CN112991308A - 一种图像质量的确定方法、装置、电子设备和介质 - Google Patents

一种图像质量的确定方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN112991308A
CN112991308A CN202110321430.3A CN202110321430A CN112991308A CN 112991308 A CN112991308 A CN 112991308A CN 202110321430 A CN202110321430 A CN 202110321430A CN 112991308 A CN112991308 A CN 112991308A
Authority
CN
China
Prior art keywords
image
evaluated
determining
value
pixel point
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
Application number
CN202110321430.3A
Other languages
English (en)
Other versions
CN112991308B (zh
Inventor
张言
刘星
邓远达
梁晓旭
胡旭
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110321430.3A priority Critical patent/CN112991308B/zh
Publication of CN112991308A publication Critical patent/CN112991308A/zh
Application granted granted Critical
Publication of CN112991308B publication Critical patent/CN112991308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开公开了一种图像质量的确定方法、装置、电子设备和介质，涉及图像处理技术领域，尤其涉及图像质量评价技术、计算机视觉技术领域。具体实现方案为：根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域；确定所述背景区域中各背景像素点的颜色类别；根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。本公开实现了降低确定待评价图像背景区域所需工作量的效果，提高了确定背景区域的效率，进而提高了确定图像质量的效率。

Description

一种图像质量的确定方法、装置、电子设备和介质
技术领域
本公开涉及图像处理技术领域，尤其涉及图像质量评价技术、云计算及云服务技术领域，特别涉及一种图像质量的确定方法、装置、电子设备和介质。
背景技术
广告宣传的呈现形式多种多样，较为常见的就是以图像形式呈现，而图像的质量对于宣传效果起到至关重要的作用。用户面对质量不佳的图像很难有点击的欲望，极大的影响了广告转化率。而底色单调就是图像质量不佳的一种常见形式。
现有技术对于图像底色单调问题的检测，首先会通过目标检测或分割的技术获取待检测图像的背景区域，再基于获取的背景区域确定色彩是否单调。
发明内容
本公开提供了一种用于确定待评价图像图像质量的方法、装置、电子设备和介质。
根据本公开的一方面，提供了一种图像质量的确定方法，包括：
根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域；
确定所述背景区域中各背景像素点的颜色类别；
根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
根据本公开的另一方面，提供了一种图像质量的确定装置，包括：
背景区域确定模块，用于根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域；
颜色类别确定模块，用于确定所述背景区域中各背景像素点的颜色类别；
图像质量确定模块，用于根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
根据本公开的另一方面，提供了一种电子设备，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本公开中任一项所述的方法。
根据本公开的另一方面，提供了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本公开中任一项所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开中任一项所述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例公开的一种图像质量的确定方法的流程图；
图2A是根据本公开实施例公开的一种图像质量的确定方法的流程图；
图2B是根据本公开实施例公开的一种获取背景区域的示意图；
图3是根据本公开实施例公开的一种图像质量的确定装置的结构示意图；
图4是用来实现本公开实施例公开的图像质量的确定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
申请人在研发过程中发现，现有技术对于图像底色单调问题的检测，首先会通过目标检测或分割的技术获取待检测图像的背景区域，再基于获取的背景区域确定色彩是否单调。
但是，目标检测技术需要预先定义待检测物体的类别，种类繁多的物体类别会导致出现数据难收集、标注工作繁重以及训练任务难的问题，使得确定待评价图像背景区域所需工作量较大。而目标分割技术也需要预先定义待分割物体的类别，同样会导致出现数据难收集、标注工作繁重以及训练任务难的问题，使得确定待评价图像背景区域所需工作量较大。
可见基于上述两种确定背景区域方法来实现底色单调问题的检测，会使得检测效率较低。
图1是根据本公开实施例公开的一种图像质量的确定方法的流程图，本实施例可以适用于确定待评价图像图像质量的情况。本实施例方法可以由图像质量的确定装置来执行，所述装置可采用软件和/或硬件实现，并可集成在任意的具有计算能力的电子设备上。
如图1所示，本实施例公开的图像质量的确定方法可以包括：
S101、根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域。
其中，待评价图像可以是一张独立的图像，也可以是一段视频中的任一帧视频帧图像。纹理能量值是一种纹理特征，其反映了图像灰度分布均匀程度和纹理粗细度，通常情况下待检测图像前景区域的纹理特征明显，但由于背景区域多为纯色构成，使得背景区域的纹理特征缺失严重。
在一种实施方式中，首先根据现有的梯度计算方法确定待评价图像中各像素点的水平梯度和垂直梯度。本实施例以基于梯度模板的方法为例，通过如下公式确定待评价图像中各像素点的水平梯度和垂直梯度：
Gx＝X*I
Gy＝Y*I
其中，Gx表示待评价图像中各像素点的水平梯度，Gy表示待评价图像中各像素点的垂直梯度，I表示待评价图像中各像素点的灰度值，X表示水平梯度模板，Y表示垂直梯度模板。可选的，水平梯度模板X和垂直梯度模板Y可以选用如下形式：
Figure BDA0002993021680000041
其次，在得到待评价图像中各像素点的水平梯度和垂直梯度后，根据任一像素点的水平梯度和垂直梯度，计算得到该像素点的纹理能量值，具体计算过程可以用如下公式表示：
E(i,j)＝|Gx(i,j)|+|Gy(i,j)|
其中，E(i,j)表示待评价图像中第i行第j列的像素点的纹理能量值，Gx(i,j)表示待评价图像中第i行第j列的像素点的水平梯度，Gy(i,j)表示待评价图像中第i行第j列的像素点的垂直梯度。
最后，由于背景区域中的背景像素点，和前景区域中的前景像素点，在纹理能量值分布上具有很大的不同，因此根据确定的待评价图像中各像素点的纹理能量值的大小，采用阈值判定的方法确定背景区域，即将纹理能量值小于预设阈值的像素点所组成的区域，作为待评价图像的背景区域。
值得说明的是，本实施例仅以基于梯度模板的方法为例，对如何确定各像素点的水平梯度和垂直梯度进行解释说明，并不对具体采用的方法进行任何限定，凡是能够确定各像素点的水平梯度和垂直梯度的方法，均应在本实施的保护范围中。
通过根据待评价图像中各像素点的纹理能量值，确定待评价图像的背景区域，实现了基于各像素点的纹理能量值，快速确定待评价图像的背景区域的效果。
S102、确定所述背景区域中各背景像素点的颜色类别。
其中，背景像素点即背景区域中的像素点。背景像素点的颜色类别表示背景像素点呈现的颜色，例如白色背景像素点、黑色背景像素点或红色背景像素点等等。
在一种实施方式中，遍历背景区域中的各背景像素点，获取各背景像素点的颜色空间值，其中背景像素点的颜色空间值表示背景像素点在预设颜色空间的取值，预设颜色空间包括但不限于RGB颜色空间、CMY颜色空间、HSV颜色空间和HSI颜色空间等。将得到的任一背景像素点的颜色空间值与各候选颜色空间值进行匹配，将匹配成功的候选颜色空间值对应的颜色类别作为该背景像素点的颜色类别。例如，任一背景像素点的RGB颜色空间值为(255,255,255)，与该RGB颜色空间值(255,255,255)匹配的候选颜色空间值对应的颜色类别为“白色”，则确定该背景像素点的颜色类别为“白色”。
通过确定背景区域中各背景像素点的颜色类别，为后续确定待评价图像的图像质量，奠定了基础。
S103、根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
其中，待评价图像的图像质量包括质量异常和质量正常两种情况。
在一种实施方式中，确定待评价图像中属于各颜色类别的背景像素点的数量，并将各颜色类别的背景像素点数量分别与数量阈值进行比对，若任一颜色类别的背景像素点数量大于数量阈值，则确定待评价图像的图像质量为质量异常，即待评价图像存在底色单调的问题。例如，白色的背景像素点数量为10000，而数量阈值为9500，则确定待评价图像的图像质量为质量异常。
在另一种实施方式中，确定待评价图像包含的像素点总数量，以及待评价图像中属于各颜色类别的背景像素点的数量，进而将属于各颜色类别的背景像素点的数量，分别与待评价图像包含的像素点总数量进行比值运算，得到各颜色类别的背景像素点数量与像素点总数量之间的数量比值。将各数量比值与数量比值阈值进行比对，若任一颜色类别的对应的数值比值大于数量比值阈值，则确定待评价图像的图像质量为质量异常，即待评价图像存在底色单调的问题。例如，白色对应的数值比值为66.4％，而数量比值阈值为65％，则确定待评价图像的图像质量为质量异常。
通过根据属于各颜色类别的背景像素点的数量，确定待评价图像的图像质量，实现了确定待评价图像的图像质量的效果。
本公开通过根据待评价图像中各像素点的纹理能量值，确定待评价图像的背景区域，并确定背景区域中各背景像素点的颜色类别，进而根据属于各颜色类别的背景像素点的数量，确定待评价图像的图像质量，与现有技术相比，本公开无需定义待检测物体或待分割物体的类别，也无需进行数据集收集、数据集标注和数据集训练，从而实现大大降低确定待评价图像背景区域所需工作量的效果，提高了确定背景区域的效率，进而间接提高了确定图像质量的效率，减少了确定图像质量所需的时间。
在上述实施例的基础上，S103之后，包括：
若待评价图像为任一段视频中的任一帧视频帧图像，则根据该视频中所有视频帧图像的图像质量，确定该视频的视频质量。
在一种实施方式中，确定该视频中图像质量为质量异常的视频帧图像数量，进而确定质量异常的视频帧图像数量与该视频总视频帧图像数量之间的比值，若该比值大于预设比值，则确定该视频的视频质量为质量异常。
通过若待评价图像为任一段视频中的任一帧视频帧图像，则根据该视频中所有视频帧图像的图像质量，确定该视频的视频质量，实现了对视频质量的判定，扩大了方法的应用范围。
申请人在研发过程中发现：1)基于理论单一颜色空间值表示人眼视觉呈现的颜色类别较难，人眼判断的颜色类别并不是一个定值颜色空间值，而是一个颜色空间值范围。2)仅仅根据属于各颜色类别的背景像素点的数量，确定待评价图像的图像质量，得到的结果并不是很准确，例如有些图像虽然存在底色单调的问题，但其画面布局合理，视觉效果仍然很震撼。
因此本公开对上述两个问题进行了改进。
