CN116896626A - 视频运动模糊程度的检测方法和装置 - Google Patents
视频运动模糊程度的检测方法和装置 Download PDFInfo
- Publication number
- CN116896626A CN116896626A CN202311160934.7A CN202311160934A CN116896626A CN 116896626 A CN116896626 A CN 116896626A CN 202311160934 A CN202311160934 A CN 202311160934A CN 116896626 A CN116896626 A CN 116896626A
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- parameter
- region
- 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.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000012360 testing method Methods 0.000 claims abstract description 145
- 206010044565 Tremor Diseases 0.000 claims abstract description 65
- 230000003068 static effect Effects 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 24
- 230000003321 amplification Effects 0.000 claims description 16
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 description 131
- 238000004891 communication Methods 0.000 description 33
- 230000006854 communication Effects 0.000 description 33
- 238000012545 processing Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 18
- 238000007726 management method Methods 0.000 description 15
- 241001237160 Kallima inachus Species 0.000 description 14
- 238000010295 mobile communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000007405 data analysis Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- RKTYLMNFRDHKIL-UHFFFAOYSA-N copper;5,10,15,20-tetraphenylporphyrin-22,24-diide Chemical group [Cu+2].C1=CC(C(=C2C=CC([N-]2)=C(C=2C=CC=CC=2)C=2C=CC(N=2)=C(C=2C=CC=CC=2)C2=CC=C3[N-]2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 RKTYLMNFRDHKIL-UHFFFAOYSA-N 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Studio Devices (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
Abstract
本申请提供了一种视频运动模糊程度的检测方法和装置,能够提高检测视频的运动模糊程度的方法的准确性。该方法包括:获取测试视频,所述测试视频是第二设备通过拍摄标准图卡得到的,所述测试视频包括所述第二设备在静止状态下拍摄的第一段视频和所述第二设备在抖动状态下拍摄的第二段视频;确定所述第二段视频中多帧第一图像中的每帧第一图像的锐度参数和所述第二段视频中多帧第二图像中的每帧第二图像的抖动参数,所述抖动参数包括所述多帧第二图像中的每帧第二图像的模糊参数和/或所述多帧第二图像中的每帧第二图像相对于所述第一段视频中的图像的震颤参数;根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种视频运动模糊程度的检测方法和装置。
背景技术
为了提高用户的拍摄体验,在用户采用电子设备拍摄视频的过程中,电子设备可以采用多种防抖方法减小用户拍摄的视频的抖动程度,例如光学防抖、电子防抖等。然而,终端设备在不同的拍摄场景下,产生的防抖效果不同,例如用户采用同一终端设备分别在夜晚和白天以相同的抖动程度拍摄视频,得到的两个视频的模糊程度可能不同,视频的模糊程度越低,可以确定终端设备的防抖性能越高;反之,可以确定终端设备的防抖性能较差。因此,目前通常会对终端设备在不同使用场景下的防抖性能检测检测。示例性地,终端设备在抖动状态下拍摄枯叶图图卡,得到测试视频;然后计算测试视频中的多帧图像的锐度平均值和标准差,根据该锐度平均值和标准差确定该视频的运动模糊程度。
然而,这样的视频运动模糊程度的检测方法的准确性较低。
发明内容
本申请提供了一种视频运动模糊程度的检测方法和装置,能够提高检测测试视频的运动模糊程度的方法的准确性,从而能够根据测试视频准确反映第二设备在拍摄测试视频的场景下的防抖性能。
第一方面,提供了一种视频运动模糊程度的检测方法,应用于第一设备,该方法包括:获取测试视频,所述测试视频是第二设备通过拍摄标准图卡得到的,所述测试视频包括所述第二设备在静止状态下拍摄的第一段视频和所述第二设备在抖动状态下拍摄的第二段视频;确定所述第二段视频中多帧第一图像中的每帧第一图像的锐度参数和所述第二段视频中多帧第二图像中的每帧第二图像的抖动参数,所述抖动参数包括所述多帧第二图像中的每帧第二图像的模糊参数和/或所述多帧第二图像中的每帧第二图像相对于所述第一段视频中的图像的震颤参数;根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度。
本申请的视频运动模糊程度的检测方法,第一设备通过锐度参数、以及模糊参数和/或震颤参数,确定测试视频的运动模糊程度,相比于仅根据锐度参数确定测试视频中的图像的清晰度,进而确定测试视频的运动模糊程度,这样的确定测试视频的运动模糊程度的方法,不仅能够反映从测试视频中的图像的清晰度,还能够利用模糊参数和/或震颤参数反映测试视频中的图像的运动幅度,由于视频运动模糊程度为用于反映第二设备拍摄测试视频的防抖性能的参数,且测试视频中的图像的清晰度较低时,不一定表示第二设备拍摄测试视频的防抖性能差,例如,在夜晚场景下拍摄测试视频,测试视频中图像较模糊,但是图像模糊可能是拍摄测试视频的环境导致的,不一定表示第二设备拍摄测试视频的防抖性能差。由此可见,这样的确定测试视频的运动模糊程度的方法的准确性更高。
应理解,测试视频可以为第二设备拍摄的时长为预设时长的视频,例如30s等。第一段视频和第二段视频可以理解为测试视频的两部分。多帧第一图像和/或多帧第二图像可以为第二段视频中所有的图像,或者,多帧第一图像和/或多帧第二图像也可以为第二段视频中的部分图像。测试视频的运动模糊程度可以反应第二设备拍摄测试视频时的防抖性能,例如,在第二设备防抖性能差时,测试视频的运动模糊程度可能较大;在第二设备防抖性能较好时,测试视频的运动模糊程度可能较小。
结合第一方面,在第一方面的某些实现方式中,所述抖动参数包括所述模糊参数;所述确定所述第二段视频中多帧第二图像中的每帧第二图像的抖动参数,包括:获取所述多帧第二图像中的第一目标图像中的感兴趣区域中多个边缘线中每个边缘线的灰度值变化曲线,所述灰度值变化曲线为灰度值相对于像素数的变化曲线;根据所述多个边缘线的灰度值变化曲线,确定所述第一目标图像的模糊参数。
应理解,第一目标图像可以为多帧第二图像中的任意一帧第二图像。第一目标图像中的感兴趣区域可以为第一目标图像中的部分区域。第一目标图像的感兴趣区域的数量可以为一个或多个。第一设备可以获取多个边缘线中每个边缘线的灰度值变化曲线。灰度值变化曲线可以为横坐标为像素数、且纵坐标为灰度值的二维坐标系中的曲线。
结合第一方面,在第一方面的某些实现方式中,所述根据所述多个边缘线的灰度值变化曲线,确定所述第一目标图像的模糊参数,包括:确定所述每个边缘线的灰度值变化曲线中第一目标点对应的像素数和第二目标点对应的像素数,所述第一目标点为所述每个边缘线的灰度值变化曲线中灰度值最大的点,所述第二目标点为所述每个边缘线的灰度值变化曲线中灰度值最小的点;分别计算所述每个边缘线的所述第一目标点对应的像素数和所述每个边缘线的所述第二目标点对应的像素数之差的绝对值,得到多个绝对值;根据所述多个绝对值,确定所述第一目标图像的模糊参数。
应理解,第一目标点对应的像素数和第二目标点对应的像素数之差的绝对值能够反映边缘线偏移的程度,该绝对值越大,可以表示该边缘线的运动幅度越大;该绝对值越小,可以表示该边缘线的运动幅度越小。因此,多个边缘线对应的多个绝对值能够表示该多个边缘线的运动幅度。
结合第一方面,在第一方面的某些实现方式中,所述第一目标图像中的感兴趣区域的数量为一个;所述根据所述多个绝对值,确定所述第一目标图像的模糊参数,包括:将所述多个绝对值之和确定为所述第一目标图像的模糊参数;或者,将所述多个绝对值之和与所述第一目标图像中的感兴趣区域中的目标图形的最小外接矩形的对角线长度的比值确定为所述第一目标图像的模糊参数,所述目标图形为所述多个边缘线构成的图形。
应理解,多个绝对值之和能够反映多个边缘线的运动幅度,因此,将多个绝对值之和确定为第一目标图像的模糊参数,能够反映第一目标图像在多个方向的运动幅度,相比于将一个绝对值确定为第一目标图像的模糊参数,将多个绝对值之和确定为第一目标图像的模糊参数的准确性较高。由于第二设备在拍摄第二段视频时,抖动的程度和方向可能不同,因此,多帧第二图像中包括的该目标图形的大小可能不同,例如,第二设备在拍摄第二段视频时,在标准图卡静止的情况下,第一时刻,第二设备向远离标准图卡的方法抖动;第二时刻,第二设备向靠近标准图卡的方向抖动,则第二设备在第二时刻拍摄到的图像中的标准图卡的尺寸可能大于第二设备在第一时刻拍摄到的图像中的标准图卡的尺寸。因此,通过将多个绝对值之和与第一目标图像中的感兴趣区域中包括的目标图形的最小外接矩形的对角线长度的比值确定为第一目标图像的模糊参数,能够将多帧第二图像对应的模糊参数统一到相同的标准,从而使得测试视频的运动模糊程度的准确性较高。
