CN113096092B - 一种基于局部纹理特征的图像质量判断算法 - Google Patents

一种基于局部纹理特征的图像质量判断算法 Download PDF

Info

Publication number
CN113096092B
CN113096092B CN202110378560.0A CN202110378560A CN113096092B CN 113096092 B CN113096092 B CN 113096092B CN 202110378560 A CN202110378560 A CN 202110378560A CN 113096092 B CN113096092 B CN 113096092B
Authority
CN
China
Prior art keywords
image
fuzzy
calculating
matrix
sliding
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
CN202110378560.0A
Other languages
English (en)
Other versions
CN113096092A (zh
Inventor
刘有亮
叶雨桐
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.)
Glasssic Technology Chengdu Co ltd
Original Assignee
Glasssic Technology Chengdu 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 Glasssic Technology Chengdu Co ltd filed Critical Glasssic Technology Chengdu Co ltd
Priority to CN202110378560.0A priority Critical patent/CN113096092B/zh
Publication of CN113096092A publication Critical patent/CN113096092A/zh
Application granted granted Critical
Publication of CN113096092B publication Critical patent/CN113096092B/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
    • G06T5/70—
    • 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
    • G06T7/90—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
    • G06T2207/10004—Still image; Photographic 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

Abstract

本发明公开了一种基于局部纹理特征的图像质量判断算法包括以下步骤：输入待检测的图像并将其缩放至指定大小；将缩放后的图像由RGB彩色空间转换至灰度空间；在图像中选取一个3x3的滑动窗口，该滑动窗口从图像左上角开始以步长为1向右滑动，每滑动一次，将滑动窗口中的像素值与固定的3x3矩阵逐元素相乘并将最终结果相加保存至另一矩阵A，最后计算矩阵A的方差，根据方差设置模糊检测阈值t1；提供的基于局部纹理特征的图像质量判断算法，通过级联的模糊检测方法，有效的提升了图像模糊检测的性能，采用基于图像边缘的模糊检测方法，该方法与现有边缘模糊检测的技术相比，检测速度更快，准确率更高。

Description

一种基于局部纹理特征的图像质量判断算法
技术领域
本发明涉及计算机数字图像处理相关技术领域，具体为一种基于局部纹理特征的图像质量判断算法。
背景技术
相机在拍摄物体时，由于物体的高速运动、光线、摄像头硬件成像等产生模糊的图像在所难免。在人脸识别任务中，如果不对这些模糊的人脸图像加以限制，将影响人脸识别的通过率以及用户的体验感。通过检索、调研相关图像模糊判断的现有方法发现，现有的方法只能将部分模糊的图像进行检测过滤，且算法的鲁棒性较差，应用场景较为单一，大部分算法只能对运动模糊检测良好，对光线、摄像头硬件成像等产生的图像模糊检测效果较差。
发明内容
本发明的目的在于提供一种基于局部纹理特征的图像质量判断算法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于局部纹理特征的图像质量判断算法包括以下步骤：
步骤一：输入待检测的图像并将其缩放至指定大小；
步骤二：将缩放后的图像由RGB彩色空间转换至灰度空间；
步骤三：在图像中选取一个3x3的滑动窗口，该滑动窗口从图像左上角开始以步长为1向右滑动，每滑动一次，将滑动窗口中的像素值与固定的3x3矩阵逐元素相乘并将最终结果相加保存至另一矩阵A，最后计算矩阵A的方差，根据方差设置模糊检测阈值t1；
步骤四：对图像像素值组成的矩阵进行奇异值分解，计算前10个奇异值之和占所有奇异值之和的百分比，根据奇异值百分比设置模糊阈值t2；
步骤五：分别对图像进行1x9的横向均值滤波与9x1的纵向均值滤波，然后对横向滤波后的图像计算横向梯度，对纵向滤波后的图像计算纵向梯度，最后分别计算其方差，对横向和纵向两个方差取最大值，作为最终的模糊值，根据该值设置模糊检测阈值t3；
步骤六：设置模糊阈值级联判断，当步骤三计算得到的数值小于模糊阈值t1时判定为模糊，否则根据步骤四进行计算数值，若该数值大于t2则判定为模糊，否则根据步骤五进行计算，如果计算的数值小于t3则判定为模糊，否则判定图像为清晰图像；
步骤七：根据步骤六返回模糊检测的最终结果。
与现有技术相比，本发明的有益效果是：提供的基于局部纹理特征的图像质量判断算法，通过级联的模糊检测方法，有效的提升了图像模糊检测的性能，首先针对于物体运动造成的图像模糊场景，采用基于图像边缘的模糊检测方法，该方法与现有边缘模糊检测的技术相比，检测速度更快，准确率更高；
其次，针对光线明暗对图像造成的模糊采用基于像素矩阵的奇异值分解的方法，最后针对摄像头焦距等原因造成的图像模糊场景，采用二次模糊检测的方法，从水平和垂直两个维度对图像进行检测，然后在根据两个方向的检测结果给出最终模型的综合模糊程度值，将以上三种方法进行级联组合，形成了最终的图像模糊检测方法。
附图说明
图1为本发明的图像模糊检测算法流程图；
图2为模糊图像与清晰图像前10奇异值之和占所有特征值之和的百分比。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本实施例提供一种技术方案：
一种基于局部纹理特征的图像质量判断算法包括以下步骤：
步骤一：输入待检测的图像并将其缩放至指定大小；
步骤二：将缩放后的图像由RGB彩色空间转换至灰度空间；
步骤三：在图像中选取一个3x3的滑动窗口，该滑动窗口从图像左上角开始以步长为1向右滑动，每滑动一次，将滑动窗口中的像素值与固定的3x3矩阵逐元素相乘并将最终结果相加保存至另一矩阵A，最后计算矩阵A的方差，根据方差设置模糊检测阈值t1；
步骤四：对图像像素值组成的矩阵进行奇异值分解，如图2所示，计算前10个奇异值之和占所有奇异值之和的百分比，根据奇异值百分比设置模糊阈值t2；
步骤五：分别对图像进行1x9的横向均值滤波与9x1的纵向均值滤波，然后对横向滤波后的图像计算横向梯度，对纵向滤波后的图像计算纵向梯度，最后分别计算其方差，对横向和纵向两个方差取最大值，作为最终的模糊值，根据该值设置模糊检测阈值t3；
步骤六：设置模糊阈值级联判断，当步骤三计算得到的数值小于模糊阈值t1时判定为模糊，否则根据步骤四进行计算数值，若该数值大于t2则判定为模糊，否则根据步骤五进行计算，如果计算的数值小于t3则判定为模糊，否则判定图像为清晰图像；
步骤七：根据步骤六返回模糊检测的最终结果。
本申请所提供的实施例中，应该理解到，所揭露的装置以及方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图以及框图显示了根据本申请的多个实施例的装置、方法以及计算机程序产品的可能实现的体系架构、功能以及操作。在这点上，流程图或者框图中的每个方框可以代表一个模块、程序段或者代码的一部分，模块、程序段或者代码的一部分包含一个或者多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图以及/或者流程图中的每个方框、以及框图以及/或者流程图中的方框的组合，可以用执行规定的功能或者动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或者两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或者使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备可以是个人计算机，服务器，或者网络设备等执行本申请各个实施例方法的全部或者部分步骤。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，RandomAccessMemory、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一以及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者操作区分开来，而不一定要求或者暗示这些实体或者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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改以及变化。凡在本申请的精神以及原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号以及字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义以及解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或者替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (1)

1.一种基于局部纹理特征的图像质量判断算法，其特征在于：具体包括以下步骤：
步骤一：输入待检测的图像并将其缩放至指定大小；
步骤二：将缩放后的图像由RGB彩色空间转换至灰度空间；
步骤三：在图像中选取一个3x3的滑动窗口，该滑动窗口从图像左上角开始以步长为1向右滑动，每滑动一次，将滑动窗口中的像素值与固定的3x3矩阵逐元素相乘并将最终结果相加保存至另一矩阵A，最后计算矩阵A的方差，根据方差设置模糊检测阈值t1；
步骤四：对图像像素值组成的矩阵进行奇异值分解，计算前10个奇异值之和占所有奇异值之和的百分比，根据奇异值百分比设置模糊阈值t2；
步骤五：分别对图像进行1x9的横向均值滤波与9x1的纵向均值滤波，然后对横向滤波后的图像计算横向梯度，对纵向滤波后的图像计算纵向梯度，最后分别计算其方差，对横向和纵向两个方差取最大值，作为最终的模糊值，根据该值设置模糊检测阈值t3；
步骤六：设置模糊阈值级联判断，当步骤三计算得到的数值小于模糊阈值t1时判定为模糊，否则根据步骤四进行计算数值，若该数值大于t2则判定为模糊，否则根据步骤五进行计算，如果计算的数值小于t3则判定为模糊，否则判定图像为清晰图像；
步骤七：根据步骤六返回模糊检测的最终结果。
CN202110378560.0A 2021-04-08 2021-04-08 一种基于局部纹理特征的图像质量判断算法 Active CN113096092B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378560.0A CN113096092B (zh) 2021-04-08 2021-04-08 一种基于局部纹理特征的图像质量判断算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378560.0A CN113096092B (zh) 2021-04-08 2021-04-08 一种基于局部纹理特征的图像质量判断算法

Publications (2)

Publication Number Publication Date
CN113096092A CN113096092A (zh) 2021-07-09
CN113096092B true CN113096092B (zh) 2022-09-20

Family

ID=76675536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378560.0A Active CN113096092B (zh) 2021-04-08 2021-04-08 一种基于局部纹理特征的图像质量判断算法

Country Status (1)

Country Link
CN (1) CN113096092B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4918742A (en) * 1988-04-22 1990-04-17 The Boeing Company Image processing using multi-pass convolution with small kernels
JP2012073703A (ja) * 2010-09-28 2012-04-12 Nippon Hoso Kyokai <Nhk> 画像ボケ量計算装置およびそのプログラム
CN106296688A (zh) * 2016-08-10 2017-01-04 武汉大学 基于全局估计的影像模糊检测方法及系统
CN112085703A (zh) * 2020-08-06 2020-12-15 河海大学 一种扫描件图像清晰度检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4918742A (en) * 1988-04-22 1990-04-17 The Boeing Company Image processing using multi-pass convolution with small kernels
JP2012073703A (ja) * 2010-09-28 2012-04-12 Nippon Hoso Kyokai <Nhk> 画像ボケ量計算装置およびそのプログラム
CN106296688A (zh) * 2016-08-10 2017-01-04 武汉大学 基于全局估计的影像模糊检测方法及系统
CN112085703A (zh) * 2020-08-06 2020-12-15 河海大学 一种扫描件图像清晰度检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Image Denoising Using the Higher Order Singular Value Decomposition;Ajit Rajwade等;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;20130404;第849-862页 *
运动模糊图像复原方法的研究;范赐恩;《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》;20150715;I138-66 *

Also Published As

Publication number Publication date
CN113096092A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
Whyte et al. Deblurring shaken and partially saturated images
Dobrosotskaya et al. A wavelet-Laplace variational technique for image deconvolution and inpainting
Nair et al. Direction based adaptive weighted switching median filter for removing high density impulse noise
Kim et al. Temporally x real-time video dehazing
CN108234826B (zh) 图像处理方法及装置
CN111183630B (zh) 一种智能终端的照片处理方法及处理装置
WO2010084460A1 (en) Image processing using a bilateral grid
US20120148108A1 (en) Image processing apparatus and method therefor
CN113096092B (zh) 一种基于局部纹理特征的图像质量判断算法
CN112801890A (zh) 一种视频处理方法、装置及设备
Voronin et al. Inpainting for videos with dynamic objects using texture and structure reconstruction
Jasra et al. Removal of high density salt and pepper noise using BPANN-modified median filter technique
Dawood et al. Texture-preserving denoising method for the removal of random-valued impulse noise in gray-scale images
CN103886551A (zh) 一种图像滤波处理器
Mahapatra et al. Restoration of motion blurred image using Lucy Richardson Algorithm
Azhar et al. Texture-oriented image denoising technique for the removal of random-valued impulse noise
JP6738053B2 (ja) 画像信号から階段状アーチファクトを低減するための画像処理装置
Gong et al. Removing Scattered Light in Biomedical Images
Mol et al. A survey on restoration of paintings
Sahragard et al. Image restoration by variable splitting based on total variant regularizer
Chen et al. Image deblurring method based on fourier transform
Kale et al. Hybrid binarization, histo-equalization: Comparison of old image enhancement techniques
CN114926348B (zh) 一种去除低照度视频噪声的装置和方法
Hota et al. Removal of random valued impulse noise with modified weighted mean filter by using denoising algorithm: Emerging opportunities of image processing application
Roosta et al. Multifocus image fusion based on surface area analysis

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