图2A是根据本公开实施例公开的一种图像质量的确定方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。
S201、根据所述待评价图像中各像素点的纹理能量值，确定所述待评价图像的纹理能量阈值。
其中，本实施例中的纹理能量阈值是一种自适应阈值，可以根据任一待评价图像中各像素点的纹理能量值自动得出，无需相关技术人员根据经验再为各待评价图像设置纹理能量阈值。
可选的，S201包括：
根据所述待评价图像中各像素点的纹理能量值、所述待评价图像竖直方向的像素点个数以及所述待评价图像水平方向的像素点个数，确定所述待评价图像的纹理能量阈值。
其中，待评价图像竖直方向的像素点个数表示：待评价图像竖直方向上任一列像素点的数量。待评价图像水平方向的像素点个数表示：待评价图像水平方向上任一行像素点的数量。
在一种实施方式中，将待评价图像中各像素点的纹理能量值相加，得到纹理能量总值，并将待评价图像竖直方向和水平方向的像素点个数相乘，得到相乘结果，最终根据纹理能量总值以及相乘结果之间的比值，确定待评价图像的纹理能量阈值。
通过根据待评价图像中各像素点的纹理能量值、待评价图像竖直方向的像素点个数以及待评价图像水平方向的像素点个数，确定待评价图像的纹理能量阈值，实现了根据待评价图像的相关信息自适应得到纹理能量阈值，无需技术人员人工进行设置，提高了效率。
可选的，“根据所述待评价图像中各像素点的纹理能量值、所述待评价图像竖直方向的像素点个数以及所述待评价图像水平方向的像素点个数，确定所述待评价图像的纹理能量阈值”，包括：
通过如下公式确定所述待评价图像的纹理能量阈值：
Figure BDA0002993021680000071
其中，Thres表示所述待评价图像的纹理能量阈值；s表示缩放系数，可选的设置为10；H表示所述待评价图像竖直方向的像素点个数，W表示所述待评价图像水平方向的像素点个数，I(i,j)表示所述待评价图像中第i行第j列像素点的纹理能量值。
通过根据公式
Figure BDA0002993021680000072
计算得到待评价图像的纹理能量阈值，实现了一种能够确定待评价图像的纹理能量阈值的具体实现方式。
S202、根据所述待评价图像中各像素点的纹理能量值，以及所述纹理能量阈值，确定所述待评价图像的前景区域，并根据所述前景区域确定所述待评价图像的背景区域。
在一种实施方式中，将待评价图像中各像素点的纹理能量值，分别与纹理能量阈值进行比对，并根据比对结果确定待评价图像的前景区域，进而根据确定的前景区域，将待评价图像中除前景区域之外的区域作为待评价图像的背景区域。
可选的，S202中“根据所述待评价图像中各像素点的纹理能量值，以及所述纹理能量阈值，确定所述待评价图像的前景区域”，包括以下A和B两个步骤：
A、将纹理能量值大于或等于所述纹理能量阈值的像素点的灰度值设置为第一灰度值，且将纹理能量值小于所述纹理能量阈值的像素点的灰度值设置为第二灰度值，得到所述待评价图像的二值化图像；其中，所述第一灰度值与所述第二灰度值不同。
其中，二值化图像即图像中像素点仅存在两种灰度值的图像。
在一种实施方式中，将待评价图像中各像素点的纹理能量值，分别与纹理能量阈值进行比对，将纹理能量值大于或等于纹理能量阈值的像素点的灰度值设置为第一灰度值，可选的第一灰度值为“255”，且将纹理能量值小于纹理能量阈值的像素点的灰度值设置为第二灰度值，可选的第一灰度值为“0”，进而生成待评价图像对应的二值化图像。
B、根据所述待评价图像的二值化图像，确定所述待评价图像的前景区域。
在一种实施方式中，通过边缘检测技术，对得到的待评价图像的二值化图像进行边缘检测，确定二值化图像中前景区域的轮廓，其中，边缘检测技术包括但不限于Sobel算子检测方法、Canny算子检测方法以及Laplacian算子检测方法。根据前景区域轮廓在二值化图像中的相对位置坐标，确定前景区域轮廓在待评价图像的相对位置坐标，进而将前景区域轮廓内的像素点组成的区域，作为待评价图像的前景区域。得到待评价图像的前景区域后，将待评价图像中除前景区域外的像素点组成的区域，作为待评价图像的背景区域。
图2B是根据本公开实施例公开的一种获取背景区域的示意图，如图2B所示，其中200表示待评价图像，201表示待评价图像200的二值化图像，202表示二值化图像201中的前景区域，203表示待评价图像200中中的背景区域，204表示待评价图像200中的前景区域。20
通过将纹理能量值大于或等于纹理能量阈值的像素点的灰度值设置为第一灰度值，且将纹理能量值小于纹理能量阈值的像素点的灰度值设置为第二灰度值，得到待评价图像的二值化图像，并根据待评价图像的二值化图像，确定待评价图像的前景区域，实现了基于纹理能量值确定待评价图像的二值化图像的效果，且根据二值化图像能够更加精准的确定待评价图像的前景区域，进而间接使得待评价图像的背景区域地确定，也更加精准，更进一步保证最终待评价图像的图像质量的确定结果也更加准确。
S203、将所述背景区域中任一背景像素点的颜色空间值与各颜色类别对应的颜色空间值区间进行匹配，将匹配成功的颜色空间值区间所属的颜色类别，作为该背景像素点的颜色类别。
在一种实施方式中，选取更利于获取颜色信息的HSV颜色空间作为本实施例中的颜色空间。预先设置10种常见的人眼视觉颜色类别，并分别定义各颜色类别对应的HSV颜色空间值区间，可选的，HSV颜色空间值区间定义如下：黑(0，0，0)～(180，255，46)、灰(0，0，46)～(180，43，220)、白(0，0，221)～(180，30，255)、红(156,43,46)～(180,255,255)、(0,43,46)～(0,255,255)、橙(11,43,46)～(25,255,255)、黄(26,43,46)～(34,255,255)、绿(35,43,46)～(77,255,255)、青(78,43,46)～(99,255,255)、蓝(100,43,46)～(124,255,255)以及紫(125,43,46)～(155,255,255)。
将背景区域中任一背景像素点的HSV颜色空间值中的H值、S值和V值，分别与各颜色类别对应的HSV颜色空间值区间中的H值区间、S值区间和V值区间进行匹配，将H值、S值和V值均匹配成功的HSV颜色空间值区间所属的颜色类别，作为该背景像素点的颜色类别。