结合第一方面,在第一方面的某些实现方式中,所述第一目标图像中的感兴趣区域的数量为多个;所述根据所述多个绝对值,确定所述第一目标图像的模糊参数,包括:分别计算所述第一目标图像中的多个感兴趣区域中每个感兴趣区域对应的所述多个绝对值之和,得到多个第一数值;将所述多个第一数值的平均值确定为所述第一目标图像的模糊参数。
应理解,多个第一数值和多个感兴趣区域是一一对应的。通过将多个第一数值的平均值确定为第一目标图像的模糊参数,相比于将一个第一数值确定为第一目标图像的模糊参数,能够使第一目标图像的模糊参数的准确性较高。
结合第一方面,在第一方面的某些实现方式中,所述第一目标图像中的感兴趣区域的数量为多个;所述根据所述多个绝对值,确定所述第一目标图像的模糊参数,包括:分别计算所述第一目标图像中的多个感兴趣区域中每个感兴趣区域对应的所述多个绝对值之和,得到多个第二数值;分别计算所述每个感兴趣区域的最小外接矩形的对角线长度,得到多个第三数值;分别计算所述每个感兴趣区域的所述第二数值与所述第三数值之比,得到多个比值;将所述多个比值的平均值确定为所述第一目标图像的模糊参数。
应理解,多个比值和多个感兴趣区域是一一对应的。通过将多个比值的平均值确定为第一目标图像的模糊参数,相比于将一个比值确定为第一目标图像的模糊参数,能够使第一目标图像的模糊参数的准确性较高。
结合第一方面,在第一方面的某些实现方式中,所述根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度,包括:根据所述锐度参数、所述多帧第二图像对应的多个模糊参数中的最大值以及所述多帧第二图像对应的多个模糊参数的平均值,确定所述测试视频的运动模糊程度。
应理解,多个模糊参数中的最大值和多个模糊参数的平均值越大,表示测试视频的运动模糊程度越大;多个模糊参数中的最大值和多个模糊参数的平均值越小,表示测试视频的运动模糊程度越小。
结合第一方面,在第一方面的某些实现方式中,所述根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度,包括:根据所述第一段视频中至少一个图像对应的模糊参数,得到第四数值;分别计算所述多帧第二图像中每帧第二图像的模糊参数与所述第四数值之差的绝对值,得到多个第五数值;根据所述锐度参数、所述多个第五数值中的最大值以及所述多个第五数值的平均值,确定所述测试视频的运动模糊程度。
应理解,第四数值的数量可以为一个。多个第五数值与多帧第二图像一一对应。第五数值可以反映多帧第二图像相对于静止状态下拍摄的第一段视频的模糊参数的增幅,相比于根据所述锐度参数、所述多帧第二图像对应的多个模糊参数中的最大值以及所述多帧第二图像对应的多个模糊参数的平均值,确定所述测试视频的运动模糊程度,这样的方法确定的测试视频的运动模糊程度的准确性较高
结合第一方面,在第一方面的某些实现方式中,所述至少一个图像的数量为多个;所述根据所述第一段视频中至少一个图像对应的模糊参数,得到第四数值,包括:将所述至少一个图像对应的模糊参数的平均值确定为所述第四数值。
应理解,至少一个图像对应的模糊参数的平均值可以为至少一个图像对应的模糊参数的和与至少一个图像的数量的比值,至少一个图像可以为第一段视频中的全部或部分图像。
结合第一方面,在第一方面的某些实现方式中,所述抖动参数还包括所述震颤参数;所述测试视频是所述第二设备通过拍摄所述标准图卡和至少一个照明装置得到的,所述至少一个照明装置位于所述第二设备和所述标准图卡之间,且所述至少一个照明装置在所述标准图卡所在平面上的投影在所述标准图卡中;所述确定所述第二段视频中多帧第二图像中每帧第二图像的抖动参数,包括:分别确定所述第一段视频中至少一个图像中每个图像的感兴趣区域中第一像素点的数量,得到至少一个第一数量,在所述每个图像中,所述第一像素点的亮度值大于或等于所述每个图像对应的第一阈值;将所述第二目标图像中的感兴趣区域中第二像素点的数量确定为第二数量,所述第二像素点的亮度值大于或等于第二阈值;基于所述至少一个第一数量和所述第二数量,确定所述第二目标图像的震颤参数。
应理解,至少一个图像和至少一个第一数量是一一对应的。至少一个图像中每个图像均对应一个第一阈值,且每个图像对应的第一阈值是根据该图像确定的。每个图像的感兴趣区域和第二目标图像中的感兴趣区域中均包括至少一个照明装置对应的区域,以及非至少一个照明装置的区域。
结合第一方面,在第一方面的某些实现方式中,所述至少一个图像中第三目标图像对应的所述第一阈值为所述第三目标图像中的感兴趣区域的亮度值的平均值;和/或,所述第二阈值为所述第二目标图像中的感兴趣区域的亮度值的平均值。
应理解,第三目标图像为至少一个图像中的任意一个图像。第三目标图像中的感兴趣区域的亮度值的平均值可以理解为,第三目标图像中的感兴趣区域中所有像素点的亮度值的和与第三目标图像中的感兴趣区域中所有像素点的数量的比值。第二目标图像中的感兴趣区域的亮度值的平均值可以理解为,第二目标图像中的感兴趣区域中所有像素点的亮度值的和与第二目标图像中的感兴趣区域中所有像素点的数量的比值。
结合第一方面,在第一方面的某些实现方式中,所述方法还包括:基于所述第二目标图像中的感兴趣区域中每个像素点的亮度值,将所述第二目标图像中的感兴趣区域划分为第一区域和第二区域,所述第一区域中的亮度值的最小值大于所述第二区域中的亮度值的最大值;基于所述第一区域的亮度值和所述第二区域的亮度值,确定所述第二阈值。
应理解,第一区域可以理解为至少一个照明装置对应的区域;第二区域可以理解为非照明装置对应的区域。
结合第一方面,在第一方面的某些实现方式中,所述基于所述第一区域的亮度值和所述第二区域的亮度值,确定所述第二阈值,包括:将所述第一区域的亮度值的平均值和所述第二区域的亮度值的平均值的平均值确定为所述第二阈值。
应理解,假设第一区域的亮度值的平均值为L1,第二区域的亮度值的平均值为L2,则第二阈值(L3)可以通过以下公式计算得到:L3=(L1+L2)/2。
结合第一方面,在第一方面的某些实现方式中,所述至少一个第一数量为多个第一数量,所述第二目标图像中的感兴趣区域的数量为一个;所述确定所述第二目标图像的震颤参数,包括:将所述第二数量相对于所述多个第一数量的平均值的增幅确定为所述第二目标图像的震颤参数。
应理解,在至少一个图像的数量为多个时,至少一个第一数量为多个第一数量。多个第一数量的平均值可以表示第一段视频中的图像中照明装置对应的区域的面积;第二数量可以表示第二目标图像中照明装置对应的区域的面积,因此,第二数量相对于多个第一数量的平均值的增幅可以表示,第二设备在抖动状态下拍摄的第二目标图像中照明装置对应的区域的面积相对于第一段视频中的图像中照明装置对应的区域的面积的增幅,这样,该增幅越大,第二目标图像的震颤参数越大,表示第二目标图像中的运动幅度较大,使得第二目标图像中,亮度较大的区域的面积较大。由此可见,通过第二数量相对于多个第一数量的平均值的增幅能够表示第二目标图像的震颤程度。
结合第一方面,在第一方面的某些实现方式中,所述至少一个第一数量为多个第一数量,所述第二目标图像中的感兴趣区域的数量为多个;所述确定所述第二目标图像的震颤参数,包括:分别计算所述第二目标图像中的多个感兴趣区域中每个感兴趣区域对应的所述第二数量相对于所述多个第一数量的平均值的增幅,得到多个增幅;将所述多个增幅的平均值确定为所述第二目标图像的震颤参数。
应理解,多个增幅和第二目标图像中的多个感兴趣区域是一一对应的。
结合第一方面,在第一方面的某些实现方式中,所述根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度,包括:根据所述锐度参数、所述模糊参数以及所述多帧第二图像对应的震颤参数中的最大值,确定所述测试视频的运动模糊程度。
应理解,多帧第二图像对应的震颤参数中的最大值越大,表示多帧第二图像中的部分或全部图像的抖动程度可能较大,可能使得测试视频的运动模糊程度较大;多帧第二图像对应的震颤参数中的最大值越小,表示多帧第二图像中的部分或全部图像的抖动程度可能较小,可能使得测试视频的运动模糊程度较小。因此,多帧第二图像对应的震颤参数中的最大值与测试视频的运动模糊程度成正相关。
结合第一方面,在第一方面的某些实现方式中,所述锐度参数为所述每帧第一图像中的纹理区域的锐度值;所述确定所述测试视频的运动模糊程度,包括:计算所述多帧第一图像中的纹理区域的锐度值的平均值;利用所述每帧第一图像中的纹理区域的锐度值和所述锐度值的平均值,计算所述多帧第一图像的锐度标准差;根据所述多帧第一图像中的纹理区域的锐度值的平均值、所述锐度标准差以及所述抖动参数,确定所述测试视频的运动模糊程度。
应理解,锐度值的平均值可以表示多帧第一图像的清晰度,例如,锐度值的平均值越高,可以表示多帧第一图像的清晰度较好;锐度标准差可以表示多帧第一图像的清晰度之间的差异,例如,锐度标准差越低,可以表示多帧第一图像的清晰度之间的差异较小。
第二方面,提供了一种视频运动模糊程度的检测系统,包括:光源控制设备、运动模拟设备、视频采集设备、数据分析设备以及被摄物体,所述被摄物体包括标准图卡和至少一个实景测试灯箱,所述至少一个实景测试灯箱位于所述标准图卡侧面;所述光源控制设备,用于根据调整光源亮度,模拟预设测试环境;所述运动模拟设备,用于控制所述视频采集装置按照预设运动曲线抖动;所述视频采集设备,用于拍摄所述被摄物体,得到测试视频,并将所述测试视频发送至所述数据分析设备;所述数据分析设备,用于接收来自所述视频采集装置的所述测试视频,并对所述测试视频进行分析处理,确定所述测试视频的运动模糊程度。
结合第二方面,在第二方面的某些实现方式中,所述被摄物体还包括至少一个照明装置,所述至少一个照明装置位于所述视频采集设备和所述标准图卡之间,且所述至少一个照明装置在所述标准图卡所在平面上的投影在所述标准图卡中。
第三方面,提供了一种视频运动模糊程度的检测装置,用于执行上述第一方面中任一种可能的实现方式中的方法。具体地,该装置包括用于执行上述第一方面中任一种可能的实现方式中的方法的模块。
第四方面,本申请提供了又一种视频运动模糊程度的检测装置,包括处理器,该处理器与存储器耦合,可用于执行存储器中的指令,以实现上述第一方面中任一种可能实现方式中的方法。可选地,该装置还包括存储器。可选地,该装置还包括通信接口,处理器与通信接口耦合。
在另一种实现方式中,该装置为配置于第一设备中的芯片。当该装置为配置于第一设备中的芯片时,上述通信接口可以是输入/输出接口。
第五方面,提供了一种处理器,包括:输入电路、输出电路和处理电路。所述处理电路用于通过所述输入电路接收信号,并通过所述输出电路发射信号,使得所述处理器执行上述第一方面中任一种可能实现方式中的方法。
在具体实现流程中,上述处理器可以为芯片,输入电路可以为输入管脚,输出电路可以为输出管脚,处理电路可以为晶体管、门电路、触发器和各种逻辑电路等。输入电路所接收的输入的信号可以是由例如但不限于接收器接收并输入的,输出电路所输出的信号可以是例如但不限于输出给发射器并由发射器发射的,且输入电路和输出电路可以是同一电路,该电路在不同的时刻分别用作输入电路和输出电路。本申请实施例对处理器及各种电路的具体实现方式不做限定。
第六方面,提供了一种处理装置,包括处理器和存储器。该处理器用于读取存储器中存储的指令,并可通过接收器接收信号,通过发射器发射信号,以执行上述第一方面中任一种可能实现方式中的方法。
可选地,所述处理器为一个或多个,所述存储器为一个或多个。
可选地,所述存储器可以与所述处理器集成在一起,或者所述存储器与处理器分离设置。
在具体实现流程中,存储器可以为非瞬时性(non-transitory)存储器,例如只读存储器(read only memory,ROM),其可以与处理器集成在同一块芯片上,也可以分别设置在不同的芯片上,本申请对存储器的类型以及存储器与处理器的设置方式不做限定。
应理解,相关的数据交互流程例如发送指示信息可以为从处理器输出指示信息的流程,接收能力信息可以为处理器接收输入能力信息的流程。
上述第六方面中的处理装置可以是一个芯片,该处理器可以通过硬件来实现也可以通过软件来实现,当通过硬件实现时,该处理器可以是逻辑电路、集成电路等;当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现,该存储器可以集成在处理器中,可以位于该处理器之外,独立存在。
第七方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序(也可以称为代码,或指令),当所述计算机程序被运行时,使得计算机执行上述第一方面中任一种可能实现方式中的方法。
第八方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序(也可以称为代码,或指令)当其在计算机上运行时,使得计算机执行上述第一方面中任一种可能实现方式中的方法。
附图说明
图1为本申请实施例提供的电子设备电子设备的结构示意图;
图2为本申请实施例提供的一种视频运动模糊检测系统的示意图;
图3为本申请实施例提供的一种视频运动模糊程度的检测方法的流程示意图;
图4为本申请实施例提供的一种标准图卡的示意图;
图5为本申请实施例提供的一种第一目标图像中的感兴趣区域的示意图;
图6为本申请实施例提供的一种灰度值变化曲线的示意图;
图7为本申请实施例提供的一种第二目标图像中的感兴趣区域的示意图;
图8为本申请实施例提供的一种测试视频中一帧图像的示意图;
图9为本申请实施例提供的一种视频运动模糊程度的检测装置的示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如,第一数值和第二数值仅仅是为了区分不同的数值,并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本申请实施例中,“示例性地”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a--c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
本申请实施例提供的终端设备为具有触摸显示屏的终端设备,具体可以为手机、平板电脑(pad)、台式电脑、笔记本电脑等。本申请的实施例对终端设备所采用的具体技术和具体设备形态不做限定。
为了更好的理解本申请实施例中的终端设备,下面结合图1对本申请实施例的电子设备的硬件结构进行详细说明。
图1为本申请实施例提供的电子设备电子设备100的结构示意图。如图1所示,电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160音频模块170,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriberidentification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,触摸传感器180B等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purpose input/output,GPIO)接口,用户标识模块(subscriber identitymodule,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180B,充电器,闪光灯,摄像头193等。例如:处理器110可以通过I2C接口耦合触摸传感器180B,使处理器110与触摸传感器180K通过I2C总线接口通信,实现电子设备100的触摸功能。
UART接口是一种通用串行数据总线,用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器110与无线通信模块160。
MIPI接口可以被用于连接处理器110与显示屏194,摄像头193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(displayserial interface,DSI)等。在一些实施例中,处理器110和摄像头193通过CSI接口通信,实现电子设备100的拍摄功能。处理器110和显示屏194通过DSI接口通信,实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器110与摄像头193,显示屏194,无线通信模块160,音频模块170,传感器模块180等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他终端设备,例如AR设备等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备100的结构限定。在本申请另一些实施例中,电子设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为终端设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC ,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system ,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP 用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network ,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。内部存储器121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,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器121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,通用闪存存储器(universal flash storage,UFS)等。处理器110通过运行存储在内部存储器121的指令,和/或存储在设置于处理器中的存储器的指令,执行电子设备100的各种功能应用以及数据处理。
电子设备100可以通过音频模块170以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
电子设备100电子设备100电子设备100电子设备100电子设备100
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,电子设备100根据压力传感器180A检测所述触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100电子设备100触摸传感器180B,也称“触控器件”。触摸传感器180B可以设置于显示屏194,由触摸传感器180B与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180B用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180B也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备100中,不能和电子设备100分离。电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
为了便于理解,首先对本申请提供的方法适用的系统进行说明。
图2为本申请实施例提供的一种视频运动模糊检测系统200的示意图。系统200可以包括:光源控制设备201、运动模拟设备202、视频采集设备203、被摄物体204以及数据分析设备205等。
其中,光源控制设备201用于调整光源亮度,模拟不同的测试环境;运动模拟设备202用于按照预设运动曲线抖动,模拟多种运动状态,例如模拟人物走路时视频采集设备的运动状态等,其中,预设运动曲线可以通过采集不同人物手持、走动、跑动等场景下手机的陀螺仪数据,拟合得到人体振动曲线,作为实际测试时使用的运动曲线;视频采集设备203用于拍摄视频,并将拍摄的视频发送至数据分析设备205;视频采集设备203可以通过拍摄被摄物体204得到测试视频;数据分析设备205用于接收来自视频采集设备203的测试视频,并对测试视频进行分析处理,确定测试视频的运动模糊程度。
应理解,上述视频采集设备203和数据分析设备205可以统称为电子设备,电子设备的硬件结构可以如图1所示。电子设备可以是终端设备,也可以是服务器等设备。
还应理解,上述光源控制设备201的数量还可以更多或更少,本申请对系统200中各设备的数量和形态不作具体限定。此外,系统200仅为一种示例,系统200中还可以包括更多或更少的设备,例如系统200中还可以包括背景板等,背景板可以设置于被摄物体204远离视频采集设备203的一侧,本申请对此不作具体限定。
为了提高用户的拍摄体验,在用户采用电子设备拍摄视频的过程中,电子设备可以采用光学防抖、电子防抖等多种防抖方法减小用户拍摄的视频的抖动程度。然而,电子设备在不同的拍摄场景下,产生的防抖效果不同,例如用户采用同一电子设备分别在夜晚和白天以相同的抖动程度拍摄视频,得到的两个视频的运动模糊程度可能不同,视频的运动模糊程度越低,可以确定电子设备的防抖性能越高;反之,可以确定电子设备的防抖性能较差。因此,目前通常会对电子设备在不同场景下的拍摄的视频进行运动模糊程度检测。
目前,通常采用以下方法检测视频的运动模糊程度,电子设备在抖动状态下拍摄枯叶图,得到测试视频;然后分析处理设备对测试视频进行分析处理,计算测试视频中的多帧图像的锐度平均值和标准差,并根据该锐度平均值和标准差确定该视频的运动模糊程度。例如,锐度平均值越低,且标准差越小的情况下,可以确定视频的抖动模糊程度较大。
然而,测试视频中多帧图像的锐度难以反映视频中的画面的运动幅度,使得锐度平均值和标准差难以准确反映测试视频的抖动模糊程度,示例性地,假设测试视频为电子设备在夜晚场景下拍摄得到的,由于电子设备在夜晚拍摄的视频的模糊程度本身就比较高,所以,即使该测试视频是在静止状态下拍摄的,测试视频中的多帧图像的锐度平均值和标准差仍然可能较小,使得锐度平均值和标准差难以准确反映该测试视频的视频运动模糊程度。
为了解决上述技术问题,本申请提供一种视频运动模糊程度的检测方法和装置,通过锐度参数、以及模糊参数和/或震颤参数,确定测试视频的运动模糊程度。其中,锐度参数可以反映测试视频中包括的图像的清晰度,模糊参数和/或震颤参数可以反映测试视频中的图像的运动幅度,例如,测试视频中的图像中包括圆形,震颤参数越大,可以表示测试视频中的图像中包括圆形的运动幅度较大,即该圆形在图像中的覆盖区域超出原始覆盖区域,因此,相比于仅根据锐度参数确定测试视频的运动模糊程度,本申请实施例的确定测试视频的运动模糊程度的方法的准确性更高。
下面结合图3至图8对本申请的视频运动模糊程度的检测方法进行详细介绍。本申请所示出的实施例可以由第一设备(具体可以为上述图2中的数据分析设备205)执行,第一设备可以为终端设备,例如手机、平板电脑、智能手环等,也可以为服务器等设备。下面,以第一设备为执行主体为例,对本申请实施例的视频运动模糊程度的检测方法进行详细说明。其中所示的各设备的具体形态和数量仅为示例,不应对本申请提供的方法的实施构成任何限定。
应理解,第一设备可以为第一设备本身,也可以为支持第一设备实现视频运动模糊程度的检测方法的芯片、芯片系统或处理器,还可以是能实现全部或部分第一设备功能的逻辑模块或软件,本申请对此不做具体限定。
图3为本申请实施例提供的一种视频运动模糊程度的检测方法300的流程示意图。方法300应用于第一设备,第一设备的硬件结构可以如图1所示。方法300包括以下步骤:
S301、获取测试视频,测试视频是第二设备通过拍摄标准图卡得到的,测试视频包括第二设备在静止状态下拍摄的第一段视频和第二设备在抖动状态下拍摄的第二段视频。
第二设备可以用于拍摄视频,并将拍摄的视频发送至第一设备。示例性地,第二设备具体可以为上述图2中的视频采集设备203,例如手机、平板电脑等。第二设备的硬件结构可以如图1所示。
应理解,测试视频可以为第二设备拍摄的时长为预设时长的视频,例如30s等。第一段视频和第二段视频可以理解为测试视频的两部分。第一段视频可以是在第二设备拍摄完第二段视频后拍摄的;或者,第二段视频是第二设备拍摄完第一段视频后拍摄的,本申请对此不做具体限定。示例性地,第二设备现在静止状态下拍摄10s视频,然后在抖动状态下拍摄20s视频,得到拍摄长度为30s的测试视频。其中,前10s拍摄的视频为第一段视频,后20s拍摄的视频为第二段视频。第二设备可以为能够拍摄视频以及将拍摄的视频发送至第一设备的电子设备,例如手机、电脑等。
标准图卡例如可以是枯叶图等,本申请对标准图卡的具体形态不做限定。
S302、确定第二段视频中多帧第一图像中的每帧第一图像的锐度参数和第二段视频中多帧第二图像中的每帧第二图像的抖动参数,抖动参数包括第二段视频中多帧第二图像中的每帧第二图像的模糊参数和/或第二段视频中多帧第二图像中的每帧第二图像相对于第一段视频中的图像的震颤参数。
应理解,多帧第一图像和/或多帧第二图像可以为第二段视频中所有的图像,或者,多帧第一图像和/或多帧第二图像也可以为第二段视频中的部分图像,本申请对此不做具体限定。
此外,多帧第一图像和多帧第二图像可以是完全相同的图像,也可以是部分相同的图像,还可以是完全不同的图像。示例性地,假设第二段视频包括第一帧图像、第二帧图像、第三帧图像和第四帧图像,则多帧第一图像可以是第一帧图像和第二帧图像,多帧第二图像也可以是第一帧图像和第二帧图像,此时多帧第一图像和多帧第二图像完全相同;或者,多帧第一图像可以是第一帧图像和第二帧图像,多帧第二图像可以是第二帧图像和第三帧图像,此时多帧第一图像和多帧第二图像部分相同;或者,多帧第一图像可以是第一帧图像和第三帧图像,多帧第二图像可以是第二帧图像和第四帧图像,此时多帧第一图像和多帧第二图像完全不同。
多帧第二图像中的每帧第二图像的模糊参数可以相同或者不同。每帧第二图像的模糊参数可以理解为用于指示该每帧第二图像中的边缘线的偏移程度的参数。多帧第二图像中的每帧第二图像相对于第一段视频中的图像的震颤参数可以相同或者不同。多帧第二图像中的每帧第二图像相对于第一段视频中的图像的震颤参数可以理解为,每帧第二图像对应的震颤参数是根据该帧第二图像和第一段视频中的图像确定的。震颤参数可以理解为用于指示多帧第二图像中每帧第二图像中的画面相比于第一段视频中的图像中画面的运动程度的参数。其中,第一段视频中的图像可以是第一段视频中的一帧图像、部分图像或者全部图像。
S303、根据锐度参数和抖动参数,确定测试视频的运动模糊程度。
应理解,运动模糊程度可以理解为用于指示测试视频由于第二设备的抖动造成的模糊程度的参数。测试视频的运动模糊程度可以反应第二设备拍摄测试视频时的防抖性能,例如,在第二设备防抖性能差时,测试视频的运动模糊程度可能较大;在第二设备防抖性能较好时,测试视频的运动模糊程度可能较小。
本申请的视频运动模糊程度的检测方法,第一设备通过锐度参数、以及模糊参数和/或震颤参数,确定测试视频的运动模糊程度,相比于仅根据锐度参数确定测试视频中的图像的清晰度,进而确定测试视频的运动模糊程度,这样的确定测试视频的运动模糊程度的方法,不仅能够反映从测试视频中的图像的清晰度,还能够利用模糊参数和/或震颤参数反映测试视频中的图像的运动幅度,由于视频运动模糊程度为用于反映第二设备拍摄测试视频的防抖性能的参数,且测试视频中的图像的清晰度较低时,不一定表示第二设备拍摄测试视频的防抖性能差,例如,在夜晚场景下拍摄测试视频,测试视频中图像较模糊,但是图像模糊可能是拍摄测试视频的环境导致的,不一定表示第二设备拍摄测试视频的防抖性能差。由此可见,这样的确定测试视频的运动模糊程度的方法的准确性更高。
作为一个可选的实施例,标准图卡可以为枯叶图,枯叶图包括四角区域和纹理区域。
示例性地,如图4所示,枯叶图401中包括四角区域(区域402、区域403、区域404以及区域405)和纹理区域406。
作为一个可选的实施例,锐度参数为每帧第一图像中的纹理区域的锐度值;S303可以通过以下方式实施:计算多帧第一图像中的纹理区域的锐度值的平均值;利用每帧第一图像的锐度值和锐度值的平均值,计算多帧第一图像的锐度标准差;根据多帧第一图像中的纹理区域的锐度值的平均值、锐度标准差以及抖动参数,确定测试视频的运动模糊程度。
应理解,纹理区域可以为包括的纹理信息较多的区域,例如图4中所示的纹理区域406等。多帧第一图像中的纹理区域的锐度值的平均值可以为多帧第一图像中的纹理区域的锐度值的和与多帧第一图像包括的第一图像的数量的比值。
示例性地,多帧第一图像的锐度标准差e可以通过以下公式计算得到:e={[(x1-x)2+(x2-x)2+......(xn-x)2]/n}1/2,其中,x1为多帧第一图像中第一帧图像中的纹理区域的锐度值,x2为多帧第一图像中第二帧图像中的纹理区域的锐度值,xn为多帧第一图像中第n帧图像中的纹理区域的锐度值,n为多帧第一图像包括的第一图像的数量,x为多帧第一图像的锐度值的平均值。
锐度值的平均值可以表示多帧第一图像的清晰度,例如,锐度值的平均值越高,可以表示多帧第一图像的清晰度较好;锐度标准差可以表示多帧第一图像的清晰度之间的差异,例如,锐度标准差越低,可以表示多帧第一图像的清晰度之间的差异较小。
下面,对抖动参数在三种不同情况下的确定方式依次进行详细说明。
情况一,抖动参数包括模糊参数。
作为一个可选的实施例,S302可以通过以下方式实施:获取多帧第二图像中的第一目标图像中的感兴趣区域中多个边缘线中每个边缘线的灰度值变化曲线,灰度值变化曲线为灰度值相对于像素数的变化曲线;根据多个边缘线的灰度值变化曲线,确定第一目标图像的模糊参数。
应理解,第一目标图像可以为多帧第二图像中的任意一帧第二图像。第一目标图像中的感兴趣区域可以为第一目标图像中的部分区域。第一目标图像的感兴趣区域的数量可以为一个或多个。示例性地,第一目标图像的感兴趣区域可以包括图4所示的区域402对应的区域,区域402对应的区域可以为包括区域402在内的矩形区域。第一目标图像的每个感兴趣区域均包括多个边缘线,例如区域402的5个边缘线等。第一设备可以获取多个边缘线中每个边缘线的灰度值变化曲线。灰度值变化曲线可以为横坐标为像素数、且纵坐标为灰度值的二维坐标系中的曲线。
应理解,灰度值变化曲线的纵坐标可以为灰度值,该灰度值可以是灰度值本身,也可以理解为示例图像黑白的比例,例如黑白灰度比值等,本申请对此不做具体限定。
在一种可能的实施方式中,在标准图卡为枯叶图的情况下,第一目标图像的感兴趣区域可以通过以下方式确定:将第一目标图像输入至第一识别模型,输出第一目标图像的感兴趣区域,第一目标图像的感兴趣区域可以为一个或者多个矩形区域,第一识别模型用于识别枯叶图的四角区域的边缘线,并确定每个四角区域对应的感兴趣区域,每个四角区域在每个四角区域对应的感兴趣区域之内。
应理解,每个四角区域对应的感兴趣区域也可以为每个四角区域的最小外接矩形对应的区域。第一识别模型可以为深度学习神经网络模型等,本申请对第一识别模型的名称和类型不做具体限定。
在一种可能的实施方式中,多个边缘线中每个边缘线的灰度值变化曲线可以是按照与该边缘线垂直的方向检测得到的。
在一个示例中,如图5所示,假设区域501为第一目标图像中的一个感兴趣区域。感兴趣区域501包括5个边缘线:边缘线502、边缘线503、边缘线504、边缘线505和边缘线506。以该5个边缘线中的边缘线502为例,边缘线502与直线AB垂直,因此,第一设备可以按照由A指向B的方向或者由B指向A的方向,确定边缘线502的灰度值变化曲线。对于区域501中除边缘线502之外的边缘线,可以分别按照上述的方法确定每个边缘线的灰度值变化曲线。
在一种可能的实施方式中,根据多个边缘线的灰度值变化曲线,确定第一目标图像的模糊参数,包括:确定每个边缘线的灰度值变化曲线中第一目标点对应的像素数和第二目标点对应的像素数,第一目标点为每个边缘线的灰度值变化曲线中灰度值最大的点,第二目标点为每个边缘线的灰度值变化曲线中灰度值最小的点;分别计算每个边缘线的第一目标点对应的像素数和每个边缘线的第二目标点对应的像素数之差的绝对值,得到多个绝对值;根据多个绝对值,确定第一目标图像的模糊参数。
在一个示例中,假设图6所示的曲线601为图5中边缘线502的灰度值变化曲线,其中,第一目标点为点C,第二目标点为点D,点C对应的像素数和点D对应的像素数之差的绝对值为20。点C对应的像素数和点D对应的像素数之差的绝对值越大,可以表示边缘线502的偏移量较大。
通过图5的示例可以看出,第一目标点对应的像素数和第二目标点对应的像素数之差的绝对值能够反映边缘线偏移的程度,该绝对值越大,可以表示该边缘线的运动幅度越大;该绝对值越小,可以表示该边缘线的运动幅度越小。因此,多个边缘线对应的多个绝对值能够表示该多个边缘线的运动幅度。由于第二设备拍摄第一目标图像时的抖动方向能够决定多个边缘线的偏移方向,使得多个边缘线中与第二设备拍摄第一目标图像时的抖动方向平行的边缘线可能不会出现偏移。示例性地,如图5所示,边缘线506未出现偏移,由此可见,通过一个边缘线对应的绝对值,可能会错误的反映第一目标图像中的多个边缘线的运动幅度,从而使得确定的第一目标图像的模糊参数的准确性较低。因此,相比于通过一个绝对值,通过多个绝对值,确定第一目标图像的模糊参数的准确性更高。
第一目标图像中的感兴趣区域的数量为一个时,可以通过以下两种方式确定第一目标图像的模糊参数。
在一种可能的实施方式中,第一目标图像中的感兴趣区域的数量为一个;根据多个绝对值,确定第一目标图像的模糊参数,包括:将多个绝对值之和确定为第一目标图像的模糊参数;或者,将多个绝对值之和与第一目标图像中的感兴趣区域中包括的目标图形的最小外接矩形的对角线长度的比值确定为第一目标图像的模糊参数,目标图形为多个边缘线形成的图形。
第一种方式中,将多个绝对值之和确定为第一目标图像的模糊参数:多个绝对值之和能够反映多个边缘线的运动幅度,因此,将多个绝对值之和确定为第一目标图像的模糊参数,能够反映第一目标图像在多个方向的运动幅度,相比于将一个绝对值确定为第一目标图像的模糊参数,将多个绝对值之和确定为第一目标图像的模糊参数的准确性较高。
第二种方式中,将多个绝对值之和与第一目标图像中的感兴趣区域中包括的目标图形的最小外接矩形的对角线长度的比值确定为第一目标图像的模糊参数:目标图形在感兴趣区域之内,例如图5中,感兴趣区域501包括的5个边缘线:边缘线502、边缘线503、边缘线504、边缘线505和边缘线506形成的目标图形为五边形,该目标图形位于感兴趣区域501之内。由于第二设备在拍摄第二段视频时,抖动的程度和方向可能不同,因此,多帧第二图像中包括的该目标图形的大小可能不同,例如,第二设备在拍摄第二段视频时,在标准图卡静止的情况下,第一时刻,第二设备向远离标准图卡的方法抖动;第二时刻,第二设备向靠近标准图卡的方向抖动,则第二设备在第二时刻拍摄到的图像中的标准图卡的尺寸可能大于第二设备在第一时刻拍摄到的图像中的标准图卡的尺寸。因此,通过将多个绝对值之和与第一目标图像中的感兴趣区域中包括的目标图形的最小外接矩形的对角线长度的比值确定为第一目标图像的模糊参数,能够将多帧第二图像对应的模糊参数统一到相同的标准,从而使得测试视频的运动模糊程度的准确性较高。
第一目标图像中的感兴趣区域的数量为多个时,可以根据以下两种方式确定第一目标图像的模糊参数。
在一种可能的实施方式中,第一目标图像中的感兴趣区域的数量为多个;根据多个绝对值,确定第一目标图像的模糊参数,包括:分别计算第一目标图像中的多个感兴趣区域中每个感兴趣区域对应的多个绝对值之和,得到多个第一数值;将多个第一数值的平均值确定为第一目标图像的模糊参数。
多个第一数值和多个感兴趣区域是一一对应的。通过将多个第一数值的平均值确定为第一目标图像的模糊参数,相比于将一个第一数值确定为第一目标图像的模糊参数,能够使第一目标图像的模糊参数的准确性较高。
应理解,多个第一数值中每个第一数值与上述第一目标图像中的感兴趣区域的数量为一个时的多个绝对值之和的确定方式类似,可以参看上文的描述,此处不再赘述。在另一种可能的实施方式中,第一目标图像中的感兴趣区域的数量为多个;根据多个绝对值,确定第一目标图像的模糊参数,包括:分别计算第一目标图像中的多个感兴趣区域中每个感兴趣区域对应的多个绝对值之和,得到多个第二数值;分别计算每个感兴趣区域的最小外接矩形的对角线长度,得到多个第三数值;分别计算每个感兴趣区域的第二数值与第三数值之比,得到多个比值;将多个比值的平均值确定为第一目标图像的模糊参数。
多个比值和多个感兴趣区域是一一对应的。通过将多个比值的平均值确定为第一目标图像的模糊参数,相比于将一个比值确定为第一目标图像的模糊参数,能够使第一目标图像的模糊参数的准确性较高。
应理解,多个比值中的每个比值与上述第一目标图像中的感兴趣区域的数量为一个时,确定多个绝对值之和与第一目标图像中的感兴趣区域中包括的目标图形的最小外接矩形的对角线长度的比值的方式类似,可以参看上文的描述,此处不再赘述。
应理解,多帧第二图像中除第一目标图像之外的第二图像的模糊参数的确定方式与第一目标图像的模糊参数的确定方式相同,第一设备可以按照上述的方式依次确定多帧第二图像中每帧第二图像的模糊参数,在此不再赘述。
在上述情况一中,S303可以通过以下两种方式实施。
方式一:根据锐度参数、多帧第二图像对应的多个模糊参数中的最大值以及多帧第二图像对应的多个模糊参数的平均值,确定测试视频的运动模糊程度。
应理解,多个模糊参数中的最大值和多个模糊参数的平均值越大,表示测试视频的运动模糊程度越大;多个模糊参数中的最大值和多个模糊参数的平均值越小,表示测试视频的运动模糊程度越小。
方式二:根据第一段视频中至少一个图像对应的模糊参数,得到第四数值;分别计算多帧第二图像中每帧第二图像的模糊参数与第四数值之差的绝对值,得到多个第五数值;根据锐度参数、多个第五数值中的最大值以及多个第五数值的平均值,确定测试视频的运动模糊程度。
应理解,第四数值的数量可以为一个。多个第五数值与多帧第二图像一一对应。第五数值可以反映多帧第二图像相对于静止状态下拍摄的第一段视频的模糊参数的增幅,相比于上述S303的第一种可能的实施方式,确定的测试视频的运动模糊程度的准确性较高。
上述方式二中,在至少一个图像的数量为多个的情况下;根据第一段视频中至少一个图像对应的模糊参数,得到第四数值,包括:将至少一个图像对应的模糊参数的平均值确定为第四数值。
至少一个图像对应的模糊参数的平均值可以为至少一个图像对应的模糊参数的和与至少一个图像的数量的比值。
应理解,至少一个图像可以为第一段视频中的全部或部分图像。至少一个图像中每个图像的模糊参数与第一目标图像的模糊参数的确定方式类似,可以参看上文,在此不再赘述。
上述方式二中,在至少一个图像的数量为一个的情况下;根据第一段视频中至少一个图像对应的模糊参数,得到第四数值,包括:将一个图像对应的模糊参数确定为第四数值。
应理解,一个图像可以为至少一个图像中的任意一个图像,本申请对此不做具体限定。该一个图像中每个图像的模糊参数与第一目标图像的模糊参数的确定方式类似,可以参看上文,在此不再赘述。
情况二,抖动参数包括震颤参数。
作为一个可选的实施例,测试视频是第二设备通过拍摄标准图卡和至少一个照明装置得到的,至少一个照明装置位于第二设备和标准图卡之间,且至少一个照明装置在标准图卡所在平面上的投影在标准图卡中;S302可以通过以下方式实施:分别确定第一段视频中至少一个图像中每个图像的感兴趣区域中第一像素点的数量,得到至少一个第一数量,在每个图像中,第一像素点的亮度值大于或等于每个图像对应的第一阈值;将第二目标图像中的感兴趣区域中第二像素点的数量确定为第二数量,第二像素点的亮度值大于或等于第二阈值;基于至少一个第一数量和第二数量,确定第二目标图像的震颤参数。
应理解,至少一个图像和至少一个第一数量是一一对应的。至少一个图像中每个图像均对应一个第一阈值,且每个图像对应的第一阈值是根据该图像确定的。每个图像的感兴趣区域和第二目标图像中的感兴趣区域中均包括至少一个照明装置对应的区域,以及非至少一个照明装置的区域。
在一个示例中,标准图卡可以为枯叶图,照明装置可以为圆形灯牌,每个图像的感兴趣区域和第二目标图像中的感兴趣区域可以为枯叶图的四角区域。以四角区域中的一个区域为例,如图7所示,感兴趣区域701包括一个照明装置对应的区域701,以及非照明装置对应的区域703。其中,照明装置对应的区域701的亮度值大于非照明装置对应的区域703。可选地,在照明装置可以为圆形灯牌时,圆形灯牌的亮度大于或等于100Lux,且亮度均匀。
在一种可能的实施方式中,在标准图卡为枯叶图的情况下,第二目标图像的感兴趣区域可以为枯叶图的四角区域;第二目标图像的感兴趣区域可以通过以下方式确定:将第二目标图像输入至第二识别模型,输出第二目标图像的四个感兴趣区域,第二识别模型用于识别枯叶图的四角区域的边缘线,并确定第二目标图像的中的四角区域。
应理解,第二识别模型可以为深度学习神经网络模型等,本申请对第二识别模型的名称和类型不做具体限定。
在一种可能的实施方式中,分别确定第一段视频中至少一个图像中每个图像的感兴趣区域中第一像素点的数量,包括:分别利用第一段视频中至少一个图像中每个图像对应的第一阈值,对至少一个图像中每个图像的感兴趣区域进行二值化处理,得到至少一个第一二值化区域;将至少一个第一二值化区域中每个第一二值化区域中像素值为1(或者255)的像素数的数量,得到至少一个第一数量。
应理解,至少一个第一数量也可以理解为至少一个图像中每个图像的感兴趣区域中亮度值较大的区域的面积,例如,照明装置对应的区域。该亮度值较大的区域的面积越大,说明图像中照明装置所占的面积可能越大,由于照明装置在第二设备拍摄测试视频时处于静止状态,因此,多帧第二图像中亮度值较大的区域的面积相比于至少一个图像中亮度值较大的区域的面积的增幅越大,表示多帧第二图像中的照明装置的运动幅度可能较大。
在一种可能的实施方式中,将第二目标图像中的感兴趣区域中第二像素点的数量确定为第二数量,包括:利用第二阈值,对第二目标图像中的感兴趣区域进行二值化处理,得到第二二值化区域;将第二二值化区域中数值为1的像素数的数量,得到第二数量。
应理解,第二数量也可以理解为第二目标图像中的感兴趣区域中亮度值较大的区域的面积,例如,照明装置对应的区域。该亮度值较大的区域的面积越大,说明第二目标图像中照明装置所占的面积可能越大,由于照明装置在第二设备拍摄测试视频时处于静止状态,因此,多帧第二图像中亮度值较大的区域的面积相比于至少一个图像中亮度值较大的区域的面积的增幅越大,表示多帧第二图像中的照明装置的运动幅度可能较大。
在一种可能的实施方式中,第一阈值和第二阈值可以分别通过以下方式确定:至少一个图像中第三目标图像对应的第一阈值为第三目标图像中的感兴趣区域的亮度值的平均值;和/或,第二阈值为第二目标图像中的感兴趣区域的亮度值的平均值。
第三目标图像为至少一个图像中的任意一个图像。第三目标图像中的感兴趣区域的亮度值的平均值可以理解为,第三目标图像中的感兴趣区域中所有像素点的亮度值的和与第三目标图像中的感兴趣区域中所有像素点的数量的比值。第二目标图像中的感兴趣区域的亮度值的平均值可以理解为,第二目标图像中的感兴趣区域中所有像素点的亮度值的和与第二目标图像中的感兴趣区域中所有像素点的数量的比值。
应理解,至少一个图像中除第三目标图像之外的图像对应第一阈值的确定方式与第三目标图像对应的第一阈值的确定方式类似,第一设备可以按照上述方式分别计算得到至少一个图像中每个图像对应的第一阈值,可以参看上文的描述,在此不再赘述。
在另一种可能的实施方式中,第二阈值还可以通过以下方式确定:基于第二目标图像中的感兴趣区域中每个像素点的亮度值,将第二目标图像中的感兴趣区域划分为第一区域和第二区域,第一区域中的亮度值的最小值大于第二区域中的亮度值的最大值;基于第一区域的亮度值和第二区域的亮度值,确定第二阈值。
应理解,第一区域可以理解为至少一个照明装置对应的区域;第二区域可以理解为非照明装置对应的区域。示例性地,结合图7,将感兴趣区域701划分为第一区域和第二区域,其中,第一区域可以为的照明装置对应的区域702,第二区域可以为的非照明装置对应的区域703。其中,区域702中像素点的亮度值大于区域703中像素点的亮度值。
在上述另一种确定第二阈值的方式中,基于第一区域的亮度值和第二区域的亮度值,确定第二阈值,包括:将第一区域的亮度值的平均值和第二区域的亮度值的平均值的平均值确定为第二阈值。
示例性地,假设第一区域的亮度值的平均值为L1,第二区域的亮度值的平均值为L2,则第二阈值(L3)可以通过以下公式计算得到:L3=(L1+L2)/2。
在另一种可能的实施方式中,第三目标图像对应的第一阈值还可以通过以下方式确定:基于第三目标图像中的感兴趣区域中每个像素点的亮度值,将第三目标图像中的感兴趣区域划分为第三区域和第四区域,第三区域中的亮度值的最小值大于第四区域中的亮度值的最大值;基于第三区域的亮度值和第四区域的亮度值,确定第三目标图像对应的第一阈值。
在上述另一种确定第三目标图像对应的第一阈值的方式中,基于第三区域的亮度值和第四区域的亮度值,确定第三目标图像对应的第一阈值,可以通过以下方式实施:将第三区域的亮度值的平均值和第四区域的亮度值的平均值的平均值确定为第三目标图像对应的第一阈值。
应理解,第三目标图像对应的第一阈值的确定方式与第二阈值的确定方式类似,可以参看上文,在此不再赘述。
在第一种可能的实施方式中,至少一个第一数量为多个第一数量,第二目标图像中的感兴趣区域的数量为一个;确定第二目标图像的震颤参数,包括:将第二数量相对于多个第一数量的平均值的增幅确定为第二目标图像的震颤参数。
应理解,增幅也可以理解为增长百分比,示例性地,假设第二数量为S1,多个第一数量的平均值为S2,增幅(Z)可以通过以下公式计算得到:Z=(S1-S2)/S2*100%。
在至少一个图像的数量为多个时,至少一个第一数量为多个第一数量。多个第一数量的平均值可以表示第一段视频中的图像中照明装置对应的区域的面积;第二数量可以表示第二目标图像中照明装置对应的区域的面积,因此,第二数量相对于多个第一数量的平均值的增幅可以表示,第二设备在抖动状态下拍摄的第二目标图像中照明装置对应的区域的面积相对于第一段视频中的图像中照明装置对应的区域的面积的增幅,这样,该增幅越大,第二目标图像的震颤参数越大,表示第二目标图像中的运动幅度较大,使得第二目标图像中,亮度较大的区域的面积较大。由此可见,通过第二数量相对于多个第一数量的平均值的增幅能够表示第二目标图像的震颤程度。
在第二种可能的实施方式中,至少一个第一数量为一个第一数量,第二目标图像中的感兴趣区域的数量为一个;确定第二目标图像的震颤参数,包括:将第二数量相对于一个第一数量的增幅确定为第二目标图像的震颤参数。
应理解,在至少一个图像的数量为一个时,至少一个第一数量为一个第一数量。
在第三种可能的实施方式中,至少一个第一数量为多个第一数量,第二目标图像中的感兴趣区域的数量为多个;确定第二目标图像的震颤参数,包括:分别计算第二目标图像中的多个感兴趣区域中每个感兴趣区域对应的第二数量相对于多个第一数量的平均值的增幅,得到多个增幅;将多个增幅的平均值确定为第二目标图像的震颤参数。
应理解,多个增幅和第二目标图像中的多个感兴趣区域是一一对应的。
在第四种可能的实施方式中,至少一个第一数量为一个第一数量,第二目标图像中的感兴趣区域的数量为多个;确定第二目标图像的震颤参数,包括:分别计算第二目标图像中的多个感兴趣区域中每个感兴趣区域对应的第二数量相对于第一数量的增幅,得到多个增幅;将多个增幅的平均值确定为第二目标图像的震颤参数。
应理解,上述第二种可能的实施方式、第三种可能的实施方式以及第四种可能的实施方式均与上述第一种可能的实施方式类似,可以参看上文,在此不再赘述。
还应理解,多帧第二图像中除第二目标图像之外的第二图像的震颤参数的确定方式与第二目标图像的震颤参数的确定方式类似,可以参看上文,在此不再赘述。
情况三、抖动参数包括模糊参数和震颤参数。其中,模糊参数和震颤参数的确定方式可以分别参看上述情况一和情况二的描述,在此不再赘述。
作为一个可选的实施例,S303可以通过以下方式实施:根据锐度参数、模糊参数以及多帧第二图像对应的震颤参数中的最大值,确定测试视频的运动模糊程度。
应理解,多帧第二图像对应的震颤参数中的最大值越大,表示多帧第二图像中的部分或全部图像的抖动程度可能较大,可能使得测试视频的运动模糊程度较大;多帧第二图像对应的震颤参数中的最大值越小,表示多帧第二图像中的部分或全部图像的抖动程度可能较小,可能使得测试视频的运动模糊程度较小。因此,多帧第二图像对应的震颤参数中的最大值与测试视频的运动模糊程度成正相关。
在一种可能的实施方式中,锐度参数为每帧第一图像中的纹理区域的锐度值;S303可以通过以下方式实施:将多帧第一图像中的纹理区域的锐度值的平均值、锐度标准差、多帧第二图像对应的多个模糊参数中的最大值、多帧第二图像对应的多个模糊参数的平均值以及多帧第二图像对应的震颤参数中的最大值的加权的和,确定为测试视频的运动模糊程度。
其中,多帧第一图像中的纹理区域的锐度值的平均值、锐度标准差、多帧第二图像对应的多个模糊参数中的最大值、多帧第二图像对应的多个模糊参数的平均值以及多帧第二图像对应的震颤参数中的最大值的确定方式均可以参看上文,在此不再赘述。
示例性地,测试视频的运动模糊程度可以通过以下公式计算得到:
M=a*m1+b*m2+c*m3+d*m4+e*m5,
其中,M为测试视频的运动模糊程度,m1为多帧第一图像中的纹理区域的锐度值的平均值,a为多帧第一图像的锐度值的平均值的权重系数,m2为锐度标准差,b为锐度标准差的权重系数,m3为多帧第二图像对应的多个模糊参数中的最大值,c为多帧第二图像对应的多个模糊参数中的最大值的权重系数,m4为多帧第二图像对应的多个模糊参数的平均值,d为多帧第二图像对应的多个模糊参数的平均值的权重系数,m5为多帧第二图像对应的震颤参数中的最大值的平均值,e为多帧第二图像对应的震颤参数中的最大值的权重系数。其中,a、b、c、d、e为权重系数,a、b、c、d、e可以为正数或者负数。
应理解,a、b、c、d、e可以通过经验设定等方式确定。示例性地,可以通过设定a、b、c、d、e的取值,使得M能够位于一定的区间内,例如[1,100]等。
在一个示例中,a和b可以为正数,c、d以及e可以为负数。例如,按照经验设定,将a和b均设置为1,则c和d均设置为-1.5,将e设置为-0.8。
可选地,M也可以理解为测试视频的运动模糊程度的评分。示例性地,可以将锐度值的平均值、锐度标准差、多帧第二图像对应的多个模糊参数中的最大值、多帧第二图像对应的多个模糊参数的平均值以及多帧第二图像对应的震颤参数归一化至[1,100],以便更好的设置a、b、c、d、e之间的比例关系,归一化处理的方式可以根据经验确定。示例性地,在锐度值的平均值处于0.9~0.6之间时,锐度值的平均值归一化方式可以为将锐度值的平均值乘100,这样可以使归一化后的锐度值的平均值(m1)处于[1,100]之间。锐度标准差与锐度值的平均值的归一化方式类似,此处不再赘述。假设多帧第二图像对应的多个模糊参数中的最大值处于[1,20]之间,多帧第二图像对应的多个模糊参数中的最大值归一化方式可以为采用100减去多帧第二图像对应的多个模糊参数中的最大值,这样,使得归一化后的多帧第二图像对应的多个模糊参数中的最大值(m3)处于[80,99]之间,多帧第二图像对应的多个模糊参数的平均值和多帧第二图像对应的震颤参数的归一化方式与多帧第二图像对应的多个模糊参数中的最大值的归一化方式类似,此处不再赘述。这样,a、b、c、d、e可以均设置为正数。
在另一种可能的实施方式中,锐度参数为每帧第一图像的锐度值;S303可以通过以下方式实施:将多帧第一图像中的纹理区域的锐度值的平均值、锐度标准差、多个第五数值中的最大值、多个第五数值的平均值以及多帧第二图像对应的震颤参数中的最大值的加权的和,确定为测试视频的运动模糊程度。
其中,多帧第一图像中的纹理区域的锐度值的平均值、锐度标准差、多个第五数值中的最大值以及多个第五数值的平均值以及多帧第二图像对应的震颤参数中的最大值的确定方式均可以参看上文,在此不再赘述。
示例性地,测试视频的运动模糊程度可以通过以下公式计算得到:
M=f*n1+g*n2+h*n3+i*n4+g*n5,
其中,M为测试视频的运动模糊程度,n1为多帧第一图像的锐度值的平均值,f为多帧第一图像的锐度值的平均值的权重系数,n2为锐度标准差,g为锐度标准差的权重系数,n3为多个第五数值中的最大值,h为多个第五数值中的最大值的权重系数,n4为多个第五数值的平均值,i为多个第五数值的平均值的权重系数,n5为多帧第二图像对应的震颤参数中的最大值的平均值,g为多帧第二图像对应的震颤参数中的最大值的权重系数。其中,f、g、h、i、g为权重系数,f、g、h、i、g可以为正数或者负数。
应理解,f、g、h、i、g的确定方式与a、b、c、d、e类似,可以参看上文,在此不再赘述。
作为一个可选的实施例,测试视频是第二设备通过拍摄标准图卡、至少一个照明装置以及至少一个实景测试灯箱得到的,至少一个照明装置位于第二设备和标准图卡之间,且至少一个照明装置在标准图卡所在平面上的投影在标准图卡中,至少一个实景测试灯箱位于标准图卡的侧面。
应理解,通过实景测试灯箱,可以使测试视频在更多模拟场景下拍摄,使得视频运动模糊程度的检测方法的适用范围较广泛。例如在实景测试灯箱为高动态范围(high-dynamic range,HDR)灯箱时,可以通过方法300对HDR场景下的测试视频的运动模糊程度。
示例性地,实景测试灯箱可以为HDR灯箱,至少一个HDR灯箱为2个HDR灯箱,则第二设备拍摄的测试视频中的任意一帧图像可以如图8所示。该图像包括标准图卡对应的区域801、标准图卡对应的区域801中的照明装置对应的区域802、一个HDR灯箱对应的区域803以及另一个HDR灯箱对应的区域804。其中,至少一个HDR灯箱为4个HDR灯箱,则4个HDR灯箱分别环绕于标准图卡对应的区域801四个侧面。
可选地,在实景测试灯箱为HDR灯箱时,HDR灯箱亮度最大可达22500Lux。
可选地,在标准图卡为枯叶图,且第二设备为手机的情况下,枯叶图的纹理区域的上下边缘,位于横放手机16:9比例下的画面中的上下画面1/3线的位置。
应理解,上述各方法的序号的大小并不意味着执行顺序的先后,各方法的执行顺序应以其功能和内在逻辑确定。
上文结合图2至图8,详细描述了本申请实施例的视频运动模糊程度的检测方法,下面结合图9,详细描述本申请实施例的视频运动模糊程度的检测装置。
图9为本申请实施例提供的一种视频运动模糊程度的检测装置900的示意性框图。该装置900包括处理器901、通信接口902和存储器903。其中,处理器901、通信接口902和存储器903通过内部连接通路互相通信,该存储器903用于存储指令,该处理器901用于执行该存储器903存储的指令。通信接口902可以用于向其他装置(例如处理器901或者终端设备的触摸屏)发送信号,也可以用于从其他装置(例如存储器903)接收信号。示例性地,通信接口902读取存储器903中存储的指令,并将该指令发送给处理器901。
应理解,装置900可以具体为上述实施例中的第一设备,并且可以用于执行上述方法实施例中与第一设备对应的各个步骤和/或流程。可选地,该存储器903可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。该处理器901可以用于执行存储器中存储的指令,并且当该处理器901执行存储器中存储的指令时,该处理器901用于执行上述方法实施例的各个步骤和/或流程。
应理解,在本申请实施例中,该处理器可以是中央处理单元(central processingunit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请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。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器执行存储器中的指令,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,该计算机程序用于实现上述方法实施例中所示的方法。
本申请还提供了一种计算机程序产品,该计算机程序产品包括计算机程序(也可以称为代码,或指令),当该计算机程序在计算机上运行时,该计算机可以执行上述方法实施例所示的方法。
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模块及算法步骤,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方式来执行,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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块或组件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耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述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所述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(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请实施例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实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应所述以权利要求的保护范围为准。
Claims (20)
1.一种视频运动模糊程度的检测方法,其特征在于,应用于第一设备,包括:
获取测试视频,所述测试视频是第二设备通过拍摄标准图卡得到的,所述测试视频包括所述第二设备在静止状态下拍摄的第一段视频和所述第二设备在抖动状态下拍摄的第二段视频;
确定所述第二段视频中多帧第一图像中的每帧第一图像的锐度参数和所述第二段视频中多帧第二图像中的每帧第二图像的抖动参数,所述抖动参数包括所述多帧第二图像中的每帧第二图像的模糊参数和/或所述多帧第二图像中的每帧第二图像相对于所述第一段视频中的图像的震颤参数;
根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度。
2.根据权利要求1所述的方法,其特征在于,所述抖动参数包括所述模糊参数;
所述确定所述第二段视频中多帧第二图像中的每帧第二图像的抖动参数,包括:
获取所述多帧第二图像中的第一目标图像中的感兴趣区域中多个边缘线中每个边缘线的灰度值变化曲线,所述灰度值变化曲线为灰度值相对于像素数的变化曲线;
根据所述多个边缘线的灰度值变化曲线,确定所述第一目标图像的模糊参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述多个边缘线的灰度值变化曲线,确定所述第一目标图像的模糊参数,包括:
确定所述每个边缘线的灰度值变化曲线中第一目标点对应的像素数和第二目标点对应的像素数,所述第一目标点为所述每个边缘线的灰度值变化曲线中灰度值最大的点,所述第二目标点为所述每个边缘线的灰度值变化曲线中灰度值最小的点;
分别计算所述每个边缘线的所述第一目标点对应的像素数和所述每个边缘线的所述第二目标点对应的像素数之差的绝对值,得到多个绝对值;
根据所述多个绝对值,确定所述第一目标图像的模糊参数。
4.根据权利要求3所述的方法,其特征在于,所述第一目标图像中的感兴趣区域的数量为一个;
所述根据所述多个绝对值,确定所述第一目标图像的模糊参数,包括:
将所述多个绝对值之和确定为所述第一目标图像的模糊参数;或者,
将所述多个绝对值之和与所述第一目标图像中的感兴趣区域中的目标图形的最小外接矩形的对角线长度的比值确定为所述第一目标图像的模糊参数,所述目标图形为所述多个边缘线构成的图形。
5.根据权利要求3所述的方法,其特征在于,所述第一目标图像中的感兴趣区域的数量为多个;
所述根据所述多个绝对值,确定所述第一目标图像的模糊参数,包括:
分别计算所述第一目标图像中的多个感兴趣区域中每个感兴趣区域对应的所述多个绝对值之和,得到多个第一数值;
将所述多个第一数值的平均值确定为所述第一目标图像的模糊参数。
6.根据权利要求3所述的方法,其特征在于,所述第一目标图像中的感兴趣区域的数量为多个;
所述根据所述多个绝对值,确定所述第一目标图像的模糊参数,包括:
分别计算所述第一目标图像中的多个感兴趣区域中每个感兴趣区域对应的所述多个绝对值之和,得到多个第二数值;
分别计算所述每个感兴趣区域的最小外接矩形的对角线长度,得到多个第三数值;
分别计算所述每个感兴趣区域的所述第二数值与所述第三数值之比,得到多个比值;
将所述多个比值的平均值确定为所述第一目标图像的模糊参数。
7.根据权利要求2所述的方法,其特征在于,所述根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度,包括:
根据所述锐度参数、所述多帧第二图像对应的多个模糊参数中的最大值以及所述多帧第二图像对应的多个模糊参数的平均值,确定所述测试视频的运动模糊程度。
8.根据权利要求2所述的方法,其特征在于,所述根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度,包括:
根据所述第一段视频中至少一个图像对应的模糊参数,得到第四数值;
分别计算所述多帧第二图像中每帧第二图像的模糊参数与所述第四数值之差的绝对值,得到多个第五数值;
根据所述锐度参数、所述多个第五数值中的最大值以及所述多个第五数值的平均值,确定所述测试视频的运动模糊程度。
9.根据权利要求8所述的方法,其特征在于,所述至少一个图像的数量为多个;
所述根据所述第一段视频中至少一个图像对应的模糊参数,得到第四数值,包括:
将所述至少一个图像对应的模糊参数的平均值确定为所述第四数值。
10.根据权利要求6所述的方法,其特征在于,所述抖动参数还包括所述震颤参数;所述测试视频是所述第二设备通过拍摄所述标准图卡和至少一个照明装置得到的,所述至少一个照明装置位于所述第二设备和所述标准图卡之间,且所述至少一个照明装置在所述标准图卡所在平面上的投影在所述标准图卡中;
所述确定所述第二段视频中多帧第二图像中每帧第二图像的抖动参数,包括:
分别确定所述第一段视频中至少一个图像中每个图像的感兴趣区域中第一像素点的数量,得到至少一个第一数量,在所述每个图像中,所述第一像素点的亮度值大于或等于所述每个图像对应的第一阈值;
将所述第二目标图像中的感兴趣区域中第二像素点的数量确定为第二数量,所述第二像素点的亮度值大于或等于第二阈值;
基于所述至少一个第一数量和所述第二数量,确定所述第二目标图像的震颤参数。
11.根据权利要求10所述的方法,其特征在于,所述至少一个图像中第三目标图像对应的所述第一阈值为所述第三目标图像中的感兴趣区域的亮度值的平均值;和/或,
所述第二阈值为所述第二目标图像中的感兴趣区域的亮度值的平均值。
12.根据权利要求10所述的方法,其特征在于,所述方法还包括:
基于所述第二目标图像中的感兴趣区域中每个像素点的亮度值,将所述第二目标图像中的感兴趣区域划分为第一区域和第二区域,所述第一区域中的亮度值的最小值大于所述第二区域中的亮度值的最大值;
基于所述第一区域的亮度值和所述第二区域的亮度值,确定所述第二阈值。
13.根据权利要求12所述的方法,其特征在于,所述基于所述第一区域的亮度值和所述第二区域的亮度值,确定所述第二阈值,包括:
将所述第一区域的亮度值的平均值和所述第二区域的亮度值的平均值的平均值确定为所述第二阈值。
14.根据权利要求13所述的方法,其特征在于,所述至少一个第一数量为多个第一数量,所述第二目标图像中的感兴趣区域的数量为一个;
所述确定所述第二目标图像的震颤参数,包括:
将所述第二数量相对于所述多个第一数量的平均值的增幅确定为所述第二目标图像的震颤参数。
15.根据权利要求13所述的方法,其特征在于,所述至少一个第一数量为多个第一数量,所述第二目标图像中的感兴趣区域的数量为多个;
所述确定所述第二目标图像的震颤参数,包括:
分别计算所述第二目标图像中的多个感兴趣区域中每个感兴趣区域对应的所述第二数量相对于所述多个第一数量的平均值的增幅,得到多个增幅;
将所述多个增幅的平均值确定为所述第二目标图像的震颤参数。
16.根据权利要求15所述的方法,其特征在于,所述根据所述锐度参数和所述抖动参数,确定所述测试视频的运动模糊程度,包括:
根据所述锐度参数、所述模糊参数以及所述多帧第二图像对应的震颤参数中的最大值,确定所述测试视频的运动模糊程度。
17.根据权利要求1-16中任一项所述的方法,其特征在于,所述锐度参数为所述每帧第一图像中的纹理区域的锐度值;
所述确定所述测试视频的运动模糊程度,包括:
计算所述多帧第一图像中的纹理区域的锐度值的平均值;
利用所述每帧第一图像中的纹理区域的锐度值和所述锐度值的平均值,计算所述多帧第一图像的锐度标准差;
根据所述多帧第一图像中的纹理区域的锐度值的平均值、所述锐度标准差以及所述抖动参数,确定所述测试视频的运动模糊程度。
18.一种视频运动模糊程度的检测装置,其特征在于,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储计算机程序,当所述处理器调用所述计算机程序时,使得所述装置执行如权利要求1至17中任一项所述的方法。
19.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序包括用于实现如权利要求1至17中任一项所述的方法的指令。
20.一种计算机程序产品,其特征在于,所述计算机程序产品中包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得所述计算机实现如权利要求1至17中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311160934.7A CN116896626B (zh) | 2023-09-11 | 2023-09-11 | 视频运动模糊程度的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311160934.7A CN116896626B (zh) | 2023-09-11 | 2023-09-11 | 视频运动模糊程度的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116896626A true CN116896626A (zh) | 2023-10-17 |
CN116896626B CN116896626B (zh) | 2024-04-19 |
Family
ID=88313793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311160934.7A Active CN116896626B (zh) | 2023-09-11 | 2023-09-11 | 视频运动模糊程度的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116896626B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012145A (zh) * | 2019-04-08 | 2019-07-12 | 北京易诚高科科技发展有限公司 | 一种基于图像模糊度的手机防抖功能评估方法 |
CN110290311A (zh) * | 2019-04-17 | 2019-09-27 | 中国信息通信研究院 | 用于视频防抖性能测评的抖动轨迹生成方法、装置及系统 |
US20210400338A1 (en) * | 2020-06-19 | 2021-12-23 | Apple Inc. | Systems and methods of video jitter estimation |
CN113873233A (zh) * | 2021-10-14 | 2021-12-31 | 维沃移动通信有限公司 | 镜头模组的检测方法、装置和电子设备 |
CN114449084A (zh) * | 2021-12-28 | 2022-05-06 | 南京旭锐软件科技有限公司 | 一种摄像头防抖测试方法及相关装置 |
-
2023
- 2023-09-11 CN CN202311160934.7A patent/CN116896626B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012145A (zh) * | 2019-04-08 | 2019-07-12 | 北京易诚高科科技发展有限公司 | 一种基于图像模糊度的手机防抖功能评估方法 |
CN110290311A (zh) * | 2019-04-17 | 2019-09-27 | 中国信息通信研究院 | 用于视频防抖性能测评的抖动轨迹生成方法、装置及系统 |
US20210400338A1 (en) * | 2020-06-19 | 2021-12-23 | Apple Inc. | Systems and methods of video jitter estimation |
CN113873233A (zh) * | 2021-10-14 | 2021-12-31 | 维沃移动通信有限公司 | 镜头模组的检测方法、装置和电子设备 |
CN114449084A (zh) * | 2021-12-28 | 2022-05-06 | 南京旭锐软件科技有限公司 | 一种摄像头防抖测试方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116896626B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724293B (zh) | 图像渲染方法及装置、电子设备 | |
CN111179282B (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
US11798162B2 (en) | Skin detection method and electronic device | |
WO2021258321A1 (zh) | 一种图像获取方法以及装置 | |
CN111552451B (zh) | 显示控制方法及装置、计算机可读介质及终端设备 | |
WO2021077878A1 (zh) | 图像处理方法、装置及电子设备 | |
WO2021077911A1 (zh) | 图像泛光处理方法及装置、存储介质 | |
CN113436576B (zh) | 应用于二维码扫描的oled显示屏调光方法及装置 | |
EP4280586A1 (en) | Point light source image detection method and electronic device | |
CN116055712B (zh) | 成片率确定方法、装置、芯片、电子设备及介质 | |
CN114880251B (zh) | 存储单元的访问方法、访问装置和终端设备 | |
CN113542613B (zh) | 一种用于拍照的装置及方法 | |
CN116896626B (zh) | 视频运动模糊程度的检测方法和装置 | |
WO2023011302A1 (zh) | 拍摄方法及相关装置 | |
CN115631250B (zh) | 图像处理方法与电子设备 | |
CN115150542B (zh) | 一种视频防抖方法及相关设备 | |
CN116074624B (zh) | 一种对焦方法和装置 | |
CN116095477B (zh) | 对焦处理系统、方法、设备及存储介质 | |
CN116091392B (zh) | 图像处理方法、系统及存储介质 | |
US20240137659A1 (en) | Point light source image detection method and electronic device | |
CN116703741B (zh) | 一种图像对比度的生成方法、装置和电子设备 | |
CN116051450B (zh) | 眩光信息获取方法、装置、芯片、电子设备及介质 | |
CN116048769B (zh) | 内存回收方法、装置和终端设备 | |
CN115705663B (zh) | 图像处理方法与电子设备 | |
CN115880198B (zh) | 图像处理方法和装置 |
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 |