CN115631171B - 一种图片清晰度评价方法、系统及存储介质 - Google Patents

Abstract

本发明公开了一种图片清晰度评价方法、系统及存储介质，其方法包括步骤：预先根据目标带通频率以及滤波器类型计算滤波器系数；将待评价图片划分出若干ROI区域；分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果；将每个所述ROI区域中各个所述像素对应的所述第一滤波结果累加生成的滤波结果和值，作为每个所述ROI区域的第二滤波结果；分别对各个所述ROI区域赋以对应的权重；根据各个所述第二滤波结果及其对应的权重，计算当前帧所述待评价图片的清晰度评价结果。本发明可以减小图片清晰度评价过程中图片的强边缘区域和弱纹理区域的FV值差异，提高图像清晰度评价的准确性。

Description

一种图片清晰度评价方法、系统及存储介质

技术领域

本发明涉及图像处理技术领域，特别涉及一种图片清晰度评价方法、系统及存储介质。

背景技术

目前对于图片清晰度的评价方法大多采用梯度提取方法，例如拉普拉斯滤波、sobel滤波等，但是目前的梯度提取滤波器在滤波过程中，提取弱纹理区域的梯度值较小，梯度提取后边缘区域的梯度值可能远远大于弱纹理区域的梯度值，使得弱纹理区域的FV值难以有效地参与进图片清晰度评价中。

例如，采用DOG滤波器进行梯度提取，针对图片的强边缘区域滤波得到的FV值量级很大，对同一图片的弱纹理区域滤波得到的FV值量级很小。同时根据该图片的强边缘区域和弱纹理区域的FV值进行清晰度评价时，弱纹理区域的清晰度评价参考价值对图像清晰度评价的影响十分有限，这使得在进行图像清晰度评价过程中会忽视图片中弱纹理区域对整体图片清晰度评价结果的影响。

因此目前需要一种图片清晰度评价方法，减小图片清晰度评价过程中图片的强边缘区域和弱纹理区域的FV值差异，综合全面地评价图像清晰度，提高图像清晰度评价的准确性。

发明内容

为解决图片清晰度评价过程中图片的强边缘区域和弱纹理区域的FV值差异影响图片清晰度评价结果的技术问题，本发明提供一种图片清晰度评价方法、系统及存储介质，具体的技术方案如下：

本发明提供一种图片清晰度评价方法，包括步骤：

预先根据目标带通频率以及滤波器类型计算滤波器系数；

将待评价图片划分出若干ROI区域；

分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果；

将每个所述ROI区域中各个所述像素对应的所述第一滤波结果累加生成的滤波结果和值，作为每个所述ROI区域的第二滤波结果；

分别对各个所述ROI区域赋以对应的权重；

根据各个所述第二滤波结果及其对应的权重，计算当前帧所述待评价图片的清晰度评价结果。

本发明提供的图片清晰度评价方法根据目标带通频率以及滤波器类型计算滤波器系数后，通过对ROI区域若干ROI区域中每个像素进行滤波，并对各个ROI区域赋以对应的权重，综合计算当前帧待评价图片的清晰度评价结果，忽略均匀背景的梯度值，有效提取出平坦区域的弱纹理高频分量，减小强边缘区域和弱纹理区域FV值之间的差异，提高图片清晰度评价的准确性。

在一些实施方式中，所述滤波器包括IIR滤波器和FIR滤波器。

在一些实施方式中，在所述滤波器选用所述FIR滤波器时，所述的分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果，具体包括：

分别根据所述滤波器系数通过预设的第一滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第一滤波公式如下：

其中，y(n)为所述第一滤波结果、N为所述滤波器类型中的滤波器阶数、a为所述滤波器系数中的第一滤波器系数、x为当前像素输入信号。

在一些实施方式中，在所述滤波器选用所述IIR滤波器时，所述的分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果，具体包括：

分别根据所述滤波器系数通过预设的第二滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第一滤波公式如下：

其中，y(n)为所述第一滤波结果、N为所述滤波器类型中的滤波器阶数、a为所述滤波器系数中的第一滤波器系数、b为所述滤波器系数中的第二滤波器系数、x为当前像素输入信号、P＝N-1、y为相邻像素的第一滤波结果信号。

在一些实施方式中，所述的计算当前帧所述待评价图片的清晰度评价结果之后，还包括：

将所述清晰度评价结果反馈给自动对焦搜索算法得到最佳对焦位置。

在一些实施方式中，所述的预先根据目标带通频率以及滤波器类型计算滤波器系数，具体包括：

预先将所述目标带通频率以及所述滤波器类型输入Matlab，通过Matlab模拟生成所述滤波器系数。

本发明提供的图片清晰度评价方法通过改变滤波器系数改变图片清晰度评价效果，避免采用固定系数的滤波器评价清晰度的过程中，无法灵活应对各种场景的图像，实现更具适用性、更准确地评价图像清晰度的效果。

在一些实施方式中，根据本发明的另一方面，本发明还提供一种图片清晰度评价系统，包括：

第一计算模块，用于预先根据目标带通频率以及滤波器类型计算滤波器系数；

分割模块，用于将待评价图片划分出若干ROI区域；

滤波模块，分别与所述第一计算模块和分割模块连接，用于分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果；

生成模块，与所述滤波模块连接，用于将每个所述ROI区域中各个所述像素对应的所述第一滤波结果累加生成的滤波结果和值，作为每个所述ROI区域的第二滤波结果；

权重模块，与所述分割模块连接，用于分别对各个所述ROI区域赋以对应的权重；

第二计算模块，分别与所述生成模块和所述权重模块连接，用于根据各个所述第二滤波结果及其对应的权重，计算当前帧所述待评价图片的清晰度评价结果。

在一些实施方式中，所述滤波器包括IIR滤波器和FIR滤波器，所述第二计算模块包括：

第一计算单元，用于在所述滤波器选用所述FIR滤波器时，分别根据所述滤波器系数通过预设的第一滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第一滤波公式如下：

第二计算单元，用于在所述滤波器选用所述IIR滤波器时，分别根据所述滤波器系数通过预设的第二滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第二滤波公式如下：

其中，y(n)为所述第一滤波结果、N为所述滤波器类型中的滤波器阶数、a为所述滤波器系数中的第一滤波器系数、b为所述滤波器系数中的第二滤波器系数、x为当前像素输入信号、P＝N-1、y为相邻像素的第一滤波结果信号。

在一些实施方式中，本发明还提供一种图片清晰度评价系统，其特征在于，还包括：

反馈模块，与所述第二计算模块连接，用于将所述清晰度评价结果反馈给自动对焦搜索算法得到最佳对焦位置。

在一些实施方式中，根据本发明的另一方面，本发明还提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述图片清晰度评价方法所执行的操作。

本发明提供的一种图片清晰度评价方法、系统及存储介质，至少包括以下一项技术效果：

(1)根据目标带通频率以及滤波器类型计算滤波器系数后，通过对ROI区域若干ROI区域中每个像素进行滤波，并对各个ROI区域赋以对应的权重，综合计算当前帧待评价图片的清晰度评价结果，忽略均匀背景的梯度值，有效提取出平坦区域的弱纹理高频分量，减小强边缘区域和弱纹理区域FV值之间的差异，提高图片清晰度评价的准确性；

(2)通过改变滤波器系数改变图片清晰度评价效果，避免采用固定系数的滤波器评价清晰度的过程中，无法灵活应对各种场景的图像，实现更具适用性、更准确地评价图像清晰度的效果。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种图片清晰度评价方法的流程图；

图2为本发明一种图片清晰度评价方法中选用FIR滤波器进行滤波的流程图；

图3为本发明一种图片清晰度评价方法中选用IIR滤波器进行滤波的流程图；

图4为本发明一种图片清晰度评价方法中将清晰度评价结果反馈给自动对焦搜索算法的流程图；

图5为本发明一种图片清晰度评价方法中通过Matlab模拟生成滤波器系数的流程图；

图6为本发明一种图片清晰度评价系统的示例图；

图7为本发明一种图片清晰度评价系统中第二计算模块的示例图；

图8为本发明一种图片清晰度评价系统的另一个示例图。

图中标号：第一计算模块-10、分割模块-20、滤波模块-30、生成模块-40、权重模块-50、第二计算模块-60、第一计算单元-61、第二计算单元-62和反馈模块-70。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘出了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。

本发明的一个实施例，如图1所示，本发明提供一种图片清晰度评价方法，包括步骤：

S100预先根据目标带通频率以及滤波器类型计算滤波器系数。

具体地，现有的图片清晰度评价方法通常采用梯度提取方法，例如拉普拉斯滤波、sobel滤波等，在使用这类梯度提取方法进行图片清晰度评价的过程中，滤波器系数均为固定系数，而使用固定系数的滤波器评价清晰度无法灵活地应对各种场景的图像，因此通过滤波器系数生成工具，预先根据目标带通频率以及滤波器类型计算滤波器系数，使滤波器系数可以随目标带通频率的修改而改变，在实际使用过程中，用户可以根据目标场景需求，自定义目标频段的截止频率，比如带通的截止频率1和截止频率2。

S200将待评价图片划分出若干ROI区域。

具体地，ROI区域为感兴趣区域，具体是指用户在待评价图片中划出的需要进行清晰度评价的区域，ROI区域可以有一个或多个，多个ROI区域之间可以有重叠部分。

S300分别根据滤波器系数对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果。

具体地，对各个ROI区域中每个像素进行卷积滤波生成相应的滤波结果值。

S400将每个ROI区域中各个像素对应的第一滤波结果累加生成的滤波结果和值，作为每个ROI区域的第二滤波结果。

S500分别对各个ROI区域赋以对应的权重。

具体地，由于相机镜头的光学缺陷，在图片中央区域达到最清晰的像时，图片四周并不一定最清晰，当图片四周最清晰时，图片中央不一定最清晰，因此应该根据目标聚焦区域，划出需要进行图像清晰度评价的ROI区域，并为每个ROI区域配置对应的权重，进而计算更精确地得到图片的清晰度评价结果。

S600根据各个第二滤波结果及其对应的权重，计算当前帧待评价图片的清晰度评价结果。

本实施例提供的图片清晰度评价方法根据目标带通频率以及滤波器类型计算滤波器系数后，通过对ROI区域若干ROI区域中每个像素进行滤波，并对各个ROI区域赋以对应的权重，综合计算当前帧待评价图片的清晰度评价结果，忽略均匀背景的梯度值，有效提取出平坦区域的弱纹理高频分量，减小强边缘区域和弱纹理区域FV值之间的差异，提高图片清晰度评价的准确性。

在一个实施例中，如图2所示，在滤波器选用FIR滤波器(有限冲激响应滤波器)时，步骤S300分别根据滤波器系数对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果，具体包括：

S310分别根据滤波器系数通过预设的第一滤波公式，对各个ROI区域中每个像素进行滤波，得到若干所述第一滤波结果。

具体地，第一滤波公式如下：

其中，y(n)为第一滤波结果、N为滤波器类型中的滤波器阶数、a为滤波器系数中的第一滤波器系数、x为当前像素输入信号，其中像素输入信号为亮度信息。

本实施例提供的图片清晰度评价方法公开一种在滤波器选用FIR滤波器时进行滤波的滤波公式，通过上述第一滤波公式可以精确地根据滤波器系数和像素输入信号进行滤波，精确地生成各个ROI区域中每个像素的滤波结果。

在一个实施例中，如图3所示，在滤波器选用IIR滤波器(无限冲激响应滤波器)时，步骤S300分别根据滤波器系数对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果，具体还包括：

S320分别根据滤波器系数通过预设的第二滤波公式，对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果。

具体地，第二滤波公式如下：

其中，y(n)为第一滤波结果、N为滤波器类型中的滤波器阶数、a为滤波器系数中的第一滤波器系数、b为滤波器系数中的第二滤波器系数、x为当前像素输入信号、P＝N-1、y为相邻像素的第一滤波结果信号，其中像素输入信号为亮度信息。

本实施例提供的图片清晰度评价方法公开一种在滤波器选用IIR滤波器时进行滤波的滤波公式，IIR滤波器相比于固定滤波窗大小的传统滤波器，有更大的感受野，可以提取图像更高频的分量，通过上述第二滤波公式可以精确地根据滤波器系数和像素输入信号进行滤波，精确地生成各个ROI区域中每个像素的滤波结果，在图像清晰度评价中，可以有效增强弱纹理区域的清晰度值贡献，相比于传统的5x5滤波窗梯度提取滤波器，本实施例仍然为5行缓存，但不会增加硬件实现开销。

在一个实施例中，如图4所示，S600根据各个第二滤波结果及其对应的权重，计算当前帧待评价图片的清晰度评价结果之后，还包括：

S700将清晰度评价结果反馈给自动对焦搜索算法得到最佳对焦位置。

具体地，聚焦搜索算法会根据连续多帧反馈来的图像清晰度评价值，来计算出Focus电机的lens下一步要步进的方向和步数，进而得到最佳对焦位置。

在一个实施例中，如图5所示，步骤S100预先根据目标带通频率以及滤波器类型计算滤波器系数，具体包括：

S110预先将目标带通频率以及滤波器类型输入Matlab，通过Matlab模拟生成滤波器系数。

示例性地，IIR系数计算方法如下：

[a,b]＝cheby1(N,1,[iirFStop1+c,iirFStop2-c],'bandpass')；

其中，a和b为计算出来的滤波器系数数组，N为要计算的滤波器阶数，iirFStop1和iirFStop2为用户配置的滤波器截止频率，c为余量，通常c设置为一个很小的数，如0.001。

FIR系数计算方法如下：

a＝firls(N,[firFStop1,firFStop2],[1,1],'hilbert')；

其中，a为计算出来的滤波器系数数组，N为需要的滤波器阶数，firFStop1和firFStop2为用户配置的截止频率。

在一个实施例中，在执行步骤S300分别根据滤波器系数对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果的过程中，可以同时选用IIR滤波器和FIR滤波器，分别根据第一滤波公式和第二滤波公式，同时对各个ROI区域中每个像素进行滤波，其中IIR滤波器系数配置为高频系数，FIR滤波器系数配置为中频系数，这样可以在模糊状态和接近最清晰状态都存在较为准确的清晰度曲线。

在一个实施例中，如图6所示，根据本发明的另一方面，本发明还提供一种图片清晰度评价系统，包括第一计算模块10、分割模块20、滤波模块30、生成模块40、权重模块50和第二计算模块60。

其中，第一计算模块10用于预先根据目标带通频率以及滤波器类型计算滤波器系数。

具体地，现有的图片清晰度评价方法通常采用梯度提取方法，例如拉普拉斯滤波、sobel滤波等，在使用这类梯度提取方法进行图片清晰度评价的过程中，滤波器系数均为固定系数，而使用固定系数的滤波器评价清晰度无法灵活地应对各种场景的图像，因此通过滤波器系数生成工具，预先根据目标带通频率以及滤波器类型计算滤波器系数，使滤波器系数可以随目标带通频率的修改而改变，在实际使用过程中，用户可以根据目标场景需求，自定义目标频段的截止频率，比如带通的截止频率1和截止频率2。

分割模块20用于将待评价图片划分出若干ROI区域。

具体地，ROI区域为感兴趣区域，具体是指用户在待评价图片中划出的需要进行清晰度评价的区域，ROI区域可以有一个或多个，多个ROI区域之间可以有重叠部分。

滤波模块30分别与第一计算模块10和分割模块20连接，用于分别根据滤波器系数对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果。

具体地，对各个ROI区域中每个像素进行卷积滤波生成相应的滤波结果值。

生成模块40与滤波模块连接30，用于将每个ROI区域中各个像素对应的第一滤波结果累加生成的滤波结果和值，作为每个ROI区域的第二滤波结果。

权重模块50与分割模块20连接，用于分别对各个ROI区域赋以对应的权重。

具体地，由于相机镜头的光学缺陷，在图片中央区域达到最清晰的像时，图片四周并不一定最清晰，当图片四周最清晰时，图片中央不一定最清晰，因此应该根据目标聚焦区域，划出需要进行图像清晰度评价的ROI区域，并为每个ROI区域配置对应的权重，进而计算更精确地得到图片的清晰度评价结果。

第二计算模块60分别与生成模块40和权重模块50连接，用于根据各个第二滤波结果及其对应的权重，计算当前帧待评价图片的清晰度评价结果。

本实施例提供的图片清晰度评价系统根据目标带通频率以及滤波器类型计算滤波器系数后，通过对ROI区域若干ROI区域中每个像素进行滤波，并对各个ROI区域赋以对应的权重，综合计算当前帧待评价图片的清晰度评价结果，忽略均匀背景的梯度值，有效提取出平坦区域的弱纹理高频分量，减小强边缘区域和弱纹理区域FV值之间的差异，提高图片清晰度评价的准确性。

在一个实施例中，如图7所示，滤波器包括IIR滤波器和FIR滤波器，第二计算模块60包括第一计算单元61和第二计算单元62。

其中，第一计算单元61用于在滤波器选用FIR滤波器时，分别根据滤波器系数通过预设的第一滤波公式，对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果。

具体地，第一滤波公式如下：

通过上述第一滤波公式可以精确地根据滤波器系数和像素输入信号进行滤波，精确地生成各个ROI区域中每个像素的滤波结果，其中像素输入信号为亮度信息。

第二计算单元62用于在滤波器选用IIR滤波器时，分别根据滤波器系数通过预设的第二滤波公式，对各个ROI区域中每个像素进行滤波，得到若干第一滤波结果。

具体地，第一滤波公式如下：

其中，y(n)为第一滤波结果、N为滤波器类型中的滤波器阶数、a为滤波器系数中的第一滤波器系数、b为滤波器系数中的第二滤波器系数、x为当前像素输入信号、P＝N-1、y为相邻像素的第一滤波结果信号，其中像素输入信号为亮度信息。

IIR滤波器相比于固定滤波窗大小的传统滤波器，有更大的感受野，可以提取图像更高频的分量，通过上述第二滤波公式可以精确地根据滤波器系数和像素输入信号进行滤波，精确地生成各个ROI区域中每个像素的滤波结果，在图像清晰度评价中，可以有效增强弱纹理区域的清晰度值贡献，相比于传统的5x5滤波窗梯度提取滤波器，本实施例仍然为5行缓存，但不会增加硬件实现开销。

在一个实施例中，如图8所示，本发明提供的图片清晰度评价系统，还包括反馈模块70，反馈模块70与第二计算模块60连接，用于将清晰度评价结果反馈给自动对焦搜索算法得到最佳对焦位置。

在一个实施例中，根据本发明的另一方面，本发明还提供一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述的图片清晰度评价方法实施例中所执行的操作。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的一种图片清晰度评价方法、系统及存储介质，可以通过其他的方式实现。例如，以上所描述的一种图片清晰度评价方法、系统及存储介质实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的通讯连接可以是通过一些接口，装置或单元的通讯连接或集成电路，可以是电性、机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

应当说明的是，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种图片清晰度评价方法，其特征在于，包括步骤：

预先根据目标带通频率以及滤波器类型计算滤波器系数，所述滤波器类型包括IIR滤波器和FIR滤波器，所述滤波器系数包括IIR系数和FIR系数；

将待评价图片划分出若干ROI区域，所述ROI区域包括边缘区和纹理区；

分别根据所述IIR系数和所述FIR系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果，所述IIR系数为高频滤波系数，所述FIR系数为中频滤波系数；

将每个所述ROI区域中各个所述像素对应的所述第一滤波结果累加生成的滤波结果和值，作为每个所述ROI区域的第二滤波结果；

分别对各个所述ROI区域赋以对应的权重；

根据各个所述第二滤波结果及其对应的权重，计算当前帧所述待评价图片的清晰度评价结果；

所述的预先根据目标带通频率以及滤波器类型计算滤波器系数，具体包括：

预先将所述目标带通频率以及所述滤波器类型输入Matlab，通过Matlab模拟生成所述滤波器系数；

所述IIR系数计算公式如下：

[a,b]=cheby1(N,1,[iirFStop1+c,iirFStop2-c],'bandpass')；

其中，a和b为所述滤波器系数中滤波器系数数组，N为所述滤波器系数中滤波器阶数，iirFStop1和iirFStop2为预先输入的IIR滤波器截止频率，c为余量且设置为0.001；

所述FIR系数计算公式如下：

a=firls(N,[firFStop1,firFStop2],[1,1],'hilbert')；

其中，firFStop1和firFStop2为预先输入的FIR滤波器截止频率，N为所述滤波器系数中滤波器阶数。

2.根据权利要求1所述的一种图片清晰度评价方法，其特征在于，在所述滤波器选用所述FIR滤波器时，所述的分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果，具体包括：

分别根据所述滤波器系数通过预设的第一滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第一滤波公式如下：

；

其中，为所述第一滤波结果、/>为所述滤波器类型中的滤波器阶数、/>为所述滤波器系数中的第一滤波器系数、x为当前像素输入信号。

3.根据权利要求1所述的一种图片清晰度评价方法，其特征在于，在所述滤波器选用所述IIR滤波器时，所述的分别根据所述滤波器系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果，具体包括：

分别根据所述滤波器系数通过预设的第二滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第二滤波公式如下：

；

其中，为所述第一滤波结果、/>为所述滤波器类型中的滤波器阶数、/>为所述滤波器系数中的第一滤波器系数、/>为所述滤波器系数中的第二滤波器系数、x为当前像素输入信号、/>=N-1、y为相邻像素的第一滤波结果信号。

4.根据权利要求1所述的一种图片清晰度评价方法，其特征在于，所述的计算当前帧所述待评价图片的清晰度评价结果之后，还包括：

将所述清晰度评价结果反馈给自动对焦搜索算法得到最佳对焦位置。

5.一种图片清晰度评价系统，其特征在于，包括：

第一计算模块，用于预先根据目标带通频率以及滤波器类型计算滤波器系数，所述滤波器类型包括IIR滤波器和FIR滤波器，所述滤波器系数包括IIR系数和FIR系数；

分割模块，用于将待评价图片划分出若干ROI区域，所述ROI区域包括边缘区和纹理区；

滤波模块，分别与所述第一计算模块和分割模块连接，用于分别根据所述IIR系数和所述FIR系数对各个所述ROI区域中每个像素进行滤波，得到若干第一滤波结果，所述IIR系数为高频滤波系数，所述FIR系数为中频滤波系数；

生成模块，与所述滤波模块连接，用于将每个所述ROI区域中各个所述像素对应的所述第一滤波结果累加生成的滤波结果和值，作为每个所述ROI区域的第二滤波结果；

权重模块，与所述分割模块连接，用于分别对各个所述ROI区域赋以对应的权重；

第二计算模块，分别与所述生成模块和所述权重模块连接，用于根据各个所述第二滤波结果及其对应的权重，计算当前帧所述待评价图片的清晰度评价结果；

所述的预先根据目标带通频率以及滤波器类型计算滤波器系数，具体包括：

预先将所述目标带通频率以及所述滤波器类型输入Matlab，通过Matlab模拟生成所述滤波器系数；

所述IIR系数计算公式如下：

[a,b]=cheby1(N,1,[iirFStop1+c,iirFStop2-c],'bandpass')；

其中，a和b为所述滤波器系数中滤波器系数数组，N为所述滤波器系数中滤波器阶数，iirFStop1和iirFStop2为预先输入的IIR滤波器截止频率，c为余量且设置为0.001；

所述FIR系数计算公式如下：

a=firls(N,[firFStop1,firFStop2],[1,1],'hilbert')；

其中，firFStop1和firFStop2为预先输入的FIR滤波器截止频率，N为所述滤波器系数中滤波器阶数。

6.根据权利要求5所述的一种图片清晰度评价系统，其特征在于，所述滤波器包括IIR滤波器和FIR滤波器，所述第二计算模块包括：

第一计算单元，用于在所述滤波器选用所述FIR滤波器时，分别根据所述滤波器系数通过预设的第一滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第一滤波公式如下：

；

第二计算单元，用于在所述滤波器选用所述IIR滤波器时，分别根据所述滤波器系数通过预设的第二滤波公式，对各个所述ROI区域中每个像素进行滤波，得到若干所述第一滤波结果，所述第一滤波公式如下：

；

其中，为所述第一滤波结果、/>为所述滤波器类型中的滤波器阶数、/>为所述滤波器系数中的第一滤波器系数、/>为所述滤波器系数中的第二滤波器系数、x为当前像素输入信号、/>=N-1、y为相邻像素的第一滤波结果信号。

7.根据权利要求5所述的一种图片清晰度评价系统，其特征在于，还包括：

反馈模块，与所述第二计算模块连接，用于将所述清晰度评价结果反馈给自动对焦搜索算法得到最佳对焦位置。

8.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1～4中任意一项所述的图片清晰度评价方法所执行的操作。