CN112308812A - 一种检测图片清晰度的方法、终端和存储介质 - Google Patents

一种检测图片清晰度的方法、终端和存储介质 Download PDF

Info

Publication number
CN112308812A
CN112308812A CN201910680723.3A CN201910680723A CN112308812A CN 112308812 A CN112308812 A CN 112308812A CN 201910680723 A CN201910680723 A CN 201910680723A CN 112308812 A CN112308812 A CN 112308812A
Authority
CN
China
Prior art keywords
gray
picture
gradient value
map
gradient
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
Application number
CN201910680723.3A
Other languages
English (en)
Inventor
刘若鹏
栾琳
季春霖
晏士帅
陈文�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Guangqi Intelligent Technology Co ltd
Original Assignee
Xi'an Guangqi Future Technology Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Guangqi Future Technology Research Institute filed Critical Xi'an Guangqi Future Technology Research Institute
Priority to CN201910680723.3A priority Critical patent/CN112308812A/zh
Publication of CN112308812A publication Critical patent/CN112308812A/zh
Pending legal-status Critical Current

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
    • G06T7/12—Edge-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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

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 Processing (AREA)

Abstract

一种检测图片清晰度的方法、终端和存储介质，其中，所述方法包括：根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值；根据所述总灰度梯度值和所述灰度图的总像素点数，得到所述灰度图上所有像素点的梯度平均值；根据所述梯度平均值确定所述图片的清晰度。本申请能够简洁快速的对图片的清晰度进行检测。

Description

一种检测图片清晰度的方法、终端和存储介质
技术领域
本文涉及图片质量检测技术，尤指一种检测图片清晰度的方法、终端和存储介质。
背景技术
随着科学技术的发展，图片处理技术广泛应用于人们生活的方方面面，其中人脸识别及检测技术也受到更多研究人员的关注。
在人脸识别系统的开发、训练以及后期测试等过程中，输入人脸图片的清晰度是一个重要指标，清晰度不够的图片严重影响人脸识别的结果。
发明内容
本申请提供了一种检测图片清晰度的方法、终端和存储介质，能够简洁快速的对图片的清晰度进行检测。
本申请提供了一种检测图片清晰度的方法，包括：
将图片转换为灰度图；
根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值；
根据所述总灰度梯度值和所述灰度图的总像素点数，得到所述灰度图上所有像素点的梯度平均值；
根据所述梯度平均值确定所述图片的清晰度。
作为一种实现方式，所述根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值，包括：
使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值；
对每个像素点的水平灰度梯度值和垂直灰度梯度值求和，得到所述灰度图上所有像素点的总灰度梯度值。
作为一种实现方式，所述使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值，包括：
将灰度图读取为二维矩阵，再分别于X轴方向和Y轴方向做卷积，得到Gx和Gy：
Figure BDA0002144675120000021
其中，
Figure BDA0002144675120000022
为x方向的卷积模板，
Figure BDA0002144675120000023
为y方向的卷积模板。
作为一种实现方式，所述根据所述梯度平均值确定所述图片的清晰度，包括：
将所述梯度平均值与预设系数相乘后的结果作为所述图片的清晰度。
作为一种实现方式，所述方法还包括：
将所述灰度图调整为预设尺寸后，再根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值。
作为一种实现方式，当所述图片为人脸图片时，所述方法还包括：
将图片转换为灰度图之前，对所述图片进行裁剪，经剪裁后的图片仅保留包含所述图片中人脸的轮廓特征的部分，将经过裁剪的图片再转换为灰度图。
作为一种实现方式，总灰度梯度值等于
Figure BDA0002144675120000024
作为一种实现方式，对所述图片进行裁剪包括：在mtcnn网络中使用O-Net对人脸图片进行识别后裁剪。
本申请实施例还提供了一种计算机可读存储介质，所述介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如前所述的检测图片清晰度的方法的步骤。
本申请实施例还提供了一种检测图片清晰度的终端，包括：
存储器，用于存储计算机可执行指令；
处理器，用于执行所述计算机可执行指令，以实现如前所述的检测图片清晰度的方法的步骤。
与相关技术相比，本申请包括：将图片转换为灰度图；根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值；根据所述总灰度梯度值和所述灰度图的总像素点数，得到所述灰度图上所有像素点的梯度平均值；根据所述梯度平均值确定所述图片的清晰度。本申请能够简洁快速的对图片的清晰度进行检测。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书、权利要求书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例提供的检测图片清晰度的方法流程图；
图2为本申请实施例使用mtcnn中O-Net计算得到的五点坐标对人脸图片进行裁剪的示意图；
图3为本申请实施例提供的检测图片清晰度的系统模块图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
本发明实施例提供了一种检测图片清晰度的方法，如图1所示，所述方法包括：
S101将图片转换为灰度图；
S102根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值；
S103根据所述总灰度梯度值和所述灰度图的总像素点数，得到所述灰度图上所有像素点的梯度平均值；
S104根据所述梯度平均值确定所述图片的清晰度。
在本发明实施例中，所述根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值，包括：
使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值；
对每个像素点的水平灰度梯度值和垂直灰度梯度值求和，得到所述灰度图上所有像素点的总灰度梯度值。
在本发明实施例中，所述使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值，包括：
将灰度图读取为二维矩阵，再分别于X轴方向和Y轴方向做卷积，得到Gx和Gy：
Figure BDA0002144675120000051
其中，
Figure BDA0002144675120000052
为x方向的卷积模板，
Figure BDA0002144675120000053
为y方向的卷积模板。
在本发明实施例中，所述根据所述梯度平均值确定所述图片的清晰度，包括：
将所述梯度平均值与预设系数相乘后的结果作为所述图片的清晰度。
在本发明实施例中，所述方法还包括：将所述灰度图调整为预设尺寸后，再根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值。
本发明实施例将灰度图调整为预设尺寸，可以实现在计算图片清晰度时，不同的图片采用相同的基准，使得图片之间清晰度的比较更具有可比性。
在本发明实施例中，当所述图片为人脸图片时，所述方法还包括：将图片转换为灰度图之前，对所述图片进行裁剪，经剪裁后的图片仅保留包含所述图片中人脸的轮廓特征的部分，将经过裁剪的图片再转换为灰度图。
sobel算子作为一种无参考的清晰度判断方法，在相同场景下表现较好，但对于人脸识别中切出的人脸图片来说，可能不同个体差别较大，有的切出的人脸图片五官轮廓清楚，有的切出的人脸图片五官轮廓被头发、周围物体所遮挡。本申请实施例对图片进行裁剪，如使用mtcnn中O-Net计算得到的五点坐标对人脸图片进行裁剪，如图2所示，经剪裁后的图片仅保留包含所述图片中人脸的轮廓特征的部分，如图2使用mtcnn的五点对图片进行裁剪之后，有效的过滤掉了头发，人脸边缘等对人脸清晰度计算干扰较大的部分。将经过裁剪的图片再转换为灰度图后利用sobel算子计算清晰度，对清晰图片的准确率以及召回率均有较大提升。
本发明实施例提供的检测图片清晰度的方法能够简洁快速的给出输入图片的清晰度指标，方便开发人员及后期测试人员对视频采集的图片清晰度有一个直观判断，满足开发及测试中的使用需求。
下面以一个具体的应用示例对本发明实施例进行说明。
根据mtcnn检测出的五点坐标对人脸图片进行裁剪，经过裁剪的人脸图片仅保留包含所述图片中人脸的轮廓特征的五点内部分；
将经过裁剪的人脸图片转为灰度图；
将上述灰度图调整为预设尺寸；
使用索贝尔sobel算子提取经过尺寸转换后的灰度图上每个像素点在水平X方向和垂直Y方向的灰度梯度值，包括：通过opencv将经过尺寸转换后的灰度图读取为2维矩阵I，再分别于X轴方向和Y轴方向做卷积，得到Gx和Gy：
Figure BDA0002144675120000061
其中，
Figure BDA0002144675120000062
为x方向的卷积模板，
Figure BDA0002144675120000063
为y方向的卷积模板；
具体计算如下：
Gx＝(-1)*f(x-1，y-1)+0*f(x，y-1)+1*f(x+1，y-1)
+(-2)*f(x-1，y)+0*f(x，y)+2*f(x+1，y)
+(-1)*f(x-1，y+1)+0*f(x，y+1)+1*f(x+1，y+1)
＝[f(x+1，y-1)+2*f(x+1，y)+f(x+1，y+1)]-[f(x-1，y-1)+2*f(x-1，y)+f(x-1，y+1)]
Gy＝1*f(x-1，y-1)+2*f(x，y-1)+1*f(x+1，y-1)
+0*f(x-1，y)0*f(x，y)+0*f(x+1，y)
+(-1)*f(x-1，y+1)+(-2)*f(x，y+1)+(-1)*f(x+1，y+1)
＝[f(x-1，y-1)+2f(x，y-1)+f(x+1，y-1)]-[f(x-1，y+1)+2*f(x，y+1)+f(x+1，y+1)]
其中，f(x，y)表示图片(x，y)点的灰度值；
对每个像素点的水平梯度值和垂直梯度值求和，即
Figure BDA0002144675120000071
得到经过尺寸转换后的灰度图上所有像素点的总梯度值；
将所述总梯度值除以经过尺寸转换后的灰度图上所有像素点的数量，得到人脸图片所有像素点梯度值的平均值；
将所述平均值乘以一个预设系数作为图片清晰度指标。
如，经过尺寸转换后的灰度图读取为2维矩阵I为一个3*3的矩阵，表示如下：
Figure BDA0002144675120000072
为保证输出仍是3x3的矩阵，对其进行扩充，扩充后的矩阵为：
Figure BDA0002144675120000073
之后，用该扩充矩阵与x方向的卷积模板
Figure BDA0002144675120000081
计算卷积得到Gx：
Figure BDA0002144675120000082
用该扩充矩阵与y方向的卷积模板
Figure BDA0002144675120000083
计算卷积得到Gy:
Figure BDA0002144675120000084
计算得到的G值如下：简便运算，对应元素取绝对值后求和得G：
Figure BDA0002144675120000085
对矩阵G各元素求和并除以元素个数9得到g：
g＝(17+22+15+41+32+35+28+22+32)/9
对g加权乘以100得到图片清晰度指标s：
s＝(17+22+15+41+32+35+28+22+32)/9*100
本发明实施例还提供了一种检测图片清晰度的系统，如图3所示，所述系统包括：
转换模块301，用于将图片转换为灰度图；
梯度第一计算模块302，用于根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值；
梯度第二计算模块303，用于根据所述总灰度梯度值和所述灰度图的总像素点数，得到所述灰度图上所有像素点的梯度平均值；
清晰度模块304，用于根据所述梯度平均值确定所述图片的清晰度。
在本发明实施例中，第一梯度计算模块302，用于根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值，包括：
使用索贝尔sobel算子提取每个像素点在水平和垂直两个方向的灰度梯度值；
对每个像素点的水平灰度梯度值和垂直灰度梯度值求和，得到所述灰度图上所有像素点的总灰度梯度值。
在本发明实施例中，第一梯度计算模块302，用于所述使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值，包括：
将灰度图读取为二维矩阵，再分别于X轴方向和Y轴方向做卷积，得到Gx和Gy：
Figure BDA0002144675120000091
其中，
Figure BDA0002144675120000092
为x方向的卷积模板，
Figure BDA0002144675120000093
为y方向的卷积模板。
在本发明实施例中，清晰度模块304，用于根据所述梯度平均值确定所述图片的清晰度，包括：
将所述梯度平均值与预设系数相乘后的结果作为所述图片的清晰度。
在本发明实施例中，转换模块301，还用于将图片转换为灰度图后，将所述灰度图调整为预设尺寸；
本发明实施例将灰度图调整为预设尺寸，可以实现在计算图片清晰度时，不同的图片采用相同的基准，使得图片之间清晰度的比较更具有可比性。
在本发明实施例中，当所述图片为人脸图片时，所述转换模块301，还用于将图片转换为灰度图之前，对所述图片进行裁剪，经剪裁后的图片仅保留包含所述图片中人脸的轮廓特征的部分，将经过裁剪的图片再转换为灰度图。
sobel算子作为一种无参考的清晰度判断方法，在相同场景下表现较好，但对于人脸识别中切出的人脸图片来说，可能不同个体差别较大，有的切出的人脸图片五官轮廓清楚，有的切出的人脸图片五官轮廓被头发、周围物体所遮挡。本申请实施例对图片进行裁剪，如使用mtcnn中O-Net计算得到的五点坐标对人脸图片进行裁剪，如图2所示，经剪裁后的图片仅保留包含所述图片中人脸的轮廓特征的部分，如图2使用mtcnn的五点对图片进行裁剪之后，有效的过滤掉了头发，人脸边缘等对人脸清晰度计算干扰较大的部分。将经过裁剪的图片再转换为灰度图后利用sobel算子计算清晰度，对清晰图片的准确率以及召回率均有较大提升。
本发明实施例提供的检测图片清晰度的系统能够简洁快速的给出输入图片的清晰度指标，方便开发人员及后期测试人员对视频采集的图片清晰度有一个直观判断，满足开发及测试中的使用需求。
本发明实施例还提供了一种计算机可读存储介质，所述介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如前所述的检测图片清晰度的方法的步骤。
本发明实施例还提供了一种检测图片清晰度的终端，包括：
存储器，用于存储计算机可执行指令；
处理器，用于执行所述计算机可执行指令，以实现如前所述的检测图片清晰度的方法的步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (10)

1.一种检测图片清晰度的方法，其特征在于，包括：
将图片转换为灰度图；
根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值；
根据所述总灰度梯度值和所述灰度图的总像素点数，得到所述灰度图上所有像素点的梯度平均值；
根据所述梯度平均值确定所述图片的清晰度。
2.根据权利要求1所述的检测图片清晰度的方法，其特征在于，所述根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值，包括：
使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值；
对每个像素点的水平灰度梯度值和垂直灰度梯度值求和，得到所述灰度图上所有像素点的总灰度梯度值。
3.根据权利要求2所述的检测图片清晰度的方法，其特征在于，使用索贝尔sobel算子提取灰度图上每个像素点在水平和垂直两个方向的灰度梯度值，包括：
将灰度图读取为二维矩阵，再分别于X轴方向和Y轴方向做卷积，得到Gx和Gy：
Figure FDA0002144675110000011
其中，
Figure FDA0002144675110000012
为x方向的卷积模板，
Figure FDA0002144675110000013
为y方向的卷积模板。
4.根据权利要求1所述的检测图片清晰度的方法，其特征在于，所述根据所述梯度平均值确定所述图片的清晰度，包括：
将所述梯度平均值与预设系数相乘后的结果作为所述图片的清晰度。
5.根据权利要求1所述的检测图片清晰度的方法，其特征在于，还包括：
将所述灰度图调整为预设尺寸后，再根据所述灰度图上每个像素点的灰度梯度值，得到所述灰度图上所有像素点的总灰度梯度值。
6.根据权利要求1至5中任一项所述的检测图片清晰度的方法，其特征在于，当所述图片为人脸图片时，所述方法还包括：
将图片转换为灰度图之前，对所述图片进行裁剪，经剪裁后的图片仅保留包含所述图片中人脸的轮廓特征的部分，将经过裁剪的图片再转换为灰度图。
7.根据权利要求3所述的检测图片清晰度的方法，其特征在于，总灰度梯度值等于
Figure FDA0002144675110000021
8.根据权利要求6所述的检测图片清晰度的方法，其特征在于，对所述图片进行裁剪包括：在mtcnn网络中使用O-Net对人脸图片进行识别后裁剪。
9.一种计算机可读存储介质，其特征在于，所述介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如权利要求1至8中任一项所述的检测图片清晰度的方法的步骤。
10.一种检测图片清晰度的终端，其特征在于，包括：
存储器，用于存储计算机可执行指令；
处理器，用于执行所述计算机可执行指令，以实现如权利要求1至8中任一项所述的检测图片清晰度的方法的步骤。
CN201910680723.3A 2019-07-26 2019-07-26 一种检测图片清晰度的方法、终端和存储介质 Pending CN112308812A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910680723.3A CN112308812A (zh) 2019-07-26 2019-07-26 一种检测图片清晰度的方法、终端和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910680723.3A CN112308812A (zh) 2019-07-26 2019-07-26 一种检测图片清晰度的方法、终端和存储介质

Publications (1)

Publication Number Publication Date
CN112308812A true CN112308812A (zh) 2021-02-02

Family

ID=74329542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910680723.3A Pending CN112308812A (zh) 2019-07-26 2019-07-26 一种检测图片清晰度的方法、终端和存储介质

Country Status (1)

Country Link
CN (1) CN112308812A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116421126A (zh) * 2023-06-07 2023-07-14 南京诺源医疗器械有限公司 一种用于腹腔内镜除雾预处理的回传图像深度分析方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116421126A (zh) * 2023-06-07 2023-07-14 南京诺源医疗器械有限公司 一种用于腹腔内镜除雾预处理的回传图像深度分析方法及系统
CN116421126B (zh) * 2023-06-07 2023-08-25 南京诺源医疗器械有限公司 一种用于腹腔内镜除雾预处理的回传图像深度分析方法及系统

Similar Documents

Publication Publication Date Title
CN110414507B (zh) 车牌识别方法、装置、计算机设备和存储介质
CN108694705B (zh) 一种多帧图像配准与融合去噪的方法
US20030179935A1 (en) Image processing apparatus, image processing method, image processing program, and computer-readable record medium storing image processing program
CN107172354B (zh) 视频处理方法、装置、电子设备及存储介质
CN110991310B (zh) 人像检测方法、装置、电子设备及计算机可读介质
CN109190617B (zh) 一种图像的矩形检测方法、装置及存储介质
CN112102141B (zh) 水印的检测方法、装置、存储介质以及电子设备
CN111784658B (zh) 一种用于人脸图像的质量分析方法和系统
CN113723399A (zh) 一种车牌图像矫正方法、车牌图像矫正装置和存储介质
CN114926514B (zh) 一种事件图像与rgb图像的配准方法及装置
CN108805838B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN114494775A (zh) 视频切分方法、装置、设备及存储介质
CN112308812A (zh) 一种检测图片清晰度的方法、终端和存储介质
CN116798041A (zh) 图像识别方法、装置和电子设备
JP2016053763A (ja) 画像処理装置、画像処理方法及びプログラム
CN110633705A (zh) 一种低照度成像车牌识别方法及装置
CN113723432B (zh) 一种基于深度学习的智能识别、定位追踪的方法及系统
CN112634298B (zh) 图像处理方法及装置、存储介质、终端
CN115170552A (zh) 一种图像质量评估方法、装置、设备及存储介质
CN112101139B (zh) 人形检测方法、装置、设备及存储介质
CN114140620A (zh) 一种物体直线轮廓检测方法
CN113409375A (zh) 图像处理方法、装置以及非易失性存储介质
CN108629788B (zh) 一种图像边缘检测方法、装置、设备及可读存储介质
CN112052859A (zh) 一种自由场景下的车牌精准定位方法及装置
CN114529742A (zh) 图像相似度确定方法、装置、设备及计算机可读存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20230105

Address after: 710000 second floor, building B3, yunhuigu, No. 156, Tiangu 8th Road, software new town, high tech Zone, Xi'an, Shaanxi

Applicant after: Xi'an Guangqi Intelligent Technology Co.,Ltd.

Address before: 710000 second floor, building B3, yunhuigu, 156 Tiangu 8th Road, software new town, Xi'an high tech Zone, Xi'an City, Shaanxi Province

Applicant before: Xi'an Guangqi Future Technology Research Institute

TA01 Transfer of patent application right