CN113066068B - 图像评估方法及装置 - Google Patents

图像评估方法及装置 Download PDF

Info

Publication number
CN113066068B
CN113066068B CN202110345925.XA CN202110345925A CN113066068B CN 113066068 B CN113066068 B CN 113066068B CN 202110345925 A CN202110345925 A CN 202110345925A CN 113066068 B CN113066068 B CN 113066068B
Authority
CN
China
Prior art keywords
tone data
data
image
tone
color
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.)
Active
Application number
CN202110345925.XA
Other languages
English (en)
Other versions
CN113066068A (zh
Inventor
李马丁
戴宇荣
于冰
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 Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information 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 Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202110345925.XA priority Critical patent/CN113066068B/zh
Publication of CN113066068A publication Critical patent/CN113066068A/zh
Application granted granted Critical
Publication of CN113066068B publication Critical patent/CN113066068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color 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)

Abstract

本公开关于一种图像评估方法及装置。该图像评估方法包括：将图像转换到色调饱和度明度HSV空间；选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据；基于第一色调数据确定色调数据的分布状态；基于色调数据的分布状态对图像的色彩进行评估。根据本公开的图像评估方法及装置，可提高对图像色彩的评估的准确性。

Description

图像评估方法及装置
技术领域
本公开涉及视频技术领域。更具体地，本公开涉及一种图像评估方法及装置。
背景技术
色彩丰富程度评估，能够对图像/视频/视频帧/视频片段进行评估，从而辅助挑选更好的图像/视频，进行自动剪辑等生产；或是根据用户的喜好，进行针对性的推荐(比如发现用户喜欢看色彩鲜艳的素材，则挑选对应素材推荐给用户)等。
发明内容
本公开的示例性实施例在于提供一种图像评估方法及装置，以至少解决相关技术中的图像评估的问题，也可不解决任何上述问题。
根据本公开的示例性实施例，提供一种图像评估方法，包括：将图像转换到色调饱和度明度HSV空间；选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据；基于第一色调数据确定色调数据的分布状态；基于色调数据的分布状态对图像的色彩进行评估。
可选地，基于第一色调数据确定色调数据的分布状态的步骤可包括：从第一色调数据中将大于阈值的第一色调数据确定为第二色调数据；从色调数据中选择处于第二色调数据的分布中心的中心色调数据。
可选地，从色调数据中选择处于第二色调数据的分布中心的中心色调数据的步骤可包括：针对色调数据中的每个色调数据，分别计算各个第二色调数据到每个色调数据的平均距离，得到每个色调数据所具有的平均距离；将色调数据中的具有最小平均距离的色调数据确定为中心色调数据。
可选地，分别计算各个第二色调数据到每个色调数据的平均距离的步骤可包括：计算各个第二色调数据到每个色调数据的距离的平方和或者绝对值之和的平均值作为各个第二色调数据到每个色调数据的平均距离。
可选地，基于色调数据的分布状态对图像的色彩进行评估的步骤可包括：获取图像的像素总数和第一色调数据的数量；基于图像的像素总数和第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
可选地，基于第一色调数据确定色调数据的分布状态的步骤可包括：对第一色调数据进行聚类，并且基于聚类结果将第一色调数据划分到相应的类中；分别确定每类第一色调数据的分布中心。
可选地，分别确定每类第一色调数据的分布中心的步骤可包括：选择类中第一色调数据的数量大于数量阈值的类；分别确定所选择的每类第一色调数据的分布中心。
可选地，基于色调数据的分布状态对图像的色彩进行评估的步骤可包括：获取所选择的类的数量、所选择的每个类的最小平均距离、所选择的每个类中的第一色调数据的数量；基于所选择的类的数量、所选择的每个类中的第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
可选地，预设范围可包括在以明度为横坐标并且饱和度为纵坐标的坐标系中的具有预设长轴和短轴的椭圆。
根据本公开的示例性实施例，提供一种图像评估装置，包括：空间转换单元，被配置为将图像转换到色调饱和度明度HSV空间；数据选择单元，被配置为选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据；分布状态确定单元，被配置为基于第一色调数据确定色调数据的分布状态；和色彩评估单元，被配置为基于色调数据的分布状态对图像的色彩进行评估。
可选地，分布状态确定单元可被配置为：从第一色调数据中将大于阈值的第一色调数据确定为第二色调数据；从色调数据中选择处于第二色调数据的分布中心的中心色调数据。
可选地，分布状态确定单元可被配置为：针对色调数据中的每个色调数据，分别计算各个第二色调数据到每个色调数据的平均距离，得到每个色调数据所具有的平均距离；将色调数据中的具有最小平均距离的色调数据确定为中心色调数据。
可选地，分布状态确定单元可被配置为：计算各个第二色调数据到每个色调数据的距离的平方和或者绝对值之和的平均值作为各个第二色调数据到每个色调数据的平均距离。
可选地，色彩评估单元可被配置为：获取图像的像素总数和第一色调数据的数量；基于图像的像素总数和第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
可选地，分布状态确定单元可被配置为：对第一色调数据进行聚类，并且基于聚类结果将第一色调数据划分到相应的类中；分别确定每类第一色调数据的分布中心。
可选地，分布状态确定单元可被配置为：选择类中第一色调数据的数量大于数量阈值的类；分别确定所选择的每类第一色调数据的分布中心。
可选地，色彩评估单元可被配置为：获取所选择的类的数量、所选择的每个类的最小平均距离、所选择的每个类中的第一色调数据的数量；基于所选择的类的数量、所选择的每个类中的第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
可选地，预设范围可包括在以明度为横坐标并且饱和度为纵坐标的坐标系中的具有预设长轴和短轴的椭圆。
根据本公开的示例性实施例，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现根据本公开的示例性实施例的图像评估方法。
根据本公开的示例性实施例，提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时，使得电子设备执行根据本公开的示例性实施例的图像评估方法。
根据本公开的示例性实施例，提供一种计算机程序产品，包括计算机程序/指令，当所述计算机程序/指令被处理器执行时，实现根据本公开的示例性实施例的图像评估方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
实现对图像色彩的准确评估。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1示出本公开的示例性实施例可以应用于其中的示例性系统架构。
图2示出以明度为横坐标饱和度为纵坐标的VS坐标系中的色彩分布状态。
图3示出根据本公开的示例性实施例的图像评估方法的流程图。
图4示出根据本公开的示例性实施例的图像评估装置的框图。
图5是根据本公开的示例性实施例的电子设备500的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在此需要说明的是，在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括A和B之中的至少一个”即包括如下三种并列的情况：(1)包括A；(2)包括B；(3)包括A和B。又例如“执行步骤一和步骤二之中的至少一个”，即表示如下三种并列的情况：(1)执行步骤一；(2)执行步骤二；(3)执行步骤一和步骤二。
下面，将参照图1至图5具体描述根据本公开的示例性实施例的图像评估方法及装置。
图1示出本公开的示例性实施例可以应用于其中的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息(例如视频数据上传请求、视频数据下载请求)等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如音视频通话软件、音视频录制软件、即使通信软件、会议软件、邮箱客户端、社交平台软件等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且能够进行音视频播放、录制、编辑等的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块(例如，用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
终端设备101、102、103可以安装有图像采集装置(例如摄像头)，以采集视频数据。实践中，组成视频的最小视觉单位是帧(Frame)。每一帧是一幅静态的图像。将时间上连续的帧序列合成到一起便形成动态视频。此外，终端设备101、102、103也可以安装有用于将电信号转换为声音的组件(例如扬声器)以播放声音，并且还可以安装有用于将模拟音频信号转换为数字音频信号的装置(例如，麦克风)以采集声音。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上所安装的多媒体应用提供支持的后台服务器。后台服务器可以对所接收到的音视频数据上传请求等数据进行解析、存储等处理，并且还可以接收终端设备101、102、103所发送的音视频数据下载请求，并将该音视频数据下载请求所指示的音视频数据反馈至终端设备101、102、103。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开实施例所提供的音频处理方法通常由终端设备执行，但是也可由服务器执行，或者也可以由终端设备和服务器协作执行。相应地，音频处理装置可设置在终端设备中、服务器中或者设置在终端设备和服务器两者中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器，本公开对此并无限制。
由于色彩程度评估可以从两个方面来进行，一个是色彩的鲜艳程度，一个是色彩的丰富程度。因此，在本公开中使用色调饱和度明度(HSV)色彩空间对色彩进行评估。H通道可以来评估色彩的丰富程度，S通道可以用来评估色彩的鲜艳程度。但这面临以下一些问题：
1、由于H是个圆周，因此需要考虑如何来度量H的分布情况；
2、由于亮度较小时，图像看起来较黑，在图像较黑的情况下，人眼难以分辨较低饱和度和较高饱和度，也就是说，在图像看起来较黑时，即使图像的饱和度较高，人眼也看不出来饱和度较高，因此，S在亮度较小的情况下，没有色彩评估的意义；
3、由于在图像的饱和度太低时，即使图像有颜色，人眼也看不出来有颜色，因此，H在S很小的情况下，没有色彩评估的意义；
4、因为在H的分布很广但所占面积很小的情况下，不会认为图像的色彩很丰富，因此，颜色丰富程度和H的空域分布相关。
对于问题1，在本公开中，可以使用以下方法来度量H的分布情况：
(1)遍历圆周，找到令“方差”或“到中心平均距离最小”的点作为H的圆周的中心，即H的分布中心；
(2)也可以使用分布模型(例如，但不限于，冯·米塞斯分布)来对H数据进行拟合。
对于问题2和3，在本公开中，可设计方法来排除没有色彩评估意义的数据。例如，图2示出以明度为横坐标饱和度为纵坐标的VS坐标系中的色彩分布状态。由于人眼对图2中的白线表示的椭圆右下方的区域的色彩会更敏感，而白线以外的地方，就算S或V较大，人眼也并不会觉得色彩鲜艳。如图2所示，白线右下方的区域的色彩看起来更鲜艳。因此，可在VS坐标系中，基于S数据和V数据来选择用于色彩评估的数据，从而排除了没有色彩评估意义的数据。
对于问题4，在本公开中，可考虑颜色丰富程度和H的空域分布之间的关系来进行颜色丰富程度的评估，例如，但不限于，用具有色彩评估意义的像素数量占图像像素的比重，对评估结果进行加权，从而提高色彩评估的准确性。
图3示出根据本公开的示例性实施例的图像评估方法的流程图。
参照图3，在步骤S301，将图像转换到HSV空间。例如，将图像从RGB色彩空间转换到HSV色彩空间，得到HSV色彩空间数据。也就是说，得到图像的色调数据H、饱和度数据S和明度数据V。
在步骤S302，选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据，从而排除了没有色彩评估意义的数据。
在本公开的示例性实施例中，预设范围可以是例如在以明度为横坐标并且饱和度为纵坐标的坐标系中的具有预设长轴和短轴的椭圆，本公开不限于此。
例如，在HSV空间中，预设范围内的色调数据可以是相应的符合以下条件的色调数据H：(1-S(i,j))2/a2+(1-V(i,j))2/b2<1。这里，a和b为可调的参数，分别是图2中椭圆的两个半轴(长半轴和短半轴)，例如，a＝0.9，b＝0.7，但本公开不限于此。
在本公开的示例性实施例中，如果饱和度数据和明度数据都处于预设范围外，则可认为图像的色彩程度较低。
在步骤S303，基于第一色调数据确定色调数据的分布状态。
在本公开的示例性实施例中，在基于第一色调数据确定色调数据的分布状态时，可首先从第一色调数据中将大于阈值的第一色调数据确定为第二色调数据，然后从色调数据中选择处于第二色调数据的分布中心的中心色调数据。
在本公开的示例性实施例中，在从色调数据中选择处于第二色调数据的分布中心的中心色调数据时，可首先针对色调数据中的每个色调数据，分别计算各个第二色调数据到每个色调数据的平均距离，得到每个色调数据所具有的平均距离，然后将色调数据中的具有最小平均距离的色调数据确定为中心色调数据，从而提高中心色调数据的准确性。
在本公开的示例性实施例中，在分别计算各个第二色调数据到每个色调数据的平均距离时，可计算各个第二色调数据到每个色调数据的距离的平方和或者绝对值之和的平均值作为各个第二色调数据到每个色调数据的平均距离，从而提高中心色调数据的准确性。
例如，在一个示例中，如果有色调数据H满足饱和度数据和明度数据处于预设范围内的条件，则可首先计算满足条件的H的直方图，并选取直方图大于一定阈值的H(例如，可被记为candidate_H)。然后在H的圆周上遍历每一个点(或以预设步长)，计算以该点为中心时，每个candidate_H到中心的圆周距离的平方(这里可以例如但不限于按candidate_H的直方图高度进行加权)之和(或绝对值之和等)。最后计算该和之平均值，最后将具有最小的平均值的点作为candidate_H的分布的中心。
在本公开的示例性实施例中，在基于第一色调数据确定色调数据的分布状态时，可首先对第一色调数据进行聚类，并且基于聚类结果将第一色调数据划分到相应的类中，然后分别确定每类第一色调数据的分布中心，从而提高分布状态的准确性。
在本公开的示例性实施例中，在分别确定每类第一色调数据的分布中心时，可首先选择类中第一色调数据的数量大于数量阈值的类，然后分别确定所选择的每类第一色调数据的分布中心。
例如，在另一示例中，如果有色调数据H满足饱和度数据和明度数据处于预设范围内的条件，则可首先计算满足条件的H的直方图，对直方图进行聚类(可以使用各种聚类方法，本公开对此不进行限制)，从聚类得到的多个类中选择类的大小(类中包括的数据的数量)超过一定大小(预设大小)的类，并且统计选择出的类的数量(也就是说，统计在聚类得到的多个类中有多少个类的大小超过预设的大小)。然后可使用例如，但不限于，与确定candidate_H的分布的中心的方法相同或相似的方法，确定各类(或者选择出的各个类)的分布情况以找出每个类(或者选择出的每个类)的分布中心以及相应的最小的平均值。
在步骤S304，基于色调数据的分布状态对图像的色彩进行评估。
在本公开的示例性实施例中，在基于色调数据的分布状态对图像的色彩进行评估时，可首先获取图像的像素总数和第一色调数据的数量，然后基于图像的像素总数和第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值，从而提高色彩评估值的准确性。
在本公开的示例性实施例中，在基于色调数据的分布状态对图像的色彩进行评估时，可首先获取所选择的类的数量、所选择的每个类的最小平均距离、所选择的每个类中的第一色调数据的数量，然后基于所选择的类的数量、所选择的每个类中的第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值，从而提高色彩评估值的准确性。例如，可根据类的大小、类的数量对每个类(或者选择出的每个类)的最小的平均值进行加权计算，来确定色彩的评估结果。
以上已经结合图1至图3对根据本公开的示例性实施例的图像评估方法进行了描述。在下文中，将参照图4对根据本公开的示例性实施例的图像评估装置及其单元进行描述。
图4示出根据本公开的示例性实施例的图像评估装置的框图。
参照图4，图像评估装置包括空间转换单元41、数据选择单元42、分布状态确定单元43和色彩评估单元44。
空间转换单元41被配置为将图像转换到色调饱和度明度HSV空间。
数据选择单元42被配置为选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据。
在本公开的示例性实施例中，预设范围可包括在以明度为横坐标并且饱和度为纵坐标的坐标系中的具有预设长轴和短轴的椭圆。
分布状态确定单元43被配置为基于第一色调数据确定色调数据的分布状态。
在本公开的示例性实施例中，分布状态确定单元43可被配置为：从第一色调数据中将大于阈值的第一色调数据确定为第二色调数据；从色调数据中选择处于第二色调数据的分布中心的中心色调数据。
在本公开的示例性实施例中，分布状态确定单元43可被配置为：针对色调数据中的每个色调数据，分别计算各个第二色调数据到每个色调数据的平均距离，得到每个色调数据所具有的平均距离；将色调数据中的具有最小平均距离的色调数据确定为中心色调数据。
在本公开的示例性实施例中，分布状态确定单元43可被配置为：计算各个第二色调数据到每个色调数据的距离的平方和或者绝对值之和的平均值作为各个第二色调数据到每个色调数据的平均距离。
在本公开的示例性实施例中，分布状态确定单元43可被配置为：对第一色调数据进行聚类，并且基于聚类结果将第一色调数据划分到相应的类中；分别确定每类第一色调数据的分布中心。
在本公开的示例性实施例中，分布状态确定单元43可被配置为：选择类中第一色调数据的数量大于数量阈值的类；分别确定所选择的每类第一色调数据的分布中心。
色彩评估单元44被配置为基于色调数据的分布状态对图像的色彩进行评估。
在本公开的示例性实施例中，色彩评估单元44可被配置为：获取图像的像素总数和第一色调数据的数量；基于图像的像素总数和第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
在本公开的示例性实施例中，色彩评估单元44可被配置为：获取所选择的类的数量、所选择的每个类的最小平均距离、所选择的每个类中的第一色调数据的数量；基于所选择的类的数量、所选择的每个类中的第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
以上已经结合图4对根据本公开的示例性实施例的图像评估装置进行了描述。接下来，结合图5对根据本公开的示例性实施例的电子设备进行描述。
图5是根据本公开的示例性实施例的电子设备500的框图。
参照图5，电子设备500包括至少一个存储器501和至少一个处理器502，所述至少一个存储器501中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器502执行时，执行根据本公开的示例性实施例的图像评估的方法。
在本公开的示例性实施例中，电子设备500可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，电子设备500并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备500还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
在电子设备500中，处理器502可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器502可运行存储在存储器501中的指令或代码，其中，存储器501还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
存储器501可与处理器502集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储器901可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器501和处理器502可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器502能够读取存储在存储器中的文件。
此外，电子设备500还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备500的所有组件可经由总线和/或网络而彼此连接。
根据本公开的示例性实施例，还提供一种包括指令的计算机可读存储介质，例如包括指令的存储器501，上述指令可由装置500的处理器502执行以完成上述方法。可选地，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
根据本公开的示例性实施例，还可提供一种计算机程序产品，该计算机程序产品包括计算机程序/指令，当所述计算机程序/指令被处理器执行时，实现根据本公开的示例性实施例的图像评估的方法。
以上已参照图1至图5描述了根据本公开的示例性实施例的图像评估方法及装置。然而，应该理解的是：图4中所示的图像评估装置及其单元可分别被配置为执行特定功能的软件、硬件、固件或上述项的任意组合，图5中所示的电子设备并不限于包括以上示出的组件，而是可根据需要增加或删除一些组件，并且以上组件也可被组合。
根据本公开的图像评估方法及装置，通过将图像转换到色调饱和度明度HSV空间，选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据，基于第一色调数据确定色调数据的分布状态，基于色调数据的分布状态对图像的色彩进行评估，从而提高了对图像色彩的评估的准确性。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (21)

1.一种图像评估方法，其特征在于，包括：
将图像转换到色调饱和度明度HSV空间；
选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据，其中，饱和度数据和明度数据处于所述预设范围内是指饱和度数据处于预定饱和度范围内，并且明度数据处于预定明度范围内，其中，饱和度阈值和明度阈值是基于图像评估中对色彩程度的要求设置的；
基于第一色调数据确定色调数据的分布状态；
基于色调数据的分布状态对图像的色彩进行评估。
2.根据权利要求1所述的图像评估方法，其特征在于，基于第一色调数据确定色调数据的分布状态的步骤包括：
从第一色调数据中将大于阈值的第一色调数据确定为第二色调数据；
从色调数据中选择处于第二色调数据的分布中心的中心色调数据。
3.根据权利要求2所述的图像评估方法，其特征在于，从色调数据中选择处于第二色调数据的分布中心的中心色调数据的步骤包括：
针对色调数据中的每个色调数据，分别计算各个第二色调数据到每个色调数据的平均距离，得到每个色调数据所具有的平均距离；
将色调数据中的具有最小平均距离的色调数据确定为中心色调数据。
4.根据权利要求3所述的图像评估方法，其特征在于，分别计算各个第二色调数据到每个色调数据的平均距离的步骤包括：
计算各个第二色调数据到每个色调数据的距离的平方和或者绝对值之和的平均值作为各个第二色调数据到每个色调数据的平均距离。
5.根据权利要求4所述的图像评估方法，其特征在于，基于色调数据的分布状态对图像的色彩进行评估的步骤包括：
获取图像的像素总数和第一色调数据的数量；
基于图像的像素总数和第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
6.根据权利要求1所述的图像评估方法，其特征在于，基于第一色调数据确定色调数据的分布状态的步骤包括：
对第一色调数据进行聚类，并且基于聚类结果将第一色调数据划分到相应的类中；
分别确定每类第一色调数据的分布中心。
7.根据权利要求6所述的图像评估方法，其特征在于，分别确定每类第一色调数据的分布中心的步骤包括：
选择类中第一色调数据的数量大于数量阈值的类；
分别确定所选择的每类第一色调数据的分布中心。
8.根据权利要求7所述的图像评估方法，其特征在于，基于色调数据的分布状态对图像的色彩进行评估的步骤包括：
获取所选择的类的数量、所选择的每个类的最小平均距离、所选择的每个类中的第一色调数据的数量；
基于所选择的类的数量、所选择的每个类中的第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
9.根据权利要求1所述的图像评估方法，其特征在于，预设范围包括在以明度为横坐标并且饱和度为纵坐标的坐标系中的具有预设长轴和短轴的椭圆。
10.一种图像评估装置，其特征在于，包括：
空间转换单元，被配置为将图像转换到色调饱和度明度HSV空间；
数据选择单元，被配置为选择饱和度数据和明度数据处于预设范围内的色调数据作为第一色调数据，其中，饱和度数据和明度数据处于所述预设范围内是指饱和度数据处于预定饱和度范围内，并且明度数据处于预定明度范围内，其中，饱和度阈值和明度阈值是基于图像评估中对色彩程度的要求设置的；
分布状态确定单元，被配置为基于第一色调数据确定色调数据的分布状态；和
色彩评估单元，被配置为基于色调数据的分布状态对图像的色彩进行评估。
11.根据权利要求10所述的图像评估装置，其特征在于，分布状态确定单元被配置为：
从第一色调数据中将大于阈值的第一色调数据确定为第二色调数据；
从色调数据中选择处于第二色调数据的分布中心的中心色调数据。
12.根据权利要求11所述的图像评估装置，其特征在于，分布状态确定单元被配置为：
针对色调数据中的每个色调数据，分别计算各个第二色调数据到每个色调数据的平均距离，得到每个色调数据所具有的平均距离；
将色调数据中的具有最小平均距离的色调数据确定为中心色调数据。
13.根据权利要求12所述的图像评估装置，其特征在于，分布状态确定单元被配置为：
计算各个第二色调数据到每个色调数据的距离的平方和或者绝对值之和的平均值作为各个第二色调数据到每个色调数据的平均距离。
14.根据权利要求13所述的图像评估装置，其特征在于，色彩评估单元被配置为：
获取图像的像素总数和第一色调数据的数量；
基于图像的像素总数和第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
15.根据权利要求10所述的图像评估装置，其特征在于，分布状态确定单元被配置为：
对第一色调数据进行聚类，并且基于聚类结果将第一色调数据划分到相应的类中；
分别确定每类第一色调数据的分布中心。
16.根据权利要求15所述的图像评估装置，其特征在于，分布状态确定单元被配置为：
选择类中第一色调数据的数量大于数量阈值的类；
分别确定所选择的每类第一色调数据的分布中心。
17.根据权利要求16所述的图像评估装置，其特征在于，色彩评估单元被配置为：
获取所选择的类的数量、所选择的每个类的最小平均距离、所选择的每个类中的第一色调数据的数量；
基于所选择的类的数量、所选择的每个类中的第一色调数据的数量对所述最小平均距离进行加权计算，得到图像的色彩评估值。
18.根据权利要求14所述的图像评估装置，其特征在于，预设范围包括在以明度为横坐标并且饱和度为纵坐标的坐标系中的具有预设长轴和短轴的椭圆。
19.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至9中任一项所述的图像评估方法。
20.一种计算机可读存储介质，存储有计算机程序，其特征在于，当所述计算机程序被电子设备的处理器执行时，使得电子设备执行如权利要求1至9中任一项所述的图像评估方法。
21.一种计算机程序产品，包括计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现权利要求1至9中任一项所述的图像评估方法。
CN202110345925.XA 2021-03-31 2021-03-31 图像评估方法及装置 Active CN113066068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110345925.XA CN113066068B (zh) 2021-03-31 2021-03-31 图像评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110345925.XA CN113066068B (zh) 2021-03-31 2021-03-31 图像评估方法及装置

Publications (2)

Publication Number Publication Date
CN113066068A CN113066068A (zh) 2021-07-02
CN113066068B true CN113066068B (zh) 2024-03-26

Family

ID=76565165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110345925.XA Active CN113066068B (zh) 2021-03-31 2021-03-31 图像评估方法及装置

Country Status (1)

Country Link
CN (1) CN113066068B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5204948A (en) * 1989-09-08 1993-04-20 Advantest Corporation Method and apparatus for evaluating color image signals
CN106778788A (zh) * 2017-01-13 2017-05-31 河北工业大学 对图像进行美学评价的多特征融合方法
CN111028198A (zh) * 2019-07-12 2020-04-17 北京达佳互联信息技术有限公司 图像质量评估方法、装置、终端及可读存储介质
CN111768377A (zh) * 2020-06-28 2020-10-13 北京百度网讯科技有限公司 图像色彩评估方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5204948A (en) * 1989-09-08 1993-04-20 Advantest Corporation Method and apparatus for evaluating color image signals
CN106778788A (zh) * 2017-01-13 2017-05-31 河北工业大学 对图像进行美学评价的多特征融合方法
CN111028198A (zh) * 2019-07-12 2020-04-17 北京达佳互联信息技术有限公司 图像质量评估方法、装置、终端及可读存储介质
CN111768377A (zh) * 2020-06-28 2020-10-13 北京百度网讯科技有限公司 图像色彩评估方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
图形图像的计算美学评估及建模绘制研究;张佳婧;《中国博士学位论文全文数据库(信息科技辑)》(第1期);第2.4.2节 *

Also Published As

Publication number Publication date
CN113066068A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN112954450B (zh) 视频处理方法、装置、电子设备和存储介质
CN108228463B (zh) 用于检测首屏时间的方法和装置
WO2020056903A1 (zh) 用于生成信息的方法和装置
CN110853068B (zh) 图片处理方法、装置、电子设备及可读存储介质
CN110189246A (zh) 图像风格化生成方法、装置及电子设备
CN109086742A (zh) 场景识别方法、场景识别装置及移动终端
EP3917131A1 (en) Image deformation control method and device and hardware device
US20220415046A1 (en) Method for determining video coding test sequence, electronic device and computer storage medium
CN112069977A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN108288064B (zh) 用于生成图片的方法和装置
Engelke et al. Framework for optimal region of interest–based quality assessment in wireless imaging
CN110069974A (zh) 高光图像处理方法、装置和电子设备
CN114245209A (zh) 视频分辨率确定、模型训练、视频编码方法及装置
CN111523400B (zh) 视频代表帧提取方法及装置
CN107704388A (zh) 用于确定应用的启动时间的方法和装置
CN114038370B (zh) 显示参数调整方法、装置、存储介质及显示设备
CN108932703B (zh) 图片处理方法、图片处理装置及终端设备
EP2724496A1 (en) User terminal device, server device, system and method for assessing quality of media data
CN113891136A (zh) 一种视频播放方法、装置、电子设备和存储介质
CN113409199A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN113066068B (zh) 图像评估方法及装置
US10764578B2 (en) Bit rate optimization system and method
CN109062644B (zh) 用于终端的处理信息的方法和装置
US10945034B2 (en) Video fractal cross correlated action bubble transition
CN109064416B (zh) 图像处理方法、装置、存储介质及电子设备

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