比值可能大于1，可能小于1，也可能等于1。当图像指标与对应的标准值的比值大于1，表明被检测图像的此项图像指标优于标准。当图像指标与对应的标准值的比值等于1，表明被检测图像的此项图像指标与标准没有差异。当图像指标与对应的标准值的比值小于1，表明被检测图像的此项图像指标低于标准。

图像指标与对应的标准值的比值可能比对应的比较阈值小，可能比对应的比较阈值大，也可能与对应的比较阈值相等。

在一个具体实施例中，比较结果为图像指标与对应的标准值的比值与对应的比较阈值中的一个。

在一个具体实施例中，比较结果为图像指标与对应的标准值的比值与对应的比较阈值中的最小值。

在一个具体实施例中，根据图像指标的权重值和对应的比较结果得到质量评分，包括：

具体地，对图像指标的权重值与对应的最小值的乘积求和得到质量评分。

被检测图像与参考图像的信噪比为D1，信噪比对应的标准值为T1，信噪比对应的权重值为w1；被检测图像与参考图像的结构相似度为D2，结构相似度对应的标准值为T2，结构相似度对应的的权重值为w2；被检测图像的图像灰度方差为D3，图像灰度差对应的标准值为T3，图像灰度差对应的权重值为w3。

另外，信噪比对应的比较阈值为C1、结构相似度对应的比较阈值为C2、图像灰度差对应的比较阈值为C3。

质量评分的计算公式为：

其中，标准值T1是标准信噪比，因此D1与T1单位相同；标准值T2是标准结构相似度，因此D2与T2单位相同；标准值T3是标准图像灰度方差，因此D3与T3单位相同。

均为取最小值操作。

例如，若C1小于D1/T1，则

的结果取C1；若C1大于D1/T1，则

的结果取D1/T1；若C1等于D1/T1，则

的结果取C1和D1/T1中的任意一个。

的计算同理。

优选地，C1＝C2＝C3＝1。当然C1、C2、C3的取值也可以不同。

以质量评分总分为100分为例来说明质量评分的计算原理，此时w1+w2+w3＝100。

例如：图像的清晰度是相对比较重要的参数，因此其权重值w3设置为50用参数标识，而结构相似度决定和被检测图像和参考图像之间局部结构的相似程度，权重值w2设置为30用参数标识，最后信噪比(例如峰值信噪比)确定了图像的失真程度，权重值w1设置为20。即，w1＝20，w2＝30，w3＝50。

信噪比对应的标准值为T1设为36，结构相似度对应的标准值为T2设为95，图像灰度差对应的标准值为T3设为1000，即T1＝36，T2＝95，T3＝1000。

例如：被检测图像与参考图像的信噪比为D1＝30，被检测图像与参考图像的结构相似度为D2＝90，被检测图像的图像灰度方差为D3＝800，则，质量评分S为：

S＝20*min(1，30/36)+30*min(1，90/95)+50*min(1，800/1000)

＝20*30/36+30*90/95+50*800/1000

＝85.09

例如：被检测图像与参考图像的信噪比为D1＝30，被检测图像与参考图像的结构相似度为D2＝96，被检测图像的图像灰度方差为D3＝1200，则，质量评分S为：

S＝20*min(1，30/36)+30*min(1，96/95)+50*min(1，1200/1000)

＝20*30/36+30*1+50*1

＝96.67

以上各个参数的取值只是示例性说明，本申请不对各个参数的取值做限定。本申请可以自动对获取的图像进行评分，其中各个参数可以按照实际需要进行更改，适当增加某一方面的权值比重以确定图像成像质量。

在一个具体实施例中，根据质量评分判断被检测图像的质量，包括：将质量评分与最低评分进行比较，若质量评分大于等于最低评分，则判定该被检测图像的质量为合格；若质量评分小于最低评分，则判定该被检测图像的质量为不合格。

例如：最低评分为90，则上述S＝85.09的被检测图像为不合格的图像，S＝96.67的被检测图像为合格的图像。

最低评分可以根据大量拍摄图像的质量评分综合评估获取。如果对获取的图像的成像质量要求严格，则可把最低评分设高一点。

当然，本申请也可以应用于具有单通道的灰度图像的图像质量检测。

应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

图2为一个实施例提供的一种图像质量检测装置的结构框图。参考图2，该装置包括：

图像获取模块100，用于获取被检测图像；

图像处理模块200，用于基于预存的参考图像获取被检测图像的至少两个图像指标；

判断模块300，用于结合至少两个图像指标判断被检测图像的质量。

在一个具体实施例中，该装置还包括：

预处理模块，用于对预存的参考图像和被检测图像进行相同比例的缩放。

在一个具体实施例中，判断模块300具体包括：

权重获取模块，用于获取每种图像指标的权重值；

计算模块，用于根据图像指标和对应的权重值得到质量评分；

评判模块，用于根据质量评分判断被检测图像的质量。

在一个具体实施例中，计算模块具体包括：

获取单元，用于获取每种图像指标对应的标准值和比较阈值；

比较单元，用于将图像指标与对应的标准值的比值与对应的比较阈值进行比较得到比较结果；

计算单元，用于根据图像指标的权重值和对应的比较结果得到质量评分。

在一个具体实施例中，比较结果为图像指标与对应的标准值的比值与对应的比较阈值中的最小值；

计算单元具体用于：将图像指标的权重值与对应的最小值进行加权得到质量评分。

在一个具体实施例中，本申请提供了一种产品检测方法，该产品检测方法包括：根据前面所述任一项的图像质量检测方法对获取到的产品图像进行图像质量检测。

该产品检测方法还包括：

具体地，根据前面所述的图像质量检测方法检测产品图像是否合格。产品图像合格，则该产品图像可以作为后续检测产品质量好坏的图像。若产品图像不合格，则对不合格的产品图像的数量进行统计，若统计的数量达到了预设值，则自动发出警报和/或暂停产品生产。工作人员根据警报信号查验相机摄像情况，若确定相机摄像质量降低，则根据具体问题解决相机摄像问题，直至相机拍摄出合格图像。

具体地，在工业检测中，会对工业产品拍照取图进行后续的图像检测，如果获取到的图质量不好，比如图像模糊了，在后面图像处理过程中就会造成产品误检，所以要判断获取到的图像是否合格，而判断图像是否合格就需要一个判断参照物，这个参照物就是要提前获取到的一张效果比较好的图像，让之后获取到的图像跟这个参照图像进行对比。例如我们现在有一张电路板的图片A，通过工业相机C获取，在电路板批量生产线上，要判断生产的电路板是否有瑕疵，则需要对产线上的每个电路板拍照，通过工业相机C获取他们的图像B(1,2,3,4........产线每来一个电路板就获取一张图像B),因为要对获取的B进行后续的图像处理来判断是否有瑕疵，所以首先要判断获取的图像B是否良好，如果图像B获取的时候出现模糊等情况，后面的处理都是无用功，还会造成误判，这时候就要把B与A进行比较，看二者的图像质量相差大不大，相差不大即为合格，可使用该图像B进行后续处理，如果相差大，则需要重新获取，以保证我给后续图像处理阶段的图像是合格的。

图3为一个实施例中计算机设备的内部结构图。该计算机设备通过系统总线连接的处理器、存储器、网络接口、输入装置、摄像装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现图像质量检测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行图像质量检测方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取被检测图像；基于预存的参考图像获取被检测图像的至少两个图像指标；结合所述至少两个图像指标判断被检测图像的质量。

在另外一个实施例中，该处理器执行计算机程序时实现前面所述任一项的图像质量检测方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取被检测图像；基于预存的参考图像获取被检测图像的至少两个图像指标；结合所述至少两个图像指标判断被检测图像的质量。

在另外一个实施例中，计算机程序被处理器执行时实现前面所述任一项的图像质量检测方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims

1.一种图像质量检测方法，其特征在于，所述方法包括：

获取被检测图像；

基于预存的参考图像获取所述被检测图像的至少两个图像指标；

结合所述至少两个图像指标判断所述被检测图像的质量。

2.根据权利要求1所述的方法，其特征在于，基于预存的参考图像获取所述被检测图像的至少两个图像指标之前，所述方法还包括：

对预存的参考图像和所述被检测图像进行相同比例的缩放。

3.根据权利要求1所述的方法，其特征在于，所述至少两个图像指标包括：被检测图像与参考图像的信噪比、被检测图像与参考图像的结构相似度、被检测图像的图像灰度方差中的至少两个。

4.根据权利要求1-3任一项所述的方法，其特征在于，结合所述至少两个图像指标判断所述被检测图像的质量，包括：

获取每种图像指标的权重值；

根据所述图像指标和对应的权重值得到质量评分；

根据所述质量评分判断所述被检测图像的质量。

5.根据权利要求4所述的方法，其特征在于，根据所述图像指标和对应的权重值得到质量评分，包括：

获取每种图像指标对应的标准值和比较阈值；

根据图像指标的权重值和对应的比较结果得到质量评分。

6.根据权利要求5所述的方法，其特征在于，所述比较结果为图像指标与对应的标准值的比值与对应的比较阈值中的最小值；

7.一种图像质量检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取被检测图像；

图像处理模块，用于基于预存的参考图像获取所述被检测图像的至少两个图像指标；

判断模块，用于结合所述至少两个图像指标判断所述被检测图像的质量。

8.一种产品检测方法，其特征在于，所述方法包括：根据权利要求1-6任一项所述的方法对获取到的产品图像进行图像质量检测；

所述方法还包括：

若所述产品图像的图像质量合格，则根据所述产品图像检测所述产品是否合格。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

若所述产品图像的图像质量不合格，则对不合格的产品图像的数量进行统计；

10.一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执行时，使得所述处理器执行如权利要求1-6任一项所述的方法的步骤。