例如，某个背景像素点的HSV颜色空间值为(5,200,30)，即HSV颜色空间值中，H值：“5”，S值：“200”，V值：“30”。黑色对应的HSV颜色空间值区间为(0，0，0)～(180，255，46)，即H值区间：(0～180)，S值区间：(0～255)，V值区间：(0～46)，而该背景像素点的HSV颜色空间值中的H值、S值和V值均属于(0，0，0)～(180，255，46)的HSV颜色空间值区间，则确定该背景像素点的颜色类别为“黑色”。
S204、确定所述待评价图像的前景区域的面积，并根据所述前景区域的面积和属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
在一种实施方式中，确定待评价图像的前景区域的面积，以及背景区域中属于各颜色类别的背景像素点的数量，进而分别将前景区域的面积与面积阈值进行比对，以及属于各颜色类别的背景像素点的数量与数量阈值进行比对。若前景区域的面积小于面积阈值，并且任一颜色类别的背景像素点数量大于数量阈值，则确定待评价图像的图像质量为质量异常。
可选的，S204包括以下A和B两个步骤：
A、确定所述前景区域的面积与所述待评价图像面积之间的面积比值，以及属于所述各颜色类别的背景像素点的数量，分别与所述待评价图像像素点数量之间的数量比值。
示例性的，假设前景区域的面积为50cm2，待评价图像面积为100cm2，则前景区域的面积与待评价图像面积之间的面积比值50％；假设待评价图像背景区域的背景像素点有“黑色”、“白色”和“灰色”三个颜色类别，黑色背景像素点数量为1000个，白色背景像素点数量为500个，灰色背景像素点数量为2000个，待评价图像像素点数量为5000个，则黑色背景像素点数量与待评价图像像素点数量的数量比值为20％，白色背景像素点数量与待评价图像像素点数量的数量比值为10％，灰色背景像素点数量与待评价图像像素点数量的数量比值为40％。
可选的，还可以确定前景区域对应显著性区域的面积，并将显著性区域的面积与待评价图像面积之间的比值作为面积比值。
其中，显著性区域可通过包括基于直方图对比度的显著性检测算法、Aho-Corasick自动机算法或基于颜色特征的显著性检测算法等，检测待识别图像中前景区域对应的显著性区域。优选的，提取前景区域的外接矩形，并将该外接矩形直接作为前景区域对应的显著性区域。
B、根据所述面积比值和所述数量比值，确定所述待评价图像的图像质量。
在一种实施方式中，将面积比值与面积比值阈值进行比对，且将数量比值对于数量比值阈值进行比对，并根据两个比对结果确定待评价图像的图像质量。
通过确定前景区域的面积与待评价图像面积之间的面积比值，以及属于各颜色类别的背景像素点的数量，分别与待评价图像像素点数量之间的数量比值，并根据面积比值和数量比值，确定待评价图像的图像质量，实现了根据前景区域关联的面积比值，和背景像素点关联的数量比值两个维度共同确定待评价图像的图像质量，提高了最终图像质量确定结果的可靠性和可信性。
可选的，步骤B包括：
在所述面积比值小于面积比值阈值，且任一颜色类别对应的所述数量比值大于数量比值阈值的情况下，确定所述待评价图像的图像质量为质量异常。
示例性的，假设面积比值阈值为30％，数量比值阈值为80％，若面积比值为25％，而背景区域中白色背景像素点数量与待评价图像像素点数量之间的数量比值为85％，由于面积比值25％小于面积比值阈值30％，且白色对应的数量比值85％大于数量比值阈值80％，则确定待评价图像的图像质量为质量异常。
通过在面积比值小于面积比值阈值，且任一颜色类别对应的数量比值大于数量比值阈值的情况下，确定待评价图像的图像质量为质量异常，实现了多维度的对待评价图像的图像质量进行评价的效果。
本公开通过根据待评价图像中各像素点的纹理能量值，确定待评价图像的纹理能量阈值，并根据待评价图像中各像素点的纹理能量值，以及纹理能量阈值，确定待评价图像的前景区域，进而根据前景区域确定待评价图像的背景区域，实现了基于各像素点的纹理能量值，以及自适应的纹理能量阈值，快速确定待评价图像的背景区域的效果，降低了确定待评价图像背景区域所需的工作量，提高了确定背景区域的效率；通过将背景区域中任一背景像素点的颜色空间值与各颜色类别对应的颜色空间值区间进行匹配，将匹配成功的颜色空间值区间所属的颜色类别，作为该背景像素点的颜色类别，由于根据各颜色类别对应的颜色空间值区间，确定背景像素点颜色类别的效果，避免了仅根据颜色类别的单一颜色空间值确定背景像素点颜色类别，存在不准确的问题；通过确定待评价图像的前景区域的面积，并根据前景区域的面积和属于各颜色类别的背景像素点的数量，确定待评价图像的图像质量，实现了根据前景区域的面积，以及属于各颜色类别的背景像素点的数量，两个维度共同确定待评价图像的图像质量，提高了最终图像质量确定结果的可靠性和可信性。
申请人在研发过程中发现，在前景区域被截断的情况下，容易造成像素点纹理信息的缺失，从而导致二值化图像各边界上某些像素点的灰度值赋值并不准确。
为了解决上述问题，在上述实施例的基础上，“根据所述待评价图像的二值化图像，确定所述待评价图像的前景区域”之前，还包括以下A、B和C三个步骤：
A、将所述二值化图像各边界上灰度值为所述第一灰度值的像素点作为第一类像素点，且将位于各所述第一类像素点之间灰度值为所述第二灰度值的像素点作为第二类像素点。
其中，第一灰度值可选的为“255”，第二灰度值可选的“0”。
示例性的，假设像素坐标为(1,100)的像素点A为第一类像素点，与像素点A相邻的第二类像素点为像素点B，像素点B的像素坐标为(4,100)，则将位于像素点A和像素点B之间灰度值为第二灰度值的像素点作为第二类像素点，即将像素坐标为(2,100)和(3,100)的像素点作为第二类像素点。
B、确定包括任一所述第二类像素点，且位于该所述第二类像素点所属边界垂直方向上的像素点集合中，是否存在灰度值为所述第一灰度值的像素点。
在一种实施方式中，假设像素点C为第二类像素点，且像素点C位于二值化图像的上边界或下边界上，则确定包括像素点C且与上边界和下边界垂直的像素集合中，即像素点C所处的像素列中，是否存在灰度值为所述第一灰度值的像素点。
在另一种实施方式中，假设像素点D为第二类像素点，且像素点D位于二值化图像的左边界或右边界上，则确定包括像素点D且与左边界和右边界垂直的像素集合中，即像素点D所处的像素行中，是否存在灰度值为所述第一灰度值的像素点。
C、若存在，则将该所述第二类像素点的灰度值设置为第一灰度值。
在一种实施方式中，假设像素点C为第二类像素点，且像素点C位于二值化图像的上边界或下边界上，若确定包括像素点C且与上边界和下边界垂直的像素集合中，即像素点C所处的像素列中，存在灰度值为第一灰度值的像素点，则将像素点C的灰度值设置为第一灰度值。
在另一种实施方式中，假设像素点D为第二类像素点，且像素点D位于二值化图像的左边界或右边界上，若确定包括像素点D且与左边界和右边界垂直的像素集合中，即像素点D所处的像素行中，存在灰度值为第一灰度值的像素点，则将像素点D的灰度值设置为第一灰度值。
通过将二值化图像各边界上灰度值为第一灰度值的像素点作为第一类像素点，且将位于各第一类像素点之间灰度值为第二灰度值的像素点作为第二类像素点，并确定包括任一第二类像素点，且位于该第二类像素点所属边界垂直方向上的像素点集合中，是否存在灰度值为第一灰度值的像素点，若存在，则将该第二类像素点的灰度值设置为第一灰度值，解决了由于像素点纹理信息的缺失，导致二值化图像各边界上某些像素点的灰度值赋值不准确的问题，从而保证了后续确定背景区域的准确性。
图3是根据本公开实施例公开的一种图像质量的确定装置的结构示意图，可以适用于确定待评价图像图像质量的情况。本实施例装置可采用软件和/或硬件实现，并可集成在任意的具有计算能力的电子设备上。
如图3所示，本实施例公开的图像质量的确定装置30可以包括背景区域确定模块31、颜色类别确定模块32和图像质量确定模块32，其中：
背景区域确定模块31，用于根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域；
颜色类别确定模块32，用于确定所述背景区域中各背景像素点的颜色类别；
图像质量确定模块33，用于根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
可选的，所述背景区域确定模块31，具体用于：
根据所述待评价图像中各像素点的纹理能量值，确定所述待评价图像的纹理能量阈值；
根据所述待评价图像中各像素点的纹理能量值，以及所述纹理能量阈值，确定所述待评价图像的前景区域；
根据所述前景区域确定所述待评价图像的背景区域。
可选的，所述背景区域确定模块31，具体还用于：
根据所述待评价图像中各像素点的纹理能量值、所述待评价图像竖直方向的像素点个数以及所述待评价图像水平方向的像素点个数，确定所述待评价图像的纹理能量阈值。
可选的，所述背景区域确定模块31，具体还用于：
通过如下公式确定所述待评价图像的纹理能量阈值：
Figure BDA0002993021680000141
其中，Thres表示所述待评价图像的纹理能量阈值，s表示缩放系数，H表示所述待评价图像竖直方向的像素点个数，W表示所述待评价图像水平方向的像素点个数，I(i,j)表示所述待评价图像中第i行第j列像素点的纹理能量值。
可选的，所述背景区域确定模块31，具体还用于：
将纹理能量值大于或等于所述纹理能量阈值的像素点的灰度值设置为第一灰度值，且将纹理能量值小于所述纹理能量阈值的像素点的灰度值设置为第二灰度值，得到所述待评价图像的二值化图像；其中，所述第一灰度值与所述第二灰度值不同；
根据所述待评价图像的二值化图像，确定所述待评价图像的前景区域。
可选的，所述装置还包括二值化图像校准模块，具体用于：
将所述二值化图像各边界上灰度值为所述第一灰度值的像素点作为第一类像素点，且将位于各所述第一类像素点之间灰度值为所述第二灰度值的像素点作为第二类像素点；
确定包括任一所述第二类像素点，且位于该所述第二类像素点所属边界垂直方向上的像素点集合中，是否存在灰度值为所述第一灰度值的像素点；
若存在，则将该所述第二类像素点的灰度值设置为第一灰度值。
可选的，所述颜色类别确定模块32，具体用于：
将任一背景像素点的颜色空间值与各颜色类别对应的颜色空间值区间进行匹配，将匹配成功的颜色空间值区间所属的颜色类别，作为该背景像素点的颜色类别。
可选的，所述图像质量确定模块33，具体用于：
确定所述待评价图像的前景区域的面积，并根据所述前景区域的面积和属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
可选的，所述图像质量确定模块33，具体还用于：
确定所述前景区域的面积与所述待评价图像面积之间的面积比值，以及属于所述各颜色类别的背景像素点的数量，分别与所述待评价图像像素点数量之间的数量比值；
根据所述面积比值和所述数量比值，确定所述待评价图像的图像质量。
可选的，所述图像质量确定模块33，具体还用于：
在所述面积比值小于面积比值阈值，且任一颜色类别对应的所述数量比值大于数量比值阈值的情况下，确定所述待评价图像的图像质量为质量异常。
本公开实施例所公开的图像质量的确定装置30可执行本公开实施例所公开的图像质量的确定方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
…
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。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/或者要求的本公开的实现。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如图像质量的确定方法。例如，在一些实施例中，图像质量的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的图像质量的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像质量的确定方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、区块链网络和互联网。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (23)

1.一种图像质量的确定方法，包括：
根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域；
确定所述背景区域中各背景像素点的颜色类别；
根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
2.根据权利要求1所述的方法，其中，所述根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域，包括：
根据所述待评价图像中各像素点的纹理能量值，确定所述待评价图像的纹理能量阈值；
根据所述待评价图像中各像素点的纹理能量值，以及所述纹理能量阈值，确定所述待评价图像的前景区域；
根据所述前景区域确定所述待评价图像的背景区域。
3.根据权利要求2所述的方法，其中，根据所述待评价图像中各像素点的纹理能量值，确定所述待评价图像的纹理能量阈值，包括：
根据所述待评价图像中各像素点的纹理能量值、所述待评价图像竖直方向的像素点个数以及所述待评价图像水平方向的像素点个数，确定所述待评价图像的纹理能量阈值。
4.根据权利要求3所述的方法，其中，所述根据所述待评价图像中各像素点的纹理能量值、所述待评价图像竖直方向的像素点个数以及所述待评价图像水平方向的像素点个数，确定所述待评价图像的纹理能量阈值，包括：
通过如下公式确定所述待评价图像的纹理能量阈值：
Figure FDA0002993021670000011
其中，Thres表示所述待评价图像的纹理能量阈值，s表示缩放系数，H表示所述待评价图像竖直方向的像素点个数，W表示所述待评价图像水平方向的像素点个数，I(i,j)表示所述待评价图像中第i行第j列像素点的纹理能量值。
5.根据权利要求2所述的方法，其中，所述根据所述待评价图像中各像素点的纹理能量值，以及所述纹理能量阈值，确定所述待评价图像的前景区域，包括：
将纹理能量值大于或等于所述纹理能量阈值的像素点的灰度值设置为第一灰度值，且将纹理能量值小于所述纹理能量阈值的像素点的灰度值设置为第二灰度值，得到所述待评价图像的二值化图像；其中，所述第一灰度值与所述第二灰度值不同；
根据所述待评价图像的二值化图像，确定所述待评价图像的前景区域。
6.根据权利要求5所述的方法，所述根据所述待评价图像的二值化图像，确定所述待评价图像的前景区域之前，还包括：
将所述二值化图像各边界上灰度值为所述第一灰度值的像素点作为第一类像素点，且将位于各所述第一类像素点之间灰度值为所述第二灰度值的像素点作为第二类像素点；
确定包括任一所述第二类像素点，且位于该所述第二类像素点所属边界垂直方向上的像素点集合中，是否存在灰度值为所述第一灰度值的像素点；
若存在，则将该所述第二类像素点的灰度值设置为第一灰度值。
7.根据权利要求1所述的方法，其中，所述确定所述背景区域中各背景像素点的颜色类别，包括：
将任一背景像素点的颜色空间值与各颜色类别对应的颜色空间值区间进行匹配，将匹配成功的颜色空间值区间所属的颜色类别，作为该背景像素点的颜色类别。
8.根据权利要求1所述的方法，其中，所述根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量，包括：
确定所述待评价图像的前景区域的面积，并根据所述前景区域的面积和属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
9.根据权利要求8所述的方法，其中，所述根据所述前景区域的面积和属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量，包括：
确定所述前景区域的面积与所述待评价图像面积之间的面积比值，以及属于所述各颜色类别的背景像素点的数量，分别与所述待评价图像像素点数量之间的数量比值；
根据所述面积比值和所述数量比值，确定所述待评价图像的图像质量。
10.根据权利要求9所述的方法，其中，根据所述面积比值和所述数量比值，确定所述待评价图像的图像质量，包括：
在所述面积比值小于面积比值阈值，且任一颜色类别对应的所述数量比值大于数量比值阈值的情况下，确定所述待评价图像的图像质量为质量异常。
11.一种图像质量的确定装置，包括：
背景区域确定模块，用于根据待评价图像中各像素点的纹理能量值，确定所述待评价图像的背景区域；
颜色类别确定模块，用于确定所述背景区域中各背景像素点的颜色类别；
图像质量确定模块，用于根据属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
12.根据权利要求11所述的装置，其中，所述背景区域确定模块，具体用于：
根据所述待评价图像中各像素点的纹理能量值，确定所述待评价图像的纹理能量阈值；
根据所述待评价图像中各像素点的纹理能量值，以及所述纹理能量阈值，确定所述待评价图像的前景区域；
根据所述前景区域确定所述待评价图像的背景区域。
13.根据权利要求12所述的装置，其中，所述背景区域确定模块，具体还用于：
根据所述待评价图像中各像素点的纹理能量值、所述待评价图像竖直方向的像素点个数以及所述待评价图像水平方向的像素点个数，确定所述待评价图像的纹理能量阈值。
14.根据权利要求13所述的装置，其中，所述背景区域确定模块，具体还用于：
通过如下公式确定所述待评价图像的纹理能量阈值：
Figure FDA0002993021670000041
其中，Thres表示所述待评价图像的纹理能量阈值，s表示缩放系数，H表示所述待评价图像竖直方向的像素点个数，W表示所述待评价图像水平方向的像素点个数，I(i,j)表示所述待评价图像中第i行第j列像素点的纹理能量值。
15.根据权利要求12所述的装置，其中，所述背景区域确定模块，具体还用于：
将纹理能量值大于或等于所述纹理能量阈值的像素点的灰度值设置为第一灰度值，且将纹理能量值小于所述纹理能量阈值的像素点的灰度值设置为第二灰度值，得到所述待评价图像的二值化图像；其中，所述第一灰度值与所述第二灰度值不同；
根据所述待评价图像的二值化图像，确定所述待评价图像的前景区域。
16.根据权利要求15所述的装置，其中，所述装置还包括二值化图像校准模块，具体用于：
将所述二值化图像各边界上灰度值为所述第一灰度值的像素点作为第一类像素点，且将位于各所述第一类像素点之间灰度值为所述第二灰度值的像素点作为第二类像素点；
确定包括任一所述第二类像素点，且位于该所述第二类像素点所属边界垂直方向上的像素点集合中，是否存在灰度值为所述第一灰度值的像素点；
若存在，则将该所述第二类像素点的灰度值设置为第一灰度值。
17.根据权利要求11所述的装置，其中，所述颜色类别确定模块，具体用于：
将任一背景像素点的颜色空间值与各颜色类别对应的颜色空间值区间进行匹配，将匹配成功的颜色空间值区间所属的颜色类别，作为该背景像素点的颜色类别。
18.根据权利要求11所述的装置，其中，所述图像质量确定模块，具体用于：
确定所述待评价图像的前景区域的面积，并根据所述前景区域的面积和属于所述各颜色类别的背景像素点的数量，确定所述待评价图像的图像质量。
19.根据权利要求18所述的装置，其中，所述图像质量确定模块，具体还用于：
确定所述前景区域的面积与所述待评价图像面积之间的面积比值，以及属于所述各颜色类别的背景像素点的数量，分别与所述待评价图像像素点数量之间的数量比值；
根据所述面积比值和所述数量比值，确定所述待评价图像的图像质量。
20.根据权利要求19所述的装置，其中，所述图像质量确定模块，具体还用于：
在所述面积比值小于面积比值阈值，且任一颜色类别对应的所述数量比值大于数量比值阈值的情况下，确定所述待评价图像的图像质量为质量异常。
21.一种电子设备，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1-10中任一项所述的方法。
22.一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根据权利要求1-10中任一项所述的方法。
23.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
CN202110321430.3A 2021-03-25 2021-03-25 一种图像质量的确定方法、装置、电子设备和介质 Active CN112991308B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110321430.3A CN112991308B (zh) 2021-03-25 2021-03-25 一种图像质量的确定方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110321430.3A CN112991308B (zh) 2021-03-25 2021-03-25 一种图像质量的确定方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN112991308A true CN112991308A (zh) 2021-06-18
CN112991308B CN112991308B (zh) 2023-11-24

Family

ID=76333677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110321430.3A Active CN112991308B (zh) 2021-03-25 2021-03-25 一种图像质量的确定方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN112991308B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963321A (zh) * 2021-10-27 2022-01-21 阿波罗智联(北京)科技有限公司 图像处理方法、装置、电子设备和介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6222932B1 (en) * 1997-06-27 2001-04-24 International Business Machines Corporation Automatic adjustment of image watermark strength based on computed image texture
US20020110283A1 (en) * 2000-12-15 2002-08-15 Xerox Corporation Method and apparatus for classifying images and/or image regions based on texture information
US20050013486A1 (en) * 2003-07-18 2005-01-20 Lockheed Martin Corporation Method and apparatus for automatic object identification
CN101866553A (zh) * 2009-04-15 2010-10-20 付丽娜 基于差分和颜色对特征点的车牌定位方法
CN101887520A (zh) * 2009-05-12 2010-11-17 华为终端有限公司 一种图像中的文字定位方法和装置
WO2011084142A1 (en) * 2010-01-11 2011-07-14 Tandent Vision Science, Inc. Image segregation system with method for handling textures
CN102194118A (zh) * 2010-03-02 2011-09-21 方正国际软件(北京)有限公司 一种从图像中抽取信息的方法及装置
CN104599283A (zh) * 2015-02-10 2015-05-06 南京林业大学 一种基于深度差恢复相机高度的图像深度改进方法
CN109829924A (zh) * 2019-01-18 2019-05-31 武汉大学 一种基于主体特征分析的图像质量评价方法
CN111783789A (zh) * 2020-06-30 2020-10-16 青海民族大学 一种图像敏感信息识别方法
CN112184837A (zh) * 2020-09-30 2021-01-05 百度(中国)有限公司 一种图像检测方法、装置、电子设备及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6222932B1 (en) * 1997-06-27 2001-04-24 International Business Machines Corporation Automatic adjustment of image watermark strength based on computed image texture
US20020110283A1 (en) * 2000-12-15 2002-08-15 Xerox Corporation Method and apparatus for classifying images and/or image regions based on texture information
US20050013486A1 (en) * 2003-07-18 2005-01-20 Lockheed Martin Corporation Method and apparatus for automatic object identification
CN101866553A (zh) * 2009-04-15 2010-10-20 付丽娜 基于差分和颜色对特征点的车牌定位方法
CN101887520A (zh) * 2009-05-12 2010-11-17 华为终端有限公司 一种图像中的文字定位方法和装置
WO2011084142A1 (en) * 2010-01-11 2011-07-14 Tandent Vision Science, Inc. Image segregation system with method for handling textures
CN102194118A (zh) * 2010-03-02 2011-09-21 方正国际软件(北京)有限公司 一种从图像中抽取信息的方法及装置
CN104599283A (zh) * 2015-02-10 2015-05-06 南京林业大学 一种基于深度差恢复相机高度的图像深度改进方法
CN109829924A (zh) * 2019-01-18 2019-05-31 武汉大学 一种基于主体特征分析的图像质量评价方法
CN111783789A (zh) * 2020-06-30 2020-10-16 青海民族大学 一种图像敏感信息识别方法
CN112184837A (zh) * 2020-09-30 2021-01-05 百度(中国)有限公司 一种图像检测方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
栾晨;赵敏华;: "基于车牌特征和底色识别的车牌定位算法研究", 工业控制计算机, no. 02 *
沃焱;金璇;: "一种基于图的彩色图像分割算法", 华南理工大学学报(自然科学版), no. 09 *
高新波;田春娜;张娜;: "一种基于SVM主动学习的卡通视频检测方法", 电子与信息学报, no. 06 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963321A (zh) * 2021-10-27 2022-01-21 阿波罗智联(北京)科技有限公司 图像处理方法、装置、电子设备和介质
CN113963321B (zh) * 2021-10-27 2023-08-04 阿波罗智联(北京)科技有限公司 图像处理方法、装置、电子设备和介质

Also Published As

Publication number Publication date
CN112991308B (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN110544258B (zh) 图像分割的方法、装置、电子设备和存储介质
CN113781402B (zh) 芯片表面划痕缺陷的检测方法、装置和计算机设备
CN114066900A (zh) 图像分割方法、装置、电子设备和存储介质
CN112802037A (zh) 人像提取方法、装置、电子设备及存储介质
CN113378696A (zh) 图像处理方法、装置、设备及存储介质
CN113378958A (zh) 自动标注方法、装置、设备、存储介质及计算机程序产品
CN113362420A (zh) 道路标注生成方法、装置、设备以及存储介质
CN115331132A (zh) 一种汽车零件的检测方法、装置、电子设备和存储介质
CN112184837A (zh) 一种图像检测方法、装置、电子设备及存储介质
CN115937101A (zh) 质量检测方法、装置、设备及存储介质
CN115272290A (zh) 一种缺陷检测方法、装置、电子设备及存储介质
CN112991308B (zh) 一种图像质量的确定方法、装置、电子设备和介质
CN117197479A (zh) 一种应用玉米果穗外表面的图像分析方法、装置、计算机设备及存储介质
CN111754491A (zh) 一种图片清晰度判定方法及装置
CN115761698A (zh) 一种目标检测方法、装置、设备及存储介质
CN115546764A (zh) 一种障碍物检测方法、装置、设备及存储介质
CN114612971A (zh) 人脸检测方法、模型训练方法、电子设备及程序产品
CN114511862A (zh) 表格识别方法、装置及电子设备
CN114005098A (zh) 高精地图车道线信息的检测方法、装置和电子设备
CN113361371A (zh) 道路提取方法、装置、设备以及存储介质
CN114092739B (zh) 图像处理方法、装置、设备、存储介质和程序产品
CN116503407B (zh) 图像中异物区域的检测方法、装置及电子设备
CN115542100B (zh) 绝缘子故障检测方法、装置、设备及介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN116416254A (zh) 一种输电线分割方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant