CN113077459B - 图像清晰度检测方法、装置、电子设备及存储介质 - Google Patents
图像清晰度检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113077459B CN113077459B CN202110467076.5A CN202110467076A CN113077459B CN 113077459 B CN113077459 B CN 113077459B CN 202110467076 A CN202110467076 A CN 202110467076A CN 113077459 B CN113077459 B CN 113077459B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- shadow
- image
- area
- determining
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本发明实施例涉及图像处理领域,公开了一种图像清晰度检测方法、装置、电子设备及存储介质。本发明的图像清晰度检测方法,应用于散斑图像,所述方法包括:对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域;在所述非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域;根据所述局部极值区域和所述非阴影区域的比值确定所述散斑图像的清晰度。应用于对散斑图像的处理过程中,使得能快速准确的检测到散斑图像的清晰度。
Description
技术领域
本发明实施例涉及图像处理领域,特别涉及一种图像清晰度检测方法、装置、电子设备及存储介质。
背景技术
散斑图像是被激光照明的物体,其表面呈现颗粒状结构的图像。利用散斑图像可对图像信息进行编码和解码、图像相减、反衬度翻转和存储等,在医学检测、工业探测、深度测量等方面都应用广泛,因此,对散斑图像的清晰度检测尤为重要。目前对于图像清晰度的检测,大多通过各种清晰度评价函数进行计算,比如:Tenengrad梯度函数、Laplacian梯度函数、灰度方差乘积函数和能量梯度函数等,这些清晰度评价函数大多基于图像梯度值、图像高频分量和图像灰度值等进行计算。
然而,上述处理检测方法基本都是针对RGB-D相机拍摄的彩色图像或灰度图像。对于由激光照射形成的散斑图像,其具有随机性、无空间参照性,利用上述方法进行清晰度检测,计算过程复杂,耗时较长,而且没有考虑到散斑图像的成像特点,检测准确度也较差。
发明内容
本发明实施方式的目的在于提供一种图像清晰度检测方法、电子设备及存储介质,使得散斑图像清晰度的检测快速、准确。
为解决上述技术问题,本发明的实施方式提供了一种图像清晰度检测方法,应用于散斑图像,所述方法包括:对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域;在所述非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域;根据所述局部极值区域和所述非阴影区域的比值确定所述散斑图像的清晰度。
本发明的实施方式还提供了一种图像清晰度检测装置,应用于散斑图像,所述装置包括:
阴影检测模块,对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域;
区域确定模块,在所述阴影检测模块确定的非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域;
清晰度检测模块,根据所述区域确定模块确定的局部极值区域和所述阴影检测模块确定的非阴影区域的比值确定所述散斑图像的清晰度。
本发明的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如上述实施方式提及的图像清晰度检测方法。
本发明的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实施方式提及的图像清晰度检测方法。
本发明实施方式提供的图像清晰度检测方法,通过确定非阴影区域和局部极值区域,根据两者比值即可获知散斑图像清晰度,整个过程简单、快速、准确。
另外,本发明实施方式提供的图像清晰度检测方法,对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域,包括:获取所述散斑图像中每一个像素点的灰度值;获取每一个像素点对应的预设窗口内所有像素点灰度值的平均值和标准差,其中,所述对应的预设窗口以对应的像素点为中心;根据所述每一个像素点的灰度值、所述每一个像素点对应的平均值和所述每一个像素点对应的标准差,确定所述散斑图像的非阴影区域。由于光照的原因,图像中难免会存在阴影,阴影的存在会造成图像的变形、合并甚至丢失。通过阴影检测去除阴影区域的干扰,在非阴影区域进行后续处理,确保获取的清晰度的准确性。
另外,本发明实施方式提供的图像清晰度检测方法,在所述非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域,包括:在所述非阴影区域中每一个像素点对应的预设窗口上确定采样点,其中,所述对应的预设窗口以对应的像素点为中心;获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值;当所述每一个像素点的灰度值大于对应的所有采样点的灰度值时,确定所述像素点为局部极值点;统计所述非阴影区域中局部极值点的数量和位置,确定所述局部极值区域。通过把每一个像素点的灰度值和对应的采样点进行比较确定局部极值点,确保不会遗漏散斑图像中所有的局部极值点,保证后续计算的准确性。
另外,本发明实施方式提供的图像清晰度检测方法,获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值,包括:确定所述预设窗口上的所有采样点是否均在所述散斑图像非阴影区域的像素点中;若是,则直接获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值;若否,则对所述采样点的位置进行插值处理,获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度估计值。由于采样点是在预设窗口上选取,因此不一定会准确地落在像素点上,有可能落在两个像素点中间,因此通过对采样点位置进行插值处理,获取采样点灰度估计值,以提高采样点灰度值的准确性。
另外,本发明实施方式提供的图像清晰度检测方法,获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值之后,还包括:当所述每一个像素点的灰度值小于对应的任一采样点的灰度值时,调节所述预设窗口的尺寸并重新确定采样点。由于预设窗口的尺寸是任意选取的,为避免错误判断,可通过多次调节预设窗口的尺寸中心重新确定采样点,进而重新判断该像素点是否为局部极值点,保证局部极值区域的范围准确。
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是本发明的实施方式提供的图像清晰度检测方法的流程图;
图2是本发明的又一实施方式提供的图像清晰度检测方法的流程图;
图3是本发明的又一实施方式提供的图像清晰度检测方法的流程图;
图4是图3的实施方式提供的图像清晰度检测方法的采样点示意图;
图5是图3的实施方式提供的图像清晰度检测方法中步骤303的流程图;
图6是本发明的又一实施方式提供的图像清晰度检测方法的流程图;
图7是本发明的又一实施方式提供的图像清晰度检测方法的流程图;
图8是本发明的实施方式的提供的图像清晰度检测装置的结构示意图。
图9是本发明的实施方式的提供的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。
下面对本实施方式的图像清晰度检测方法的实现细节进行举例说明。以下内容仅为方便理解而提供的实现细节,并非实施本方案的必须。
目前现有技术大多采用各种清晰度评价函数来对图像进行清晰度检测,比如:
Tenengrad梯度函数:Tenengrad梯度函数采用Sobel算子分别提取水平和垂直方向的梯度值,基与Tenengrad梯度函数的图像清晰度定义如下:
D(f)=∑y∑x|G(x,y)|(G(x,y)>T)
G(x,y)的形式如下:
其中:T是给定的边缘检测阈值,Gx和Gy分别是像素点(x,y)处Sobel水平和垂直方向边缘检测算子的卷积。
Laplacian梯度函数:Laplacian梯度函数与Tenengrad梯度函数基本一致,用Laplacian算子替代Sobel算子即可,该算子定义如下:
因此基于Laplacian梯度函数的图像清晰度的定义如下:
D(f)=∑y∑x|G(x,y)|(G(x,y)>T)
其中,G(x,y)是像素点(x,y)处Laplacian算子的卷积。
灰度方差函数:当完全聚焦时图像最清晰,图像中的高频分量也最多,故可将灰度变化作为聚焦评价的依据,灰度方差法的公式如下:
D(f)=∑y∑x(|f(x,y)-f(x,y-1)|+|f(x,y)-f(x+1,y)|)
Brenner梯度函数:Brenner梯度函数是最简单的梯度评价函数,它只是简单的计算相邻两个像素灰度差的平方,该函数定义如下:
D(f)=∑y∑x|f(x+2,y)-f(x,y)|2
其中,f(x,y)表示图像f对应像素点(x,y)的灰度值,D(f)为图像清晰度计算结果。
需要说明的是,利用以上各种清晰度评价函数进行图像检测时,大多基于图像的梯度值、图像的高频分量、图像的灰度值,这些方法应用于散斑图像清晰度检测时,没有考虑到散斑的成像原理和成像后散斑图像的特性,检测准确度不高,检测速度也较慢。
本发明的实施方式涉及一种图像清晰度检测方法,应用于散斑图像,如图1所示,包括:
步骤101,对散斑图像进行阴影检测,确定散斑图像的非阴影区域。
需要说明的是,由于光照的原因,散斑图像中难免会存在阴影,阴影的存在会造成图像的变形、合并甚至丢失,因此,通过阴影检测去除阴影区域的干扰,在非阴影区域进行后续处理,提高清晰度检测的准确性。
步骤102,在非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域。
需要说明的是,在图像处理领域对图像进行处理时一般以像素为最小单元,像素是指由图像的小方格组成的,这些小方块都有一个明确的位置和被分配的色彩数值,小方格颜色和位置就决定该图像所呈现出来的样子。可以将像素视为整个图像中不可分割的单位或者是元素。不可分割的意思是它不能够再切割成更小单位抑或是元素,它是以一个单一颜色的小方格存在。
因此,确定散斑图像的局部极值点就是对每一个像素点(小方格)进行处理确定。
步骤103,根据局部极值区域和非阴影区域的比值确定散斑图像的清晰度。
具体地说,通过局部极值区域和非阴影区域的比值,比如:局部极值区域为分子,非阴影区域为分母,此时比值越大,散斑图像越清晰,比值越小散斑图像越模糊。相反地,局部极值区域为分母,非阴影区域为分子,此时比值越大散斑图像越模糊,比值越小散斑图像越清晰。
本发明实施方式提供的图像清晰度检测方法,通过确定非阴影区域和局部极值区域,根据两者比值即可获知散斑图像清晰度,整个过程简单、快速、准确。
本发明的实施方式涉及一种图像清晰度检测方法,应用于散斑图像,如图2所示,包括:
步骤201,获取散斑图像中每一个像素点的灰度值。
步骤202,获取每一个像素点对应的预设窗口内所有像素点灰度值的平均值和标准差,其中,对应的预设窗口以对应的像素点为中心。
具体地说,本实施方式中预设窗口的尺寸和形状可以根据用户对清晰度检测的准确度和速度进行选择和调整。窗口的形状可以选择矩形或圆形。若预设窗口的形状为圆形,其更能准确反映散斑图像的的纹理性;若预设窗口为矩形,在后续求取局部极值点时,其速度更快,过程更简单。另外,预设窗口的尺寸上,其尺寸越大,包含的像素点越多,清晰度检测的结果会更准确,但计算的速度和复杂性都会随之提升,相反,尺寸越小,包含的像素点越少,计算过程会更简单更快速,但相应地会影响结果的准确性。
步骤203,根据每一个像素点的灰度值、所述每一个像素点对应的平均值和所述每一个像素点对应的标准差,确定所述散斑图像的非阴影区域。
具体地说,在散斑图像中,取任一像素点P,坐标为(i,j),其灰度值为G(i,j),预设窗口以点P为中心,计算预设窗口内所有像素点灰度值的平均值为avg,标准差为std,按如下公式确定散斑图像的非阴影区域:
需要说明的是,以上步骤相当于用预设窗口去遍历每一个像素点获取对应的平均值avg和对应的标准差std,进而利用公式获取每一个像素点对应的G′(i,j)值。
当G′(i,j)>0时,若像素点的灰度值G(i,j)大于计算出的对应的G′(i,j),则该像素点(小方格)为非阴影区域。当G′(i,j)<0时,若像素点的灰度值G(i,j)小于计算出的对应的G′(i,j),则该像素点(小方格)在非阴影区域中。以上所有符合条件的像素点组成的区域即为非阴影区域。
步骤204,在非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域。
步骤205,根据局部极值区域和非阴影区域的比值确定散斑图像的清晰度。
本实施方式中的步骤204、步骤205与步骤102、步骤103实施细节大致相同,在此不做赘述。
本发明实施方式提供的图像清晰度检测方法,由于光照的原因,图像中难免会存在阴影,阴影的存在会造成图像的变形、合并甚至丢失。通过阴影检测去除阴影区域的干扰,在非阴影区域进行后续处理,确保获取的清晰度的准确性,然后通过确定非阴影区域和局部极值区域的比值即可获知散斑图像清晰度,整个过程简单、快速、准确。
本发明的实施方式涉及一种图像清晰度检测方法,应用于散斑图像,如图3所示,包括:
步骤301,对散斑图像进行阴影检测,确定散斑图像的非阴影区域。
具体地说,在本实施例中步骤301的具体实施细节与步骤201-203的具体实施细节基本相同,在此不做赘述。
步骤302,在非阴影区域中每一个像素点对应的预设窗口上确定采样点,其中,对应的预设窗口以对应的像素点为中心。
具体地说,预设窗口的可以是矩形也可以是圆形,以预设窗口为5×5的矩形为例,如图4a所示,灰色方格是中心像素点,中心像素点可以是每一个像素点,黑色方格是采样点,采样点可以选择4个角的顶点和4个边的中点共8个采样点,当然矩形的尺寸可以根据用户需求进行调整,比如3×3矩形、9×9的矩形等,3×3矩形一般将4个角的顶点作为采样点,9×9的矩形的采样点可以是8个也可以是16个。
另外,以预设窗口是圆形为例,如图4b所示,圆心可以是每一个像素点,在圆上均匀地选取P个点作为采样点,半径R(单位是像素)的值和采样点数P的值可以随意调整,半径的大小反映了二维空间的尺度,采样点数的大小,反映了角度空间的分辨率,通过调整半径R和采样点数P可以实现不同的尺度和角分辨率。
步骤303,获取非阴影区域中每一个像素点的灰度值和每一个像素点对应的预设窗口上采样点的灰度值。
另外,在本实施方式中,如图5所示,步骤303具体包括:
步骤501,确定预设窗口上的所有采样点是否均在散斑图像非阴影区域的像素点中。
具体地说,当预设窗口为圆形时,采样点由于都在圆上,以图4b为例,可以看出部分采样点没有落在像素点(小方格)中,而是落在了两个小方格之间的边界线上,对于落在线上的采样点,其灰度值无法准确确定。
步骤502,当所有采样点均在非阴影区域的像素点中,则直接获取所述非阴影区域中每一个像素点的灰度值和每一个像素点对应的预设窗口上采样点的灰度值。
步骤503,当任一采样点不在非阴影区域的像素点中,则对采样点的位置进行插值处理,获取非阴影区域中每一个像素点的灰度值和每一个像素点对应的预设窗口上采样点的灰度估计值。
具体地说,图像插值就是利用已知邻近像素点的灰度值来产生未知像素点的灰度值,以便由原始图像再生出具有更高分辨率的图像。在本实施方式中,不对具体的插值方法进行限定,可以选择现有的任何插值方法来获得采样点的灰度估计值,如:最临近插值、双线性插值、高阶插值等。
步骤304,当每一个像素点的灰度值大于对应的所有采样点的灰度值时,确定像素点为局部极值点。
具体地说,每一个像素点都是预设窗口的中心像素点,当中心像素点的灰度值I(i,j)大于预设窗口上所有采样点的灰度值all(Ii(m,n))时,该中心像素点为局部极值点Y(i,j)。
另外,在对散斑图像处理时,若对处理后图像清晰度有要求,可以通过清晰度可调节阈值K进行调节,K一般取值范围是0-15,K值越大,图像越清晰。具体应用以下述公式可以表示:
步骤305,统计非阴影区域中局部极值点的数量和位置,确定局部极值区域。
步骤306,根据局部极值区域和非阴影区域的比值确定散斑图像的清晰度。
本发明实施方式提供的图像清晰度检测方法,通过阴影检测去除阴影区域的干扰,在非阴影区域把每一个像素点的灰度值和对应的采样点进行比较确定局部极值点,确保不会遗漏散斑图像中所有的局部极值点,保证后续计算的准确性,然后通过确定非阴影区域和局部极值区域的比值即可获知散斑图像清晰度,整个过程简单、快速、准确。
本发明的实施方式涉及一种图像清晰度检测方法,应用于散斑图像,如图6所示,包括:
步骤601,对散斑图像进行阴影检测,确定散斑图像的非阴影区域。
具体地说,在本实施例中步骤601的具体实施细节与步骤201-203的具体实施细节基本相同,在此不做赘述。
步骤602,在非阴影区域中每一个像素点对应的预设窗口上确定采样点,其中,对应的预设窗口以对应的像素点为中心。
步骤603,获取非阴影区域中每一个像素点的灰度值和每一个像素点对应的预设窗口上采样点的灰度值。
步骤604,当每一个像素点的灰度值小于或等于对应的任一采样点的灰度值时,调节所述预设窗口的尺寸并重新确定采样点。
步骤605,当每一个像素点的灰度值大于对应的所有采样点的灰度值时,确定像素点为局部极值点。
需要说明是,每一个像素点都是预设窗口的中心像素点,当预设窗口上所有采样点的灰度值都小于中心像素点的灰度值时,说明该中心像素点为局部极值点,当预设窗口上有部分采样点的灰度值大于或等于中心像素点时,此时为了避免错误判断,准确求出散斑图像的局部极值点,可以调整预设窗口的尺寸大小,比如:预设窗口为半径R=3(像素)的圆形,则可扩大半径,调整预设窗口为半径R=4(像素)的圆形,此时采样点就需要重新确定。
步骤606,统计非阴影区域中局部极值点的数量和位置,确定局部极值区域。
步骤607,根据局部极值区域和非阴影区域的比值确定散斑图像的清晰度。
本发明实施方式提供的图像清晰度检测方法,通过阴影检测去除阴影区域的干扰,在非阴影区域把每一个像素点的灰度值和对应的采样点进行比较确定局部极值点,由于预设窗口的尺寸是任意选取的,为避免错误判断,可通过多次调节预设窗口的尺寸中心重新确定采样点,进而重新判断该像素点是否为局部极值点,保证局部极值区域的范围准确,然后通过确定非阴影区域和局部极值区域的比值即可获知散斑图像清晰度,整个过程简单、快速、准确。
本发明的实施方式涉及一种图像清晰度检测方法,应用于散斑图像,如图7所示,包括:
步骤701,对散斑图像进行非线性滤波,去除噪点。
具体地说,非线性滤波可以是中值滤波、均值滤波、双边滤波等任一种滤波方法,当然此处仅为具体的举例说明,使用时可以采用任何一种非线性滤波方法。
步骤702,对散斑图像进行阴影检测,确定散斑图像的非阴影区域。
具体地说,在本实施例中步骤702的具体实施细节与步骤201-203的具体实施细节基本相同,在此不做赘述。
步骤703,在非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域。
具体地说,在本实施例中步骤703的具体实施细节可与步骤302--305的具体实施细节基本相同,在此不做赘述。
步骤704,根据局部极值区域和非阴影区域的比值确定散斑图像的清晰度。
本发明实施方式提供的图像清晰度检测方法,在阴影检测前对散斑图像进行非线性滤波,去除噪点,提高图像处理的准确度,通过确定非阴影区域和局部极值区域,根据两者比值即可获知散斑图像清晰度,整个过程简单、快速、准确。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的实施方式涉及一种图像清晰度检测装置,应用于散斑图像,如图8所示,所述装置包括:
阴影检测模块801,对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域;
区域确定模块802,在所述阴影检测模块801确定的非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极值区域;
清晰度检测模块803,根据所述区域确定模块803确定的局部极值区域和所述阴影检测模块确定的非阴影区域的比值确定所述散斑图像的清晰度。
不难发现,本实施方式为与上述方法实施方式相对应的装置实施方式,本实施方式可与上述实施方式互相配合实施。上述实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在上述实施方式中。
值得一提的是,本实施例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,本实施例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例中不存在其它的单元。
本发明的实施方式涉及一种电子设备,如图9所示,包括:
至少一个处理器901;以及,与至少一个处理器901通信连接的存储器902;其中,存储器902存储有可被至少一个处理器901执行的指令,指令被至少一个处理器901执行,以使至少一个处理器901能够执行如上述实施方式提及的图像清晰度检测方法。
该电子设备包括:一个或多个处理器901以及存储器902,图9中以一个处理器901为例。处理器901、存储器902可以通过总线或者其他方式连接,图9中以通过总线连接为例。存储器902作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施方式中策略空间内的各处理策略对应的算法就存储于存储器902中。处理器901通过运行存储在存储器902中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述图像清晰度检测方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器902可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被一个或者多个处理器901执行时,执行上述任意方法实施方式中的图像清晰度检测方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的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方法实施例。
即,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 (9)
1.一种图像清晰度检测方法,其特征在于,应用于散斑图像,所述方法包括:
对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域;
在所述非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极大值区域;
根据所述局部极大值区域和所述非阴影区域的比值确定所述散斑图像的清晰度;
所述对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域,包括:
获取所述散斑图像中每一个像素点的灰度值;
获取每一个像素点对应的预设窗口内所有像素点灰度值的平均值和标准差,其中,所述对应的预设窗口以对应的像素点为中心;
根据所述每一个像素点的灰度值、所述每一个像素点对应的平均值和所述每一个像素点对应的标准差,通过以下公式确定所述散斑图像的非阴影区域:
其中,G(i,j)为像素点(i,j)的灰度值,avg为每一个像素点对应的预设窗口内所有像素点灰度值的平均值,std为每一个像素点对应的预设窗口内所有像素点灰度值的标准差,当G′(i,j)>0时,若像素点的灰度值G(i,j)大于计算出的对应的G′(i,j),则所述像素点所在区域为非阴影区域。
2.根据权利要求1所述的图像清晰度检测方法,其特征在于,所述在所述非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极大值区域,包括:
在所述非阴影区域中每一个像素点对应的预设窗口上确定采样点,其中,所述对应的预设窗口以对应的像素点为中心;
获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值;
当所述每一个像素点的灰度值大于对应的所有采样点的灰度值时,确定所述像素点为局部极值点;
统计所述非阴影区域中局部极值点的数量和位置,确定所述局部极大值区域。
3.根据权利要求2所述的图像清晰度检测方法,其特征在于,所述获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值,包括:
确定所述预设窗口上的所有采样点是否均在所述散斑图像非阴影区域的像素点中;
若是,则直接获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值;
若否,则对所述采样点的位置进行插值处理,获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度估计值。
4.根据权利要求2所述的图像清晰度检测方法,其特征在于,所述获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值之后,还包括:
当所述每一个像素点的灰度值小于或等于对应的任一采样点的灰度值时,调节所述预设窗口的尺寸并重新确定采样点。
5.根据权利要求1所述的图像清晰度检测方法,其特征在于,所述对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域之前,还包括:
对所述散斑图像进行非线性滤波,去除噪点。
6.根据权利要求1或3或4所述的图像清晰度检测方法,其特征在于,所述预设窗口为矩形窗口或圆形窗口。
7.一种图像清晰度检测装置,其特征在于,应用于散斑图像,所述装置包括:
阴影检测模块,对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域,所述对散斑图像进行阴影检测,确定所述散斑图像的非阴影区域,包括:获取所述散斑图像中每一个像素点的灰度值;获取每一个像素点对应的预设窗口内所有像素点灰度值的平均值和标准差,其中,所述对应的预设窗口以对应的像素点为中心;根据所述每一个像素点的灰度值、所述每一个像素点对应的平均值和所述每一个像素点对应的标准差,通过以下公式确定所述散斑图像的非阴影区域:其中,G(i,j)为像素点(i,j)的灰度值,avg为每一个像素点对应的预设窗口内所有像素点灰度值的平均值,std为每一个像素点对应的预设窗口内所有像素点灰度值的标准差,当G′(i,j)>0时,若像素点的灰度值G(i,j)大于计算出的对应的G′(i,j),则所述像素点所在区域为非阴影区域;
区域确定模块,在所述阴影检测模块确定的非阴影区域获取散斑图像局部极值点的数量和位置,确定局部极大值区域;
清晰度检测模块,根据所述区域确定模块确定的局部极大值区域和所述阴影检测模块确定的非阴影区域的比值确定所述散斑图像的清晰度。
8.一种电子设备,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至6中任一所述的图像清晰度检测方法。
9.一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6中任一项所述的图像清晰度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110467076.5A CN113077459B (zh) | 2021-04-28 | 2021-04-28 | 图像清晰度检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110467076.5A CN113077459B (zh) | 2021-04-28 | 2021-04-28 | 图像清晰度检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077459A CN113077459A (zh) | 2021-07-06 |
CN113077459B true CN113077459B (zh) | 2022-08-05 |
Family
ID=76619103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110467076.5A Active CN113077459B (zh) | 2021-04-28 | 2021-04-28 | 图像清晰度检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077459B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674238A (zh) * | 2021-08-16 | 2021-11-19 | 浙江大华技术股份有限公司 | 坏点检测方法、装置、电子设备和存储介质 |
CN113781351B (zh) * | 2021-09-16 | 2023-12-08 | 广州安方生物科技有限公司 | 图像处理方法、设备及计算机可读存储介质 |
CN113936049A (zh) * | 2021-10-21 | 2022-01-14 | 北京的卢深视科技有限公司 | 单目结构光散斑图像深度恢复方法、电子设备及存储介质 |
CN114332147B (zh) * | 2021-12-30 | 2023-01-24 | 合肥的卢深视科技有限公司 | 散斑图预处理的方法、装置、电子设备和存储介质 |
CN114845041B (zh) * | 2021-12-30 | 2024-03-15 | 齐之明光电智能科技(苏州)有限公司 | 一种用于纳米颗粒成像的对焦方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447721A (zh) * | 2016-09-12 | 2017-02-22 | 北京旷视科技有限公司 | 图像阴影检测方法和装置 |
CN111899194A (zh) * | 2020-07-30 | 2020-11-06 | 青海省地理空间和自然资源大数据中心 | 一种遥感影像中云和云阴影的去除方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950418B (zh) * | 2010-08-26 | 2012-08-08 | 北京中创信测科技股份有限公司 | 一种图像质量评价方法和装置 |
CN102944226B (zh) * | 2012-12-03 | 2015-02-18 | 哈尔滨工业大学 | 基于明暗区域配对的陨石坑检测方法 |
CN104732525A (zh) * | 2015-02-10 | 2015-06-24 | 宁波永新光学股份有限公司 | 结合像素间距法视觉显著性的显微图像清晰度评价方法 |
CN111063319B (zh) * | 2018-10-16 | 2021-05-18 | 深圳Tcl新技术有限公司 | 基于背光调整的图像动态增强方法、装置和计算机设备 |
CN112258467A (zh) * | 2020-10-19 | 2021-01-22 | 浙江大华技术股份有限公司 | 一种图像清晰度的检测方法和装置以及存储介质 |
-
2021
- 2021-04-28 CN CN202110467076.5A patent/CN113077459B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447721A (zh) * | 2016-09-12 | 2017-02-22 | 北京旷视科技有限公司 | 图像阴影检测方法和装置 |
CN111899194A (zh) * | 2020-07-30 | 2020-11-06 | 青海省地理空间和自然资源大数据中心 | 一种遥感影像中云和云阴影的去除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113077459A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113077459B (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN111583157B (zh) | 图像处理方法、系统及计算机可读存储介质 | |
Jeon et al. | Accurate depth map estimation from a lenslet light field camera | |
JP5362087B2 (ja) | 距離情報を決定するための方法、距離マップを決定するための方法、コンピュータ装置、撮影システム、コンピュータプログラム | |
WO2019233264A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
CN110580481B (zh) | 一种基于epi的光场图像关键位置检测方法 | |
US10078907B2 (en) | Distance measurement apparatus, distance measurement method, and storage medium | |
KR102360773B1 (ko) | 스테레오-시간적 이미지 시퀀스들로부터 향상된 3-d 데이터 재구성을 위한 방법들 및 장치 | |
CN113762253B (zh) | 散斑的提取方法、装置、电子设备及存储介质 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
EP1958158A2 (en) | Method for detecting streaks in digital images | |
CN106919883B (zh) | 一种qr码的定位方法及装置 | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
JP2020107290A (ja) | 付着物検出装置および付着物検出方法 | |
JP2021086616A (ja) | ランダムサンプリング一貫性に基づく魚眼画像の有効領域抽出方法 | |
CN111063029A (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
CN112529773A (zh) | Qpd图像后处理方法及qpd相机 | |
CN111630569B (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 | |
CN114025089A (zh) | 一种视频图像采集抖动处理方法及系统 | |
CN114845041B (zh) | 一种用于纳米颗粒成像的对焦方法、装置及存储介质 | |
CN111476821B (zh) | 基于在线学习的目标跟踪方法 |
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: 20220516 Address after: 230091 room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei, Anhui Province Applicant after: Hefei lushenshi Technology Co.,Ltd. Address before: 100083 room 3032, North B, bungalow, building 2, A5 Xueyuan Road, Haidian District, Beijing Applicant before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Applicant before: Hefei lushenshi Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |