CN113344907B - 一种图像检测方法及装置 - Google Patents

一种图像检测方法及装置 Download PDF

Info

Publication number
CN113344907B
CN113344907B CN202110728982.6A CN202110728982A CN113344907B CN 113344907 B CN113344907 B CN 113344907B CN 202110728982 A CN202110728982 A CN 202110728982A CN 113344907 B CN113344907 B CN 113344907B
Authority
CN
China
Prior art keywords
image
value
pixel value
detected
histogram
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
CN202110728982.6A
Other languages
English (en)
Other versions
CN113344907A (zh
Inventor
黄立慧
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.)
WeBank Co Ltd
Original Assignee
WeBank 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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202110728982.6A priority Critical patent/CN113344907B/zh
Publication of CN113344907A publication Critical patent/CN113344907A/zh
Priority to PCT/CN2021/134658 priority patent/WO2023273153A1/zh
Application granted granted Critical
Publication of CN113344907B publication Critical patent/CN113344907B/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
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明实施例提供了一种图像检测方法及装置，该方法包括生成待检测图像的第一灰度直方图，确定第一灰度直方图中第一设定像素值区域的概率累加状况，若概率累加状况满足第一设定条件，则对第一灰度直方图中除第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到待检测图像的第一特征参数值，在第一特征参数值大于等于预设参数阈值时，确定待检测图像经过图像均衡化处理。如此，该方案只对第一灰度直方图中除第一设定像素值区域之外的其它各像素值进行傅里叶变换，如此可以确保即使针对较暗图像的灰度直方图也能够呈现均匀分布的状态，从而解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。

Description

一种图像检测方法及装置
技术领域
本发明实施例涉及金融科技(Fintech)领域，尤其涉及一种图像检测方法及装置。
背景技术
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，但由于金融行业的安全性、实时性要求，也对技术提出的更高的要求。随着图像处理技术的快速发展，功能强大的图像编辑软件也被广泛应用。虽然大多数用户使用图像编辑软件只是为了对图像进行稍加润饰或修改以取得更好的表达效果，但也有用户出于恶意目的精心对图像进行均衡化处理。因此，如何及时有效地检测出均衡化图像成为急需解决的问题。
现阶段，通常基于直方图均衡化取证算法来实现针对均衡化图像的检测。具体地，首先将待检测图像转换为该待检测图像的直方图。再将该直方图进行傅里叶变换处理，得到该直方图的两个傅里叶变换值，并基于该直方图的两个傅里叶变换值确定出该待检测图像的特征参数值。然后，将该待检测图像的特征参数值与预设参数阈值进行比较，以此确定该待检测图像是否经过均衡化处理。然而，这种处理方式在针对较暗图像进行检测时会存在误判，无法准确地检测出较暗图像是否经过均衡化处理。
综上，目前亟需一种图像检测方法，用以解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。
发明内容
本发明实施例提供了一种图像检测方法及装置，用以解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。
第一方面，本发明实施例提供了一种图像检测方法，包括：
若接收到用户下发的第一指令，则生成待检测图像的第一灰度直方图；
确定所述第一灰度直方图中第一设定像素值区域的概率累加状况；
若所述第一设定像素值区域的概率累加状况满足第一设定条件，则对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值；
在所述第一特征参数值大于等于预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
上述技术方案中，由于较暗图像在经过直方图均衡化处理后，较暗图像中较亮区域或者较暗区域的像素值会有所缺失，对应到较暗图像的灰度直方图上就会使得灰度直方图上出现一部分像素值对应的像素点统计数为零或接近零，就会使得较暗图像的灰度直方图无法形成均匀分布的状态，因此也就导致现有技术在对较暗图像进行检测时因该较暗图像的灰度直方图出现一部分像素值对应的像素点统计数为零或接近零而对较暗图像产生误判。基于此，在接收到用户下发的第一指令后，本发明中的技术方案通过将待检测图像的第一灰度直方图中满足概率累加状况的第一设定像素值区域进行剔除，可以使得剔除后的第一灰度直方图呈现均匀分布的状态，如此，该技术方案即使针对较暗图像，也能够使较暗图像对应的剔除后的灰度直方图呈现均匀分布的状态，可以避免现有技术中较暗图像的直方图上出现一部分像素值对应的像素点统计数为零或接近零的情况，从而可以避免针对较暗图像的检测出现误判。然后，对第一灰度直方图中除第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到待检测图像的第一特征参数值，并在第一特征参数值大于等于预设参数阈值时，可以及时有效地确定待检测图像经过图像均衡化处理。因此，该技术方案在不仅在针对较亮图像的检测时依然能够保持较高的检测效果，同时，即使针对较暗图像，也能够及时准确地检测出较暗图像是否经过直方图均衡化处理，如此可以提高针对较暗图像的检测效果，从而可以解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。
可选地，所述确定所述第一灰度直方图中第一设定像素值区域的概率累加状况，包括：
针对所述第一设定像素值区域中任一像素值，确定所述第一灰度直方图具有所述像素值的像素点的第一数量；
根据所述第一数量和所述第一灰度直方图的像素点总数的第二数量，确定所述像素值的概率值；
根据所述第一设定像素值区域中各像素值的概率值，确定所述第一灰度直方图中第一设定像素值区域的概率累加状况。
上述技术方案中，由于较暗图像的灰度直方图上会出现一部分像素值对应的像素点统计数为零或接近零的情况，所以通过各像素值在灰度直方图上出现的概率可以直观精确地反映各像素值在灰度直方图上出现的可能性大小。基于此，通过统计这一部分像素值在直方图上出现的概率累加状况，可以及时有效地确定是否需要针对这一部分像素值进行剔除，从而可以确保剔除后的灰度直方图能够呈现均匀分布的状态。
可选地，所述第一设定像素值区域包括低像素值区域和/或高像素值区域。
上述技术方案中，由于较暗图像在经过直方图均衡化处理后，较暗图像中较亮区域或者较暗区域的像素值会有所缺失，因此本发明中的技术方案通过只统计低像素值区域和/或高像素值区域的概率累加状况，以此及时有效地确定是否需要针对低像素值区域和/或高像素值区域进行剔除，也即是在对待检测图像的第一灰度直方图进行傅里叶变换时不考虑低像素值区域和/或高像素值区域，只对灰度直方图中除低像素值区域和/或高像素值区域以外的其它区域进行傅里叶变换，如此可以确保即使针对较暗图像的灰度直方图也能够呈现均匀分布的状态。
可选地，所述对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值，包括：
对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，确定出第一傅里叶变换值和所述第二傅里叶变换值；
基于所述第一傅里叶变换值和所述第二傅里叶变换值，确定出所述第一特征参数值。
上述技术方案中，由于对第一灰度直方图进行傅里叶变换后所得到的两个傅里叶变换值可以作为识别待检测图像是否经过直方图均衡化处理的依据，因此本发明中的技术方案通过基于第一傅里叶变换值和第二傅里叶变换值来确定第一特征参数值，以便后续可以及时准确地基于该第一特征参数值来确定待检测图像是否经过图像均衡化处理。
可选地，所述方法还包括：
若所述第一设定像素值区域的概率累加状况不满足所述第一设定条件，则对所述第一灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第二特征参数值；
在所述第二特征参数值大于等于所述预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
上述技术方案中，如果确定第一设定像素值区域的概率累加状况不满足第一设定条件，则可以确定该待检测图像中较亮区域或者较暗区域的像素值不会有缺失，也即该待检测图像的第一灰度直方图能够呈现均匀分布的状态。因此，就可以直接对该待检测图像的第一灰度直方图进行傅里叶变换，并基于傅里叶变换后所得到的两个傅里叶变换值确定出第二特征参数值，并基于第二特征参数值确定待检测图像是否经过图像均衡化处理。
可选地，所述低像素值区域的像素值范围为0至50；所述高像素值区域的像素值范围为200至250。
上述技术方案中，由于较暗图像在经过图像均衡化处理后，均衡化处理后的较暗图像的像素值在0至50范围内或在200至250范围内的个数较少，因此反映在较暗图像的灰度直方图上就会在像素值为0至50范围内或在像素值为200至250范围内出现缺失情况，所以为了较暗图像的灰度直方图也能够呈现均匀分布状态，以便能够及时准确地检测较暗图像是否经过图像均衡化处理，会针对较暗图像的灰度直方图在像素值为0至50范围的区域或在像素值为200至250范围的区域进行剔除。
可选地，所述方法还包括：
若接收到用户下发的第二指令，则生成待检测图像的第二灰度直方图；
对所述第二灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第三特征参数值；
根据所述第三特征参数值与预设参数阈值的关系，确定所述待检测图像的第一检测结果；
确定所述第二灰度直方图中第二设定像素值区域的概率累加状况；
根据所述第二设定像素值区域的概率累加状况与第二设定条件的关系，确定所述待检测图像的第二检测结果；
根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理。
上述技术方案中，由于较暗图像在经过直方图均衡化处理后，较暗图像中较亮区域或者较暗区域的像素值会有所缺失，对应到较暗图像的灰度直方图上就会使得灰度直方图上出现一部分像素值对应的像素点统计数为零或接近零，就会使得较暗图像的灰度直方图无法形成均匀分布的状态。基于此，在接收到用户下发的第二指令后，本发明中的技术方案通过从这一部分像素值区域中选择出第二设定像素值区域，并基于第二灰度直方图中第二设定像素值区域的概率累加状况与第二设定条件的关系，来确定待检测图像的第二检测结果。同时，通过直接对第二灰度直方图中各像素值进行傅里叶变换，得到待检测图像的第三特征参数值，并基于第三特征参数值与预设参数阈值的关系，确定待检测图像的第一检测结果。如此，通过将第一检测结果和第二检测结果进行结合来综合判断，可以及时准确地确定待检测图像是否经过图像均衡化处理，而且，即使针对较暗图像，也能够及时准确地检测出较暗图像是否经过直方图均衡化处理，如此可以提高针对较暗图像的检测效果，从而可以解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。
可选地，所述根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理，包括：
若所述第一检测结果为所述第三特征参数值大于等于所述预设参数阈值且所述第二检测结果满足所述第二设定条件，则确定所述待检测图像经过图像均衡化处理，否则确定所述待检测图像未经过图像均衡化处理。
上述技术方案中，通过在确定第一检测结果为第三特征参数值大于等于预设参数阈值且第二检测结果满足第二设定条件时，就可以及时准确地检测出待检测图像经过图像均衡化处理。如果第一检测结果为第三特征参数值大于等于预设参数阈值且第二检测结果不满足第二设定条件，或第一检测结果为第三特征参数值小于预设参数阈值且第二检测结果满足第二设定条件，或第一检测结果为第三特征参数值小于预设参数阈值且第二检测结果不满足第二设定条件，就可以及时准确地检测出待检测图像未经过图像均衡化处理。
第二方面，本发明实施例提供了一种图像检测装置，包括：
生成单元，用于若接收到用户下发的第一指令，则生成待检测图像的第一灰度直方图；
处理单元，用于确定所述第一灰度直方图中第一设定像素值区域的概率累加状况；若所述第一设定像素值区域的概率累加状况满足第一设定条件，则对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值；在所述第一特征参数值大于等于预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
可选地，所述处理单元具体用于：
针对所述第一设定像素值区域中任一像素值，确定所述第一灰度直方图具有所述像素值的像素点的第一数量；
根据所述第一数量和所述第一灰度直方图的像素点总数的第二数量，确定所述像素值的概率值；
根据所述第一设定像素值区域中各像素值的概率值，确定所述第一灰度直方图中第一设定像素值区域的概率累加状况。
可选地，所述第一设定像素值区域包括低像素值区域和/或高像素值区域。
可选地，所述处理单元具体用于：
对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，确定出第一傅里叶变换值和所述第二傅里叶变换值；
基于所述第一傅里叶变换值和所述第二傅里叶变换值，确定出所述第一特征参数值。
可选地，所述处理单元还用于：
若所述第一设定像素值区域的概率累加状况不满足所述第一设定条件，则对所述第一灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第二特征参数值；
在所述第二特征参数值大于等于所述预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
可选地，所述低像素值区域的像素值范围为0至50；所述高像素值区域的像素值范围为200至250。
可选地，所述处理单元还用于：
若接收到用户下发的第二指令，则生成待检测图像的第二灰度直方图；
对所述第二灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第三特征参数值；根据所述第三特征参数值与预设参数阈值的关系，确定所述待检测图像的第一检测结果；确定所述第二灰度直方图中第二设定像素值区域的概率累加状况；根据所述第二设定像素值区域的概率累加状况与第二设定条件的关系，确定所述待检测图像的第二检测结果；根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理。
可选地，所述处理单元具体用于：
若所述第一检测结果为所述第三特征参数值大于等于所述预设参数阈值且所述第二检测结果满足所述第二设定条件，则确定所述待检测图像经过图像均衡化处理，否则确定所述待检测图像未经过图像均衡化处理。
第三方面，本发明实施例提供一种计算设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述第一方面任意所述的图像检测方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述第一方面任意所述的图像检测方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像检测方法的流程示意图；
图2为本发明实施例提供的一种较暗图像的检测结果示意图；
图3为本发明实施例提供的一种较亮图像的检测结果示意图；
图4为本发明实施例提供的另一种较暗图像的检测结果示意图；
图5为本发明实施例提供的一种不同质量因子下的JPEG图像的检测结果示意图；
图6为本发明实施例提供的另一种图像检测方法的流程示意图；
图7为本发明实施例提供的一种图像检测装置的结构示意图；
图8为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。
下面首先对本发明实施例中涉及的部分用语进行解释说明，以便于本领域技术人员进行理解。
(1)直方图均衡化(Histogram Equalization)：是图像处理领域中利用图像直方图将对比度进行调整的方法，即，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。通过这种方法，亮度可以更好地在直方图上分布，这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。此外，图像的直方图表示图像中每一个灰(亮)度级出现的个数，归一化后即概率分布函数。经过直方图均衡化操作后，直方图将具有均匀分布的特点，从而使图像具有更好的对比度。其中，以8位灰度图像为例，直方图均衡化操作的变换函数的数学公式为：
其中，像素值n变化的范围为0，1，2，……，255；p(i)表示像素值在图像中出现的概率；t*255则是增强后的像素值；t∈[0,1]，将t扩展到[0,255]范围内，即实现对图像进行最后的变换。
(2)直方图均衡化取证(Histogram Equalization Forensics，HEF)算法：是指在数字图像上通过数字成像和操作处理的理论建模，利用信号与信息处理方法、计算机视觉、模式识别与机器学习等方法提取操作遗留下来的指纹性特征或者模块间自身内在物理特征的不一致性痕迹，来检测图像是否经过直方图均衡化操作。
(3)离散傅里叶变换(Discrete Fourier Transform，DFT)：是傅里叶变换在时域和频域上都呈现离散的形式，将时域信号的采样变换为在离散时间傅里叶变换频域的采样。图像的直方图代表的是图像中像素值出现的频率信息，因此可以作为一维离散信号(像素值作为自变量，像素值的像素数目作为因变量)。通过对直方图进行DFT变换，就可以在频域上得到直方图的突变频率，而且直方图的傅里叶变换表示满足所有傅里叶变换的特性。对于8位灰度图像，像素值n变化的范围为0，1，2，……，255。如果H(n)代表的是图像中具有像素值n的数量，那么与直方图H相应的具有N点(N＝256)的傅里叶变换可以定义为：
其中，X(k)为H(n)的傅里叶变换在区间[0,2π]上的N点等间隔采样；j表示复数。因此，对于具有N点的离散傅里叶变换，容易证明：
X(N-k)＝X*(k)＝X(-k)
因此，存在|X(N-k)|＝|X(k)|，|·|表示复数的模。上述公式描述的是H(n)的傅里叶变换表示X(k)具有关于点N/2的对称性。因为N(N＝256)为偶数，所以除了直流分量X(0)外，|X(k)|将会有N/2不同的值，对称分布在k＝N/2＝128的周围。
如上介绍了本发明实施例中涉及的部分用语，下面对本发明实施例涉及的技术特征进行介绍。
现有技术通常采用DFT-based HEF算法来判断一张图像是否经过直方图均衡化操作。具体地，针对某一张待检测图像，通过DFT-based HEF算法，首先确定出该待检测图像的直方图，并将该直方图进行傅里叶变换处理，得到该直方图的两个傅里叶变换值。再基于该直方图的两个傅里叶变换值确定出该待检测图像的特征参数值。然后，将该待检测图像的特征参数值与预设参数阈值进行比较，以此确定该待检测图像是否经过均衡化处理。然而，这种处理方式在针对较暗图像进行检测时会存在误判，无法准确地检测出较暗图像是否经过均衡化处理。基于此，本发明实施例提出一种图像检测方法，可以及时准确地检测出较暗图像是否经过直方图均衡化处理。
其中，需要说明的是，该DFT-based HEF算法需要借助的两个傅里叶变换值，即X(0)和X(1)。在X(k)中，k＝0代表直流分量，其中可以看出直流分量是表示图像中所有像素点个数。因为图像的大小在直方图均衡操作前后会保持不变，所以图像的像素点个数也会保持不变。其中，第一个交流分量X(1)的计算公式为：
通过上述公式很容易证明对于一个关于N/2对称的序列H(n)(即hn＝hn+N/2)，且当时，X(1)的值将会为0。因此对于一个偶数长度的序列，只要满足对称条件，那么|X(1)|的值也会为0。由于图像经过均衡化操作后，输出图像的直方图呈现均匀分布，所以直方图基本能够满足对称性条件(hn＝hn+N/2)，这将会使得X(1)的值为0或者是一个非常接近于0的数。所以对于未均衡化的图像而言，|X(1)|的值往往比均衡化后的图像的值大得多。因此，|X(0)|、|X(1)|可以被当作识别一张图像是否经过直方图均衡化处理的依据。
基于上述描述，图1示例性的示出了本发明实施例提供的一种图像检测方法的流程，该流程可以由图像检测装置执行。
如图1所示，该流程具体包括：
步骤101，若接收到用户下发的第一指令，则生成待检测图像的第一灰度直方图。
本发明实施例中，在需要针对某一图像进行检测，以此确定该图像是否均衡化处理，就需要先生成该图像的灰度直方图，基于该灰度直方图进行检测。具体地，在获取到某一待检测图像后，响应于用户下发的第一指令，可以通过直方图生成方式生成该待检测图像的第一灰度直方图，比如可以通过matlab工具或使用OpenCV(Open Source ComputerVision Library，开源计算机视觉库)来生成待检测图像的第一灰度直方图。示例性地，比如以matlab工具为例，针对待检测图像m，直方图生成方式可以为：首先读取待检测图像，即待检测图像m＝imread(path)，然后生成待检测图像m的第一灰度直方图，即第一灰度直方图H＝hist(m)。其中，第一指令用于指示图像检测装置按照第一种实施方式来确定待检测图像是否经过直方图均衡化操作；第一指令可以是用户随机选择下发的，或者可以是用户根据实际应用场景需要下发的，本发明实施例对此并不作限定。
步骤102，确定所述第一灰度直方图中第一设定像素值区域的概率累加状况。
本发明实施例中，针对第一设定像素值区域中任一像素值，确定第一灰度直方图具有像素值的像素点的第一数量。再根据第一数量和第一灰度直方图的像素点总数的第二数量，确定像素值的概率值。然后，根据第一设定像素值区域中各像素值的概率值，确定第一灰度直方图中第一设定像素值区域的概率累加状况。由于较暗图像的灰度直方图上会出现一部分像素值对应的像素点统计数为零或接近零的情况，所以通过各像素值在灰度直方图上出现的概率可以直观精确地反映各像素值在灰度直方图上出现的可能性大小。基于此，通过统计这一部分像素值在直方图上出现的概率累加状况，可以及时有效地确定是否需要针对这一部分像素值进行剔除，从而可以确保剔除后的第一灰度直方图能够呈现均匀分布的状态。
其中，第一设定像素值区域包括低像素值区域和/或高像素值区域。低像素值区域的像素值范围为0至50；高像素值区域的像素值范围为200至250。由于较暗图像在经过直方图均衡化处理后，较暗图像中较亮区域(即高像素值区域)或者较暗区域(即低像素值区域)的像素值会有所缺失，即，均衡化处理后的较暗图像的像素值在0至50范围内或在200至250范围内的个数较少，反映在较暗图像的灰度直方图上就会在像素值为0至50范围内或在像素值为200至250范围内出现缺失情况。因此本发明中的技术方案为了较暗图像的灰度直方图也能够呈现均匀分布状态，通过只统计低像素值区域和/或高像素值区域的概率累加状况，以此来及时有效地确定是否需要针对较暗图像的灰度直方图在像素值为0至50范围的区域或在像素值为200至250范围的区域进行剔除，也即是在对待检测图像的第一灰度直方图进行傅里叶变换时不考虑像素值为0至50范围的区域或在像素值为200至250范围的区域，只对第一灰度直方图中除像素值为0至50范围的区域或在像素值为200至250范围的区域以外的其它区域进行傅里叶变换。
示例性地，针对某一待检测图像m，首先统计像素值为0至50范围内各像素值的概率累加值HD，其中，概率累加值p(n)表示像素值n在图像中出现的概率；0至50范围内每一个像素值的概率值是由该像素值对应的像素点个数与第一灰度直方图的像素点总数的比值确定的。同时统计像素值为200至250范围内各像素值的概率累加值HL，其中概率累加值/>200至250范围内每一个像素值的概率值是由该像素值对应的像素点个数与第一灰度直方图的像素点总数的比值确定的。
假设待检测图像m在0至50范围内的像素值有三个，且假设待检测图像m有100个像素点，即n＝10，n＝15，n＝20。其中，假设像素值n＝10的像素点有3个，像素值n＝15的像素点有4个，像素值n＝20的像素点有2个。因此，可以计算出像素值n＝10的概率值为3/100＝0.03；像素值n＝15的概率值为4/100＝0.04；像素值n＝20的概率值为2/100＝0.02，如此，待检测图像m在0至50范围内的各像素值的概率累加值为0.03+0.04+0.02＝0.09。或者，假设像素值n＝10的像素点有5个，像素值n＝15的像素点有4个，像素值n＝20的像素点有3个。因此，可以计算出像素值n＝10的概率值为5/100＝0.05；像素值n＝15的概率值为4/100＝0.04；像素值n＝20的概率值为3/100＝0.03，如此，待检测图像m在0至50范围内的各像素值的概率累加值为0.05+0.04+0.03＝0.12。
此外，假设待检测图像m在200至250范围内的像素值有三个，且假设待检测图像m有100个像素点，即n＝220，n＝230，n＝240。其中，假设像素值n＝220的像素点有4个，像素值n＝230的像素点有3个，像素值n＝240的像素点有1个。因此，可以计算出像素值n＝220的概率值为4/100＝0.04；像素值n＝230的概率值为3/100＝0.03；像素值n＝240的概率值为1/100＝0.01，如此，待检测图像m在200至250范围内的各像素值的概率累加值为0.04+0.03+0.01＝0.08。或者，假设像素值n＝220的像素点有6个，像素值n＝230的像素点有5个，像素值n＝240的像素点有3个。因此，可以计算出像素值n＝220的概率值为6/100＝0.06；像素值n＝230的概率值为5/100＝0.05；像素值n＝240的概率值为3/100＝0.03，如此，待检测图像m在200至250范围内的各像素值的概率累加值为0.06+0.05+0.03＝0.13。
步骤103，若所述第一设定像素值区域的概率累加状况满足第一设定条件，则对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值。
本发明实施例中，第一设定像素值区域的概率累加状况存在4种情形。其中，第一设定条件可以包括该4种情形中任一种情形设置的第一设定像素值区域的概率累加值所需满足的条件。第一种情形为：低像素值区域内(即像素值为0至50范围内的区域)各像素值的概率累加值小于预设阈值Th(比如Th＝0.1)且高像素值区域内(即像素值为200至250范围内的区域)各像素值的概率累加值小于预设阈值Th。在第一种情形下，则对低像素值区域以及高像素值区域进行剔除，也就是对低像素值区域内各像素点以及高像素值区域内各像素点进行剔除，只对第一灰度直方图中除低像素值区域以及高像素值区域之外的其它区域内各像素值进行傅里叶变换，也即是对像素值为50至200范围内的区域内各像素值进行傅里叶变换，得到第一傅里叶变换值和第二傅里叶变换值。然后基于第一傅里叶变换值和第二傅里叶变换值，确定出第一特征参数值。其中，预设阈值可以根据本领域技术人员的经验进行设置或根据该技术方案的实际应用场景进行设置，本发明实施例对此并不作限定。
示例性地，继续以上述待检测图像m在0至50范围内的像素值有三个，以及待检测图像m在200至250范围内的像素值有三个为例进行描述。假设基于上述计算方式计算出的待检测图像m在0至50范围内的各像素值的概率累加值为0.09，待检测图像m在200至250范围内的各像素值的概率累加值为0.08，设置预设阈值Th为0.1。此时可以确定0.09小于0.1且确定0.08小于0.1，因此可以对低像素值区域内各像素点以及高像素值区域内各像素点进行剔除，只对第一灰度直方图中除低像素值区域以及高像素值区域之外的其它区域内各像素值进行傅里叶变换，也即是对像素值为50至200范围内的区域内各像素值进行傅里叶变换，得到第一傅里叶变换值和第二傅里叶变换值。
第二种情形为：低像素值区域内(即像素值为0至50范围内的区域)各像素值的概率累加值小于预设阈值Th且高像素值区域内(即像素值为200至250范围内的区域)各像素值的概率累加值不小于预设阈值Th。在第二种情形下，则对低像素值区域进行剔除，也就是对低像素值区域内各像素点进行剔除，只对第一灰度直方图中除低像素值区域之外的其它区域内各像素值进行傅里叶变换，也即是对像素值为50至250范围内的区域内各像素值进行傅里叶变换，得到第一傅里叶变换值和第二傅里叶变换值。然后基于第一傅里叶变换值和第二傅里叶变换值，确定出第一特征参数值。
示例性地，继续以上述待检测图像m在0至50范围内的像素值有三个，以及待检测图像m在200至250范围内的像素值有三个为例进行描述。假设基于上述计算方式计算出的待检测图像m在0至50范围内的各像素值的概率累加值为0.09，待检测图像m在200至250范围内的各像素值的概率累加值为0.13，设置预设阈值Th为0.1。此时可以确定0.09小于0.1且确定0.13大于0.1，因此可以对低像素值区域进行剔除，也就是对低像素值区域内各像素点进行剔除，只对第一灰度直方图中除低像素值区域之外的其它区域内各像素值进行傅里叶变换，也即是对像素值为50至250范围内的区域内各像素值进行傅里叶变换，得到第一傅里叶变换值和第二傅里叶变换值。
第三种情形为：低像素值区域内(即像素值为0至50范围内的区域)各像素值的概率累加值不小于预设阈值Th且高像素值区域内(即像素值为200至250范围内的区域)各像素值的概率累加值小于预设阈值Th。在第三种情形下，则对高像素值区域进行剔除，也就是对高像素值区域内各像素点进行剔除，只对第一灰度直方图中除高像素值区域之外的其它区域内各像素值进行傅里叶变换，也即是对像素值为0至200范围内的区域内各像素值进行傅里叶变换，得到第一傅里叶变换值和第二傅里叶变换值。然后基于第一傅里叶变换值和第二傅里叶变换值，确定出第一特征参数值。
示例性地，继续以上述待检测图像m在0至50范围内的像素值有三个，以及待检测图像m在200至250范围内的像素值有三个为例进行描述。假设基于上述计算方式计算出的待检测图像m在0至50范围内的各像素值的概率累加值为0.12，待检测图像m在200至250范围内的各像素值的概率累加值为0.08，设置预设阈值Th为0.1。此时可以确定0.12大于0.1且确定0.08小于0.1，因此可以对高像素值区域进行剔除，也就是对高像素值区域内各像素点进行剔除，只对第一灰度直方图中除高像素值区域之外的其它区域内各像素值进行傅里叶变换，也即是对像素值为0至200范围内的区域内各像素值进行傅里叶变换，得到第一傅里叶变换值和第二傅里叶变换值。
第四种情形为：低像素值区域内(即像素值为0至50范围内的区域)各像素值的概率累加值不小于预设阈值Th且高像素值区域内(即像素值为200至250范围内的区域)各像素值的概率累加值不小于预设阈值Th。在第四种情形下，就可以说明第一设定像素值区域的概率累加状况不满足第一设定条件，并可以确定该待检测图像中较亮区域或者较暗区域的像素值不会有缺失，如此就可以表明该待检测图像的第一灰度直方图能够呈现均匀分布的状态。因此，就可以直接对第一灰度直方图中各像素值进行傅里叶变换，得到第三傅里叶变换值和第四傅里叶变换值。再基于第三傅里叶变换值和第四傅里叶变换值，确定出第二特征参数值，并基于第二特征参数值确定待检测图像是否经过图像均衡化处理，若第二特征参数值大于等于预设参数阈值，则确定待检测图像经过图像均衡化处理；若第二特征参数值小于预设参数阈值，则确定待检测图像未经过图像均衡化处理。
示例性地，继续以上述待检测图像m在0至50范围内的像素值有三个，以及待检测图像m在200至250范围内的像素值有三个为例进行描述。假设基于上述计算方式计算出的待检测图像m在0至50范围内的各像素值的概率累加值为0.12，待检测图像m在200至250范围内的各像素值的概率累加值为0.13，设置预设阈值Th为0.1。此时可以确定0.12大于0.1且确定0.13大于0.1，也就可以说明该待检测图像中较亮区域或者较暗区域的像素值不会有缺失，如此能够表明该待检测图像的第一灰度直方图能够呈现均匀分布的状态，因此可以直接对第一灰度直方图中各像素值进行傅里叶变换，得到第三傅里叶变换值和第四傅里叶变换值。
需要说明的是，由于对灰度直方图进行傅里叶变换后所得到的两个傅里叶变换值可以作为识别待检测图像是否经过直方图均衡化处理的依据，因此本发明中的技术方案通过基于第一傅里叶变换值和第二傅里叶变换值来确定第一特征参数值，以便后续可以及时准确地基于该第一特征参数值来确定待检测图像是否经过图像均衡化处理。
其中，可以通过下述方式确定第一特征参数值或第二特征参数值：
其中，ξ表示第一特征参数值或第二特征参数值，也即表示是将|X(0)|与|X(1)|之间的差异进行归一化后得到的；|X(0)|表示第一傅里叶变换值或第三傅里叶变换值，代表直流分量，也即表示图像中所有像素点个数；|X(1)|表示第二傅里叶变换值或第四傅里叶变换值，代表第一交流分量，对于未均衡化的图像而言，它的|X(1)|值往往比均衡化后的图像的|X(1)|值大得多。
步骤104，在所述第一特征参数值大于等于预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
本发明实施例中，若确定第一特征参数值大于等于预设参数阈值，则确定待检测图像经过图像均衡化处理；若确定第一特征参数值小于预设参数阈值，则确定待检测图像未经过图像均衡化处理。
示例性地，针对上述第一种情形至第三种情形中任一种情形，假设基于该情形的第一傅里叶变换值和第二傅里叶变换值确定出的第一特征参数值大于等于预设参数阈值(比如0.95)，则确定待检测图像经过图像均衡化处理。示例性地，假设该情形所确定的第一傅里叶变换值为1，第二傅里叶变换值为0.5，根据上述第一特征参数值的计算公式计算出该情形对应的第一特征参数值ξ为此时可以确定该情形对应的第一特征参数值ξ大于0.95，也就可以确认待检测图像经过图像均衡化处理。或者，假设该情形所确定的第一傅里叶变换值为1，第二傅里叶变换值为0.6，根据上述第一特征参数值的计算公式计算出该情形对应的第一特征参数值ξ为/>此时可以确定该情形对应的第一特征参数值ξ小于0.95，也就可以确认待检测图像未经过图像均衡化处理。
针对上述第四种情形，假设基于该情形的第三傅里叶变换值和第四傅里叶变换值确定出的第二特征参数值大于等于预设参数阈值(比如0.95)，则确定待检测图像经过图像均衡化处理。示例性地，假设该第四种情形所确定的第一傅里叶变换值为1.2，第二傅里叶变换值为0.5，根据上述第一特征参数值的计算公式计算出该第四种情形对应的第二特征参数值ξ为此时可以确定该情形对应的第一特征参数值ξ大于0.95，也就可以确认待检测图像经过图像均衡化处理。或者，假设该第四种情形所确定的第一傅里叶变换值为1.2，第二傅里叶变换值为0.7，根据上述第一特征参数值的计算公式计算出该第四种情形对应的第二特征参数值ξ为/>此时可以确定该情形对应的第一特征参数值ξ小于0.95，也就可以确认待检测图像未经过图像均衡化处理。
此外，需要说明的是，现有技术在利用DFT-based HEF算法检测图像时是利用对图像进行直方图均衡化操作后，图像的灰度直方图往往会呈现直方图均匀分布这一特点来进行判断的。而且由于直方图均匀分布的图像经过JPEG(Joint Photographic ExpertsGroup，联合图像专家小组)压缩操作后，该图像的灰度直方图仍旧会呈现均匀分布，所以该DFT-based HEF算法具备对不同程度的JPEG压缩操作的鲁棒性。但是，对于较暗的图像而言，在经过直方图均衡化操作后，其直方图通常无法呈现均匀分布的状态，所以DFT-basedHEF算法对经过直方图均衡化操作后的较暗图像会出现误判。示例性地，参考图2，图2为本发明实施例提供的一种较暗图像的检测结果示意图。基于图2可知，随着γ值的增加，图像逐渐变暗，而图像的正检率不断下降，当γ值为1时，针对直方图均衡化操作后的较暗图像的正检率为0.977，当γ值为2.3时，针对直方图均衡化操作后的较暗图像的正检率为0.677，如此可以得出该正检率下降了(0.977-0.677)/1*100％＝30％。此时可以说明该DFT-based HEF算法针对较暗图像经过直方图均衡化操作后的检测效果较差。其中，图2的横轴为进行伽马矫正的γ值，纵轴为图像的正检率以及1-虚警率；正检率是指预测结果为真实类别的比例，即，将一张经过直方图均衡化操作的图像正确检测为均衡化图像的百分比；虚警率指预测结果为相反类别的比例，即，将一张未经过直方图均衡化的图像错误检测为均衡化图像的百分比。
其中，伽马矫正(Gamma Correction)是指对输入图像灰度值的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系。一般情况下。当伽马矫正的γ值大于1时，亮调部分的密度变小而暗密度变大，这将造成图像暗；当伽马矫正的γ值小于1时，亮调部分的密度变大而暗调部分的密度变小，这将造成图像变亮。因此，可以使用γ>1的伽马矫正仿真较暗的图像，使用γ<1的伽马矫正仿真较亮的图像。
然而，本发明采用两种不同的实施方式对本发明中的技术方案的实施结果进行描述。
第一种实施方式是利用伽马矫正技术分别模拟较暗和较亮的JPEG图像，然后对两类图像进行直方图均衡化操作检测。参考图3和图4，其中，图3为本发明实施例提供的一种较亮图像的检测结果示意图，图4为本发明实施例提供的另一种较暗图像的检测结果示意图。基于图3可知，图像随着γ值的增加(即从γ＝0.1开始逐渐增加)，图像的正检率基本保持不变，正检率至少保持在95％以上。如此，可以说明本发明中的技术方案针对较亮图像是否经过直方图均衡化操作的检测仍然保持在较高的检测效果。此外，基于图4可知，图像随着γ值的增加(即从γ＝1开始逐渐增加)，图像的正检率也能保持在85％以上，比如γ值为2.3时，本发明中的技术方案针对直方图均衡化操作后的较暗图像的正检率为85.1％，然而现有技术中的方案在γ值为2.3时，针对直方图均衡化操作后的较暗图像的正检率为67.7％。因此可以看出，本发明中的技术方案对于较暗图像是否经过直方图均衡化操作的检测效果有了明显提升。其中，图3或图4的横轴为进行伽马矫正的γ值，纵轴为图像的正检率以及1-虚警率。
第二种实施方式是重新检测不同质量因子(即针对图像的不同压缩程度)下的JPEG图像是否经过了直方图均衡化操作。在准备好相应实验图像集之后，计算仿真图像关于直方图均衡化操作的正检率和虚警率。参考图5，图5为本发明实施例提供的一种不同质量因子下的JPEG图像的检测结果示意图。基于图5可知，图像随着γ值的增加(即从γ＝0.1开始逐渐增加)，不同压缩程度的JPEG图像的正检率基本保持在80％以上。例如，质量因子取100时，图像随着γ值的增加，JPEG图像的正检率也能保持在85％以上；或者质量因子取70时，图像随着γ值的增加，JPEG图像的正检率也能保持在84％以上；或者质量因子取30时，图像随着γ值的增加，JPEG图像的正检率也能保持在84％以上。因此可以看出，本发明中的技术方案不仅具备对不同程度的JPEG压缩操作的鲁棒性，而且在保持现有技术的检测效果下，还能够保证较暗图像的检测率，使得针对较暗图像的检测率有了明显提升。其中，图5的横轴为进行伽马矫正的γ值，纵轴为图像的正检率；图像压缩程度即在于量化器的选择，JPEG标准提供了质量因子在压缩过程中决定使用何种量化器。质量因子的大小在1至100之间，质量因子越小，图像被压缩的越厉害，例如质量因子取100时，图像为无损压缩。
上述实施例表明，由于较暗图像在经过直方图均衡化处理后，较暗图像中较亮区域或者较暗区域的像素值会有所缺失，对应到较暗图像的灰度直方图上就会使得灰度直方图上出现一部分像素值对应的像素点统计数为零或接近零，就会使得较暗图像的灰度直方图无法形成均匀分布的状态，因此也就导致现有技术在对较暗图像进行检测时因该较暗图像的灰度直方图出现一部分像素值对应的像素点统计数为零或接近零而对较暗图像产生误判。基于此，在接收到用户下发的第一指令后，本发明中的技术方案通过将待检测图像的第一灰度直方图中满足概率累加状况的第一设定像素值区域进行剔除，可以使得剔除后的第一灰度直方图呈现均匀分布的状态，如此，该技术方案即使针对较暗图像，也能够使较暗图像对应的剔除后的灰度直方图呈现均匀分布的状态，可以避免现有技术中较暗图像的直方图上出现一部分像素值对应的像素点统计数为零或接近零的情况，从而可以避免针对较暗图像的检测出现误判。然后，对第一灰度直方图中除第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到待检测图像的第一特征参数值，并在第一特征参数值大于等于预设参数阈值时，可以及时有效地确定待检测图像经过图像均衡化处理。因此，该技术方案在不仅在针对较亮图像的检测时依然能够保持较高的检测效果，同时，即使针对较暗图像，也能够及时准确地检测出较暗图像是否经过直方图均衡化处理，如此可以提高针对较暗图像的检测效果，从而可以解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。
需要说明的是，针对较暗的图像，较暗的图像经过直方图均衡化操作后，图像的亮度整体变亮，基本可以说明对同一张图像得出图像较暗和图像经过直方图均衡化操作的两种结果是无法同时存在的，因此也就可以得出推论(1)若图像亮度正常，则可信任现有技术中DFT-based HEF算法的判定结果。所以当DFT-based HEF算法的判定结果是待检测图像经过直方图均衡化操作，则说明该待检测图像经过直方图均衡化操作，否则说明该待检测图像未经过直方图均衡化操作；(2)若图像亮度较暗，则不信任现有技术中DFT-based HEF算法的判定结果，且直接说明该待检测图像未经过直方图均衡化操作。基于此，图6示例性的示出了本发明实施例提供的另一种图像检测方法的流程，该流程可以由图像检测装置执行。
如图6所示，该流程具体包括：
步骤601，若接收到用户下发的第二指令，则生成待检测图像的第二灰度直方图。
本发明实施例中，在需要针对某一图像进行检测，以此确定该图像是否均衡化处理，就需要先生成该图像的灰度直方图，基于该灰度直方图进行检测。具体地，在获取到某一待检测图像后，响应于用户下发的第二指令，可以通过直方图生成方式生成该待检测图像的第二灰度直方图，比如可以通过matlab工具或使用OpenCV(Open Source ComputerVision Library，开源计算机视觉库)来生成待检测图像的第二灰度直方图。示例性地，比如以matlab工具为例，针对待检测图像m，直方图生成方式可以为：首先读取待检测图像，即待检测图像m＝imread(path)，然后生成待检测图像m的第二灰度直方图，即第二灰度直方图H＝hist(m)。其中，第二指令用于指示图像检测装置按照第二种实施方式来确定待检测图像是否经过直方图均衡化操作；第二指令可以是用户随机选择下发的，或者可以是用户根据实际应用场景需要下发的，本发明实施例对此并不作限定。
步骤602，对所述第二灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第三特征参数值。
本发明实施例中，通过直接对第二灰度直方图中各像素值进行傅里叶变换，得到第五傅里叶变换值和第六傅里叶变换值。再基于第五傅里叶变换值和第六傅里叶变换值，确定出第二特征参数值。
其中，可以通过下述方式确定第三特征参数值：
其中，ξ表示第三特征参数值，也即表示是将|X(0)|与|X(1)|之间的差异进行归一化后得到的；|X(0)|表示第五傅里叶变换值，代表直流分量，也即表示图像中所有像素点个数；|X(1)|表示第六傅里叶变换值，代表第一交流分量，对于未均衡化的图像而言，它的|X(1)|值往往比均衡化后的图像的|X(1)|值大得多。
示例性地，假设直接对第二灰度直方图中各像素值进行傅里叶变换，得到的第五傅里叶变换值为1.3，第六傅里叶变换值为0.6，根据上述第三特征参数值的计算公式计算出该第二灰度直方图对应的第三特征参数值ξ为 或者，假设直接对第二灰度直方图中各像素值进行傅里叶变换，得到的第五傅里叶变换值为1.3，第六傅里叶变换值为0.8，根据上述第三特征参数值的计算公式计算出该第二灰度直方图对应的第三特征参数值ξ为/>
步骤603，根据所述第三特征参数值与预设参数阈值的关系，确定所述待检测图像的第一检测结果。
本发明实施例中，若第三特征参数值大于等于预设参数阈值ξth(比如ξth＝0.95)，则说明待检测图像经过直方图均衡化操作；若第三特征参数值小于预设参数阈值，则说明待检测图像未经过直方图均衡化操作。
示例性地，假设根据上述第三特征参数值的计算公式计算出该第二灰度直方图对应的第三特征参数值ξ为1.17，此时可以确定1.17大于0.95，也就可以说明待检测图像经过直方图均衡化操作。假设根据上述第三特征参数值的计算公式计算出该第二灰度直方图对应的第三特征参数值ξ为0.625，此时可以确定0.625小于0.95，也就可以说明待检测图像未经过直方图均衡化操作。
步骤604，确定所述第二灰度直方图中第二设定像素值区域的概率累加状况。
本发明实施例中，针对第二设定像素值区域中任一像素值，确定第二灰度直方图具有像素值的像素点的第一数量。再根据第一数量和第二灰度直方图的像素点总数的第二数量，确定像素值的概率值。然后，根据第二设定像素值区域中各像素值的概率值，确定第二灰度直方图中第二设定像素值区域的概率累加状况。
其中，第二设定像素值区域包括低像素值区域。低像素值区域的像素值范围为0至34。由于较暗图像在经过直方图均衡化处理后，均衡化处理后的较暗图像的像素值在0至50范围内的个数较少，反映在较暗图像的灰度直方图上就会在像素值为0至50范围内出现缺失情况，因此本发明实施例为了及时准确地判断待检测图像是否经过直方图均衡化操作，所以选择像素值范围为0至34的区域内的各像素值作为判断依据。其中，可以通过下述方式确定0至34的区域内的各像素值的概率累加值：
其中，τ表示0至34范围内的各像素值的概率累加值，p(n)表示像素值n在图像中出现的概率，0至34范围内每一个像素值的概率值是由该像素值对应的像素点个数与第二灰度直方图的像素点总数的比值确定的。
假设待检测图像m在0至34范围内的像素值有三个，且假设待检测图像m有100个像素点，即n＝15，n＝20，n＝30。其中，假设像素值n＝15的像素点有10个，像素值n＝20的像素点有15个，像素值n＝30的像素点有20个。因此，可以计算出像素值n＝15的概率值为10/100＝0.1；像素值n＝20的概率值为15/100＝0.15；像素值n＝30的概率值为20/100＝0.2，如此，待检测图像m在0至34范围内的各像素值的概率累加值为0.1+0.15+0.2＝0.45。或者，假设像素值n＝15的像素点有30个，像素值n＝20的像素点有35个，像素值n＝30的像素点有30个。因此，可以计算出像素值n＝15的概率值为30/100＝0.3；像素值n＝20的概率值为35/100＝0.35；像素值n＝20的概率值为30/100＝0.3，如此，待检测图像m在0至34范围内的各像素值的概率累加值为0.3+0.35+0.3＝0.95。
步骤605，根据所述第二设定像素值区域的概率累加状况与第二设定条件的关系，确定所述待检测图像的第二检测结果。
本发明实施例中，若第二设定像素值区域的概率累加状况满足第二设定条件，即第二设定像素值区域的概率累加值小于预设阈值τth(比如τth＝0.75)，则确定待检测图像为较暗图像，说明待检测图像未经过直方图均衡化操作；如果第二设定像素值区域的概率累加值大于等于预设阈值，则确定待检测图像为较亮图像，说明待检测图像经过直方图均衡化操作。
示例性地，继续以上述待检测图像m在0至34范围内的像素值有三个，假设基于上述计算方式计算出的待检测图像m在0至34范围内的各像素值的概率累加值为0.45，设置预设阈值τth为0.75。此时可以确定0.45小于0.75，因此可以确定待检测图像为较暗图像，即该待检测图像的判断结果为待检测图像整体并未变亮，说明待检测图像未经过直方图均衡化操作。假设基于上述计算方式计算出的待检测图像m在0至34范围内的各像素值的概率累加值为0.95，设置预设阈值为0.75。此时可以确定0.95大于0.75，因此可以确定待检测图像为较亮图像，即该待检测图像的判断结果为待检测图像整体变亮，说明待检测图像经过直方图均衡化操作。
步骤606，根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理。
本发明实施例中，若第一检测结果为第三特征参数值大于等于预设参数阈值且第二检测结果满足第二设定条件，则确定待检测图像经过图像均衡化处理，否则确定待检测图像未经过图像均衡化处理。其中，第二设定条件为待检测图像m在0至34范围内的各像素值的概率累加值大于等于预设阈值τth。由于待检测图像m在0至34范围内的各像素值的概率累加值大于等于预设阈值τth，说明待检测图像整体变亮，也就可以说明待检测图像经过直方图均衡化操作。如果待检测图像m在0至34范围内的各像素值的概率累加值小于预设阈值τth，说明待检测图像整体并未变亮，也就可以说明待检测图像未经过直方图均衡化操作。
此外，根据上述得出的两条推论(1)若图像亮度正常，则可信任现有技术中DFT-based HEF算法的判定结果。所以当DFT-based HEF算法的判定结果是待检测图像经过直方图均衡化操作，则说明该待检测图像经过直方图均衡化操作，否则说明该待检测图像未经过直方图均衡化操作；(2)若图像亮度较暗，则不信任现有技术中DFT-based HEF算法的判定结果，且直接说明该待检测图像未经过直方图均衡化操作。可以得出如表1所示的判断结果。
表1
如果对图像较暗判定结果进行取反操作，便可以对DFT-based HEF算法和图像是否较暗算法的取反结果进行与运算得到图像是否经过直方图均衡化操作的最终判定结果。对图像较暗判断结果进行取反操作后所得到的判断结果可以如表2所示。
表2
基于上述描述，待检测图像的最终判断结果可以通过下述公式确定：
其中，η为逻辑与的运算结果，如果η为True，则确定待检测图像确实经过直方图均衡化操作，如果η为False，则确定待检测图像未经过直方图均衡化操作。
上述实施例表明，由于较暗图像在经过直方图均衡化处理后，较暗图像中较亮区域或者较暗区域的像素值会有所缺失，对应到较暗图像的灰度直方图上就会使得灰度直方图上出现一部分像素值对应的像素点统计数为零或接近零，就会使得较暗图像的灰度直方图无法形成均匀分布的状态。基于此，在接收到用户下发的第二指令后，本发明中的技术方案通过从这一部分像素值区域中选择出第二设定像素值区域，并基于第二灰度直方图中第二设定像素值区域的概率累加状况与第二设定条件的关系，来确定待检测图像的第二检测结果。同时，通过直接对第二灰度直方图中各像素值进行傅里叶变换，得到待检测图像的第三特征参数值，并基于第三特征参数值与预设参数阈值的关系，确定待检测图像的第一检测结果。如此，通过将第一检测结果和第二检测结果进行结合来综合判断，可以及时准确地确定待检测图像是否经过图像均衡化处理，而且，即使针对较暗图像，也能够及时准确地检测出较暗图像是否经过直方图均衡化处理，如此可以提高针对较暗图像的检测效果，从而可以解决现有技术中存在针对较暗图像进行检测时无法准确地检测出较暗图像是否经过均衡化处理的问题。
基于相同的技术构思，图7示例性的示出了本发明实施例提供的一种图像检测装置，该装置可以执行图像检测方法的流程。
如图7所示，该装置包括：
生成单元701，用于若接收到用户下发的第一指令，则生成待检测图像的第一灰度直方图；
处理单元702，用于确定所述第一灰度直方图中第一设定像素值区域的概率累加状况；若所述第一设定像素值区域的概率累加状况满足第一设定条件，则对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值；在所述第一特征参数值大于等于预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
可选地，所述处理单元702具体用于：
针对所述第一设定像素值区域中任一像素值，确定所述第一灰度直方图具有所述像素值的像素点的第一数量；
根据所述第一数量和所述第一灰度直方图的像素点总数的第二数量，确定所述像素值的概率值；
根据所述第一设定像素值区域中各像素值的概率值，确定所述第一灰度直方图中第一设定像素值区域的概率累加状况。
可选地，所述第一设定像素值区域包括低像素值区域和/或高像素值区域。
可选地，所述处理单元702具体用于：
对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，确定出第一傅里叶变换值和所述第二傅里叶变换值；
基于所述第一傅里叶变换值和所述第二傅里叶变换值，确定出所述第一特征参数值。
可选地，所述处理单元702还用于：
若所述第一设定像素值区域的概率累加状况不满足所述第一设定条件，则对所述第一灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第二特征参数值；
在所述第二特征参数值大于等于所述预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
可选地，所述低像素值区域的像素值范围为0至50；所述高像素值区域的像素值范围为200至250。
可选地，所述处理单元702还用于：
若接收到用户下发的第二指令，则生成待检测图像的第二灰度直方图；
对所述第二灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第三特征参数值；根据所述第三特征参数值与预设参数阈值的关系，确定所述待检测图像的第一检测结果；确定所述第二灰度直方图中第二设定像素值区域的概率累加状况；根据所述第二设定像素值区域的概率累加状况与第二设定条件的关系，确定所述待检测图像的第二检测结果；根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理。
可选地，所述处理单元702具体用于：
若所述第一检测结果为所述第三特征参数值大于等于所述预设参数阈值且所述第二检测结果满足所述第二设定条件，则确定所述待检测图像经过图像均衡化处理，否则确定所述待检测图像未经过图像均衡化处理。
基于相同的技术构思，本发明实施例还提供了一种计算设备，如图8所示，包括至少一个处理器801，以及与至少一个处理器连接的存储器802，本发明实施例中不限定处理器801与存储器802之间的具体连接介质，图8中处理器801和存储器802之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本发明实施例中，存储器802存储有可被至少一个处理器801执行的指令，至少一个处理器801通过执行存储器802存储的指令，可以执行前述的图像检测方法中所包括的步骤。
其中，处理器801是计算设备的控制中心，可以利用各种接口和线路连接计算设备的各个部分，通过运行或执行存储在存储器802内的指令以及调用存储在存储器802内的数据，从而实现数据处理。可选的，处理器801可包括一个或多个处理单元，处理器801可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理下发指令。可以理解的是，上述调制解调处理器也可以不集成到处理器801中。在一些实施例中，处理器801和存储器802可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
处理器801可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合图像检测方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器802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。存储器802可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本发明实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
基于相同的技术构思，本发明实施例还提供了一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述图像检测方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种图像检测方法，其特征在于，包括：
若接收到用户下发的第一指令，则生成待检测图像的第一灰度直方图；
确定所述第一灰度直方图中第一设定像素值区域的概率累加状况；
若所述第一设定像素值区域的概率累加状况满足第一设定条件，则对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值；
在所述第一特征参数值大于等于预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
2.如权利要求1所述的方法，其特征在于，所述确定所述第一灰度直方图中第一设定像素值区域的概率累加状况，包括：
针对所述第一设定像素值区域中任一像素值，确定所述第一灰度直方图具有所述像素值的像素点的第一数量；
根据所述第一数量和所述第一灰度直方图的像素点总数的第二数量，确定所述像素值的概率值；
根据所述第一设定像素值区域中各像素值的概率值，确定所述第一灰度直方图中第一设定像素值区域的概率累加状况。
3.如权利要求1所述的方法，其特征在于，所述第一设定像素值区域包括低像素值区域和/或高像素值区域。
4.如权利要求1所述的方法，其特征在于，所述对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值，包括：
对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，确定出第一傅里叶变换值和第二傅里叶变换值；
基于所述第一傅里叶变换值和所述第二傅里叶变换值，确定出所述第一特征参数值。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
若所述第一设定像素值区域的概率累加状况不满足所述第一设定条件，则对所述第一灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第二特征参数值；
在所述第二特征参数值大于等于所述预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
6.如权利要求3所述的方法，其特征在于，所述低像素值区域的像素值范围为0至50；所述高像素值区域的像素值范围为200至250。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
若接收到用户下发的第二指令，则生成待检测图像的第二灰度直方图；
对所述第二灰度直方图中各像素值进行傅里叶变换，得到所述待检测图像的第三特征参数值；
根据所述第三特征参数值与预设参数阈值的关系，确定所述待检测图像的第一检测结果；
确定所述第二灰度直方图中第二设定像素值区域的概率累加状况；
根据所述第二设定像素值区域的概率累加状况与第二设定条件的关系，确定所述待检测图像的第二检测结果；
根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理。
8.如权利要求7所述的方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果，确定所述待检测图像是否经过图像均衡化处理，包括：
若所述第一检测结果为所述第三特征参数值大于等于所述预设参数阈值且所述第二检测结果满足所述第二设定条件，则确定所述待检测图像经过图像均衡化处理，否则确定所述待检测图像未经过图像均衡化处理。
9.一种图像检测装置，其特征在于，包括：
生成单元，用于若接收到用户下发的第一指令，则生成待检测图像的第一灰度直方图；
处理单元，用于确定所述第一灰度直方图中第一设定像素值区域的概率累加状况；若所述第一设定像素值区域的概率累加状况满足第一设定条件，则对所述第一灰度直方图中除所述第一设定像素值区域之外的其它各像素值进行傅里叶变换，得到所述待检测图像的第一特征参数值；在所述第一特征参数值大于等于预设参数阈值时，确定所述待检测图像经过图像均衡化处理。
10.一种计算设备，其特征在于，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1至8任一权利要求所述的方法。
CN202110728982.6A 2021-06-29 2021-06-29 一种图像检测方法及装置 Active CN113344907B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110728982.6A CN113344907B (zh) 2021-06-29 2021-06-29 一种图像检测方法及装置
PCT/CN2021/134658 WO2023273153A1 (zh) 2021-06-29 2021-11-30 一种图像检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110728982.6A CN113344907B (zh) 2021-06-29 2021-06-29 一种图像检测方法及装置

Publications (2)

Publication Number Publication Date
CN113344907A CN113344907A (zh) 2021-09-03
CN113344907B true CN113344907B (zh) 2023-09-08

Family

ID=77481452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110728982.6A Active CN113344907B (zh) 2021-06-29 2021-06-29 一种图像检测方法及装置

Country Status (2)

Country Link
CN (1) CN113344907B (zh)
WO (1) WO2023273153A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344907B (zh) * 2021-06-29 2023-09-08 深圳前海微众银行股份有限公司 一种图像检测方法及装置
CN113947602B (zh) * 2021-12-21 2022-03-18 山东信通电子股份有限公司 一种图像亮度的检测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107146217A (zh) * 2017-04-07 2017-09-08 北京工业大学 一种图像检测方法和装置
CN110827229A (zh) * 2019-11-01 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于纹理加权直方图均衡化的红外图像增强方法
EP3712841A1 (en) * 2019-03-22 2020-09-23 Ricoh Company, Ltd. Image processing method, image processing apparatus, and computer-readable recording medium

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102444544B1 (ko) * 2019-05-24 2022-09-19 한국전자통신연구원 영상의 전처리 방법 및 장치
CN113344907B (zh) * 2021-06-29 2023-09-08 深圳前海微众银行股份有限公司 一种图像检测方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107146217A (zh) * 2017-04-07 2017-09-08 北京工业大学 一种图像检测方法和装置
EP3712841A1 (en) * 2019-03-22 2020-09-23 Ricoh Company, Ltd. Image processing method, image processing apparatus, and computer-readable recording medium
CN110827229A (zh) * 2019-11-01 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于纹理加权直方图均衡化的红外图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AKHTAR,Z. et al.."Revealing the traces of histogram equalisation in digital images".《The Institution of Engineering and Technology》.2018,第第12卷卷(第第5期期),第762-765页. *

Also Published As

Publication number Publication date
CN113344907A (zh) 2021-09-03
WO2023273153A1 (zh) 2023-01-05

Similar Documents

Publication Publication Date Title
CN113344907B (zh) 一种图像检测方法及装置
WO2017121018A1 (zh) 二维码图像处理的方法和装置、终端、存储介质
US9292911B2 (en) Automatic image adjustment parameter correction
Fang et al. Blind quality assessment for tone-mapped images by analysis of gradient and chromatic statistics
CN111696064B (zh) 图像处理方法、装置、电子设备及计算机可读介质
Rhee Detection of spliced image forensics using texture analysis of median filter residual
CN114758268A (zh) 手势识别方法、装置及智能设备
CN112926695B (zh) 基于模板匹配的图像识别方法和系统
US10621430B2 (en) Determining image forensics using an estimated camera response function
CN111062922B (zh) 一种翻拍图像的判别方法、系统及电子设备
CN111311610A (zh) 图像分割的方法及终端设备
CN110728692A (zh) 一种基于Scharr算子改进的图像边缘检测方法
CN113628192B (zh) 图像模糊检测方法、装置、设备、存储介质及程序产品
CN116091375A (zh) 一种融合区域优选的高质量图像融合方法及系统
US8351729B2 (en) Apparatus, method, and program for image correction
CN115830362A (zh) 图像处理方法、装置、设备、介质及产品
CN114596210A (zh) 噪声估计方法、装置、终端设备及计算机可读存储介质
CN111985423A (zh) 活体检测方法、装置、设备及可读存储介质
TW202129540A (zh) 字元識別方法、裝置及電腦可讀取存儲介質
US20240104908A1 (en) Evaluation method
CN113034337B (zh) 图像检测方法及相关装置
CN113643257B (zh) 图像噪点检测方法、装置、设备、存储介质及程序产品
CN115880300B (zh) 图像模糊检测方法、装置、电子设备和存储介质
CN112465028B (zh) 一种感知视觉安全评估方法及系统
CN112330666B (zh) 基于改进孪生网络的图像处理方法及系统及装置及介质

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