CN105574857B - 图像分析方法及装置 - Google Patents

Abstract

本公开实施例公开了一种图像分析方法及装置，利用图片中前景图像与背景图像的清晰度区别，分析出图像中的前景图像。前景图像的清晰度通常大于背景图像的清晰度。查询基向量字典，对待分析图片进行清晰度估计，得到与待分析图片对应的清晰度估计图像；然后，逐一过滤清晰度估计图像中的不清晰区域，最终清晰度估计图像中剩余的图像是清晰度较高的区域，即清晰区域。确定清晰区域的图像为待分析图片的前景图像，待分析图片中的其它区域即背景图像。该方法采用另一种思路确定图像中的前景图像和背景图像，利用图像的清晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此利用此种方法获得的前景图像准确率较高。

Description

图像分析方法及装置

技术领域

本公开涉及图像处理技术领域，特别是涉及一种图像分析方法及装置。

背景技术

图像中感兴趣的物体或区域(即，目标)，通常称为图像的前景。相关技术中，常用的前景分割方法，通常是利用图像区域的颜色、纹理等图像特征将图像前景分割出来。

利用颜色、纹理等特征分割图像前景，通常将图像中纹理较复杂、颜色丰富的区域确定为图像前景。但是，图像背景所包含的物体的纹理可能也比较复杂、颜色也比较丰富。因此，利用此种方法分析得到的图像前景和图像背景的准确率低。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像分析方法及装置。

为了解决上述技术问题，本公开实施例公开了如下技术方案：

根据本公开实施例的第一方面，提供一种图像分析方法，包括：

获取待分析图片；

对所述待分析图片进行清晰度估计，得到清晰度估计图像；

逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

确定所述清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

第一方面提供的图像分析方法采用另一种思路确定图像中的前景图像和背景图像，利用图像的清晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此利用此种方法获得的前景图像准确率较高。

可选地，所述对所述待分析图片进行清晰度估计，得到清晰度估计图像，包括：

将所述待分析图片划分预设大小的图像区域；

对于每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵；

确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量；

根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

可选地，所述方法还包括：

获取模糊样本图片；

对所述模糊样本图片进行训练学习，得到所述基向量字典，所述基向量字典包含分解图像所需的全部基向量。

本实施例提供的图像分析方法，利用模糊样本图片训练基向量字典，然后，将待分析图片投影到基向量字典所包含的基向量上，根据投影基向量的数量估计图片的清晰度，准确率高。

可选地，所述逐一过滤掉所述清晰度估计图像中的各个不清晰区域，包括：

利用自适应二值算法，确定预设阈值；

当所述图像区域对应的投影基向量的数量大于所述预设阈值时，确定所述图像区域是清晰区域；或者，

当所述图像区域对应的投影基向量的数量小于或等于所述预设阈值时，确定所述图像区域是不清晰区域。

可选地，所述方法还包括：

获取所述前景图像所包含的像素数量；

计算所述前景图像的像素数量与所述待分析图片所包含的全部像素数量的比值；

当所述比值小于或等于预设比值时，确定所述待分析图片是模糊图片。

可选地，所述方法还包括：

输出第一提醒消息，所述第一提醒消息用于提醒用户所述待分析图片是模糊图片。

本实施例提供的图像分析方法，在确定出待分析图片的前景图像和背景图像之后，进一步分析图片的整体清晰度，如果确定待分析图片是模糊图片，则输出第一提醒消息提醒用户待分析图片是模糊图片，以便用户针对模糊图片做进一步的处理。

根据本公开实施例的第二方面，提供一种图像分析装置，包括：

第一获取模块，用于获取待分析图片；

清晰度估计模块，用于对所述第一获取模块获得的待分析图片进行清晰度估计，得到清晰度估计图像；

过滤模块，用于逐一过滤掉所述清晰度估计模块获得的清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

第一确定模块，用于确定所述过滤模块获得的清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

可选地，所述清晰度估计模块，包括：

划分子模块，用于将所述待分析图片划分预设大小的图像区域；

投影子模块，用于对于所述划分子模块划分得到的每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵；

第一确定子模块，用于确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量；

生成子模块，用于根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

可选地，所述装置还包括：

第二获取模块，用于获取模糊样本图片；

训练模块，用于对所述模糊样本图片进行训练学习，得到所述基向量字典，所述基向量字典包含分解图像所需的全部基向量。

可选地，所述过滤模块，包括：

第二确定子模块，用于利用自适应二值算法，确定预设阈值；

第三确定子模块，用于当所述图像区域对应的投影基向量的数量大于所述预设阈值时，确定所述图像区域是清晰区域；或者，

第四确定子模块，用于当所述图像区域对应的投影基向量的数量小于或等于所述预设阈值时，确定所述图像区域是不清晰区域。

可选地，所述装置还包括：

第三获取模块，用于获取所述前景图像所包含的像素数量；

计算模块，用于计算所述前景图像的像素数量与所述待分析图片所包含的全部像素数量的比值；

第二确定模块，用于当所述比值小于或等于预设比值时，确定所述待分析图片是模糊图片。

可选地，所述装置还包括：

输出模块，用于输出第一提醒消息，所述第一提醒消息用于提醒用户所述待分析图片是模糊图片。

根据本公开实施例的第三方面，提供一种终端设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待分析图片；

对所述待分析图片进行清晰度估计，得到清晰度估计图像；

逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

确定所述清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

本公开的实施例提供的技术方案可以包括以下有益效果：本公开提供的图像分析方法，利用图片中前景图像与背景图像的清晰度区别，分析出图像中的前景图像。前景图像的清晰度通常大于背景图像的清晰度。查询基向量字典，对待分析图片进行清晰度估计，得到与待分析图片对应的清晰度估计图像；然后，逐一过滤清晰度估计图像中的不清晰区域，最终清晰度估计图像中剩余的图像是清晰度较高的区域，即清晰区域。确定清晰区域的图像为待分析图片的前景图像，待分析图片中的其它区域即背景图像。该方法采用另一种思路确定图像中的前景图像和背景图像，利用图像的清晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此利用此种方法获得的前景图像准确率较高。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种图像分析方法的流程图；

图2是根据一示例性实施例示出的另一种图像分析方法的流程图；

图3是根据一示例性实施例示出的又一种图像分析方法的流程图；

图4是根据一示例性实施例示出的一种图像分析装置框图；

图5是根据一示例性实施例示出的清晰度估计模块的框图；

图6是根据一示例性实施例示出的过滤模块的框图；

图7是根据一示例性实施例示出的另一种图像分析装置的框图；

图8是根据一示例性实施例示出的又一种图像分析装置的框图；

图9是根据一示例性实施例示出的一种用于图像分析的装置的框图；

图10是根据一示例性实施例示出的一种用于图像分析的装置的框图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种图像分析方法的流程图，该方法可以应用于终端设备或服务器中，如图1所示，图像分析方法可以包括以下步骤：

在步骤S110中，获取待分析图片。

待分析图片可以是终端设备内存储的图片，也可以是从服务器中获取的图片。

在步骤S120中，对待分析图片进行清晰度估计，得到清晰度估计图像。

在本公开的一个实施例中，可以根据基向量字典获得清晰度图像；其中，基向量字典通过对大量的模糊样本图片训练学习得到，任意一张图片中的任意图像区域都可以分解成包含若干个基向量的组合。而且，清晰度高的图像区域所需的基向量的个数高于清晰度低的图像区域所需的基向量个数，即清晰度越高的图像区域所需要的基向量的个数越多。因此，根据图像区域所需要的基向量可以估计图像的清晰度。

将待分析图片在基向量字典内的各个基向量上进行投影，得到投影矩阵，其中，投影矩阵中为0的元素表示图像在该元素对应的基向量上没有投影，投影矩阵中不为0的元素表明图像在该元素对应的基向量上有投影。统计投影矩阵中不为0的元素数量，即当前图像所需的基向量个数。利用图像对应的基向量生成清晰度估计图像。

在本公开的另一个实施例中，可以利用时域内图像的差分图像简单评价图像的清晰度。差分图像是将一幅图像中某个区域内的像素值相减得到。

在步骤S130中，逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域。

过滤掉待分析图片对应的清晰度估计图像中的不清晰区域，具体的，如果清晰度估计图像中的图像区域所需的基向量数量大于预设阈值，则确定该图像区域是清晰区域；如果图像区域所需的基向量数量小于或等于预设阈值，则确定该图像区域是不清晰区域。

将清晰度估计图像中的不清晰区域逐一过滤掉之后，剩余的图像区域即清晰区域。

在步骤S140中，确定所述清晰区域的图像为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

图像中感兴趣的目标通常比较清晰，因此，识别出的清晰区域的图像即前景图像；待分析图片中除前景图像之外的其它图像为背景图像。

本实施例提供的图像分析方法，利用图片中前景图像与背景图像的清晰度区别，分析出图像中的前景图像。前景图像的清晰度通常大于背景图像的清晰度。查询基向量字典，对待分析图片进行清晰度估计，得到与待分析图片对应的清晰度估计图像；然后，逐一过滤清晰度估计图像中的不清晰区域，最终清晰度估计图像中剩余的图像是清晰度较高的区域，即清晰区域。确定清晰区域的图像为待分析图片的前景图像，待分析图片中的其它区域即背景图像。该方法采用另一种思路确定图像中的前景图像和背景图像，利用图像的清晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此利用此种方法获得的前景图像准确率较高。

图2是根据一示例性实施例示出的另一种图像分析方法的流程图，本实施进一步详细说明图像分析的具体过程。如图2所示，该图像分析方法可以包括以下步骤：

在步骤S210中，获取模糊样本图片。

收集大量的模糊图片作为模糊样本图片。

在步骤S220中，对所述模糊样本图片进行训练学习，得到基向量字典；所述基向量字典包含分解图像所需的全部基向量。

根据公式1对模糊样本图片进行训练：

(公式1)

其中，Y表示模糊样本图片；D是基向量字典；X是组成Y所需的基向量投影矩阵；|X|₀表示X矩阵中不为0的元素的数量；k为稀疏度，例如，k值可以设定为5；st|X|₀≤k是约束条件，表示X矩阵中不为0的元素的数量小于或等于k；公式1是求解当满足st|X|₀≤k时，使得最小的D，具体的，可以利用下面的公式2求解。

(公式2)

公式2中，λ是约束因子项，t是当前迭代次数，T是迭代终止时的次数。

公式2中，D和X均为未知数，D是一个列大于行的扁矩阵，可以按照最大期望算法(即，EM算法)求解：首先，随机初始化D的值，作为基向量字典中包含的基向量，同时，X矩阵内的元素初始时全部为0；然后，针对此时的函数值与X的梯度，利用梯度下降法不断迭代优化，求解使得公式2最小的X。

然后，将求解得到的X代入公式2中，针对此时的函数值与D的梯度，利用梯度下降法不断迭代优化，求解使得公式2最小D。

在步骤S230中，获取待分析图片。

在步骤S240中，将所述待分析图片划分成预设大小的图像区域。

可以根据待分析图片的像素大小、实际需求、准确率要求等因素，设定图像区域的预设大小。例如，预设大小可以是8*8大小的像素块。

在步骤S250中，对于每个图像区域，在所述基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵。

对于待分析图片中的每一个图像区域，在基向量字典D的各个基向量上进行投影，得到投影矩阵X。

然后，可以利用公式2计算该图像区域的清晰度：

(公式3)

其中，t取值可以为0.07、0.001、0.001，Y是待投影的图像，D是训练学习得到的基向量字典，X是Y在D上投影得到的投影矩阵，|X|₁表示投影矩阵中不为0的元素的总和，该数量表明待投影图像所需的基向量的系数和。

公式3是求解当时，使得矩阵X中不为0的元素总和最小的X。

在本公开的另一个实施例中，可以用公式1和公式2求解。

在步骤S260中，确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量。

将投影矩阵中不为0的元素对应的基向量称为投影向量；当然，也可以不定义此名词。

在步骤S270中，根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

利用步骤S250中得到的投影矩阵中不为0的元素对应的基向量生成清晰度估计图像。

在步骤S280中，逐一过滤掉清晰度估计图像中的不清晰区域，得到清晰区域。

在训练基向量字典时，采取的最大投影基向量数量k，对清晰度估计图像进行第一次过滤时，预设阈值设定为k。即，投影基向量数量小于或等于k的图像区域是不清晰区域；投影基向量数量大于k的图像区域是清晰区域。将清晰度估计图像中的不清晰区域过滤掉之后，得到图像S₁，其中，根据公式4对清晰度估计图像S进行过滤，得到过滤后的图像S₁。

(公式4)

其中，Mask₁表示图像掩模区域。然后，在过滤后得到的图像S₁上做自适应二值化处理，获得最佳的预设阈值th，从而获得清晰度估计图像S中最清晰、感兴趣的图像S₂。其中，利用公式5获得S₂：

(公式5)

自适应二值算法是按照图像的灰度特性，将图像分成前景和背景两部分，背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景时，都会导致两部分的差别变小，因此，使类间方差最大的分割意味着错分概率最小。最佳的预设阈值th即最优分割对应的阈值。

当所述图像区域对应的投影基向量的数量大于预设阈值时，确定图像区域是清晰区域；当所述图像区域对应的投影基向量的数量小于或等于预设阈值时，确定所述图像区域是不清晰区域。

在步骤S290中，确定所述清晰区域的图像为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

本实施例提供的图像分析方法，采用另一种思路确定图像中的前景图像和背景图像，利用图像的清晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此利用此种方法获得的前景图像准确率较高。

图3是根据一示例性实施例示出的又一种图像分析方法的流程图，该方法在图1所示实施例的基础上还可以包括以下步骤：

在步骤S310中，获取所述前景图像所包含的像素数量。

在步骤S320中，计算所述前景图像的像素数量与所述待分析图片所包含的全部像素数量的比值。

计算确定的前景图像的像素数与整张待分析图片所包含的像素数之间的比值，即计算前景图像在待分析图片中所占的比例。

在步骤S330中，当所述比值小于或等于预设比值时，确定所述待分析图片是模糊图片。

如果前景图像在待分析图片中所占比例较小，则表明该待分析图片整体都比较模糊，即，该图片是模糊图片。

在步骤S340中，将所述模糊图片分离出来。

在本公开的一个应用场景中，检测到终端设备中的图片库中存储模糊图片后，可以将模糊图片从图片库中分离出来，例如，在图片库中建立一个单独存放模糊图片的文件夹，每检测模糊图片后，将模糊图片移到该文件夹中。

在步骤S350中，输出第一提醒消息；该第一提醒消息用于提醒用户待分析图片是模糊图片。

向用户展示第一提醒消息，提醒用户存在模糊图片后；进一步还可以展示第二提醒消息，建议用户删除模糊图片。

本实施例提供的图像分析方法，在确定出待分析图片的前景图像和背景图像之后，进一步分析图片的整体清晰度，如果确定待分析图片是模糊图片，则将模糊图片与清晰图片分离开；并输出第一提醒消息提醒用户待分析图片是模糊图片，以便用户针对模糊图片做进一步的处理。

图4是根据一示例性实施例示出的一种图像分析装置框图，该装置可以应用于终端设备或服务器中。如图4所示，该装置包括第一获取模块410、清晰度估计模块420、过滤模块430和第一确定模块440。

第一获取模块410被配置为，获取待分析图片。

待分析图片可以是终端设备内存储的图片，也可以是从服务器中获取的图片。

清晰度估计模块420被配置为，对所述第一获取模块获得的待分析图片进行清晰度估计，得到清晰度估计图像。

图5是根据一示例性实施例示出的清晰度估计模块的框图，如图5所示，清晰度估计模块包括：划分子模块421、投影子模块422、第一确定子模块423和生成子模块424。

划分子模块421被配置为，将所述待分析图片划分预设大小的图像区域。

可以根据待分析图片的像素大小、实际需求、准确率要求等因素，设定图像区域的预设大小。例如，预设大小可以是8*8大小的像素块。

投影子模块422被配置为，对于所述划分子模块划分得到的每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵。

对于待分析图片中的每一个图像区域，在基向量字典D的各个基向量上进行投影，得到投影矩阵X。

第一确定子模块423，用于确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量。

将投影矩阵X中不为0的元素对应的基向量称为投影向量；当然，也可以不定义此名词。

生成子模块424，用于根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

投影矩阵X中不为0的元素对应的基向量生成清晰度估计图像。

在本公开的另一个实施例中，可以利用时域内图像的差分图像简单评价图像的清晰度。差分图像是将一幅图像中某个区域内的像素值相减得到。

过滤模块430被配置为，逐一过滤掉所述清晰度估计模块获得的清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域。

过滤掉待分析图片对应的清晰度估计图像中的不清晰区域，具体的，如果清晰度估计图像中的图像区域所需的基向量数量大于预设阈值，则确定该图像区域是清晰区域；如果图像区域所需的基向量数量小于或等于预设阈值，则确定该图像区域是不清晰区域。

将清晰度估计图像中的不清晰区域逐一过滤掉之后，剩余的图像区域即清晰区域。

图6是根据一示例性实施例示出的过滤模块的框图，如图6所示，过滤模块430可以包括：第二确定子模块431、第三确定子模432块和第四确定子模块433。

第二确定子模块431被配置为，利用自适应二值算法，确定预设阈值。

自适应二值算法是按照图像的灰度特性，将图像分成前景和背景两部分，背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景时，都会导致两部分的差别变小，因此，使类间方差最大的分割意味着错分概率最小。最佳的预设阈值th即最优分割对应的阈值。

第三确定子模块432被配置为，当所述图像区域对应的投影基向量的数量大于所述预设阈值时，确定所述图像区域是清晰区域。

第四确定子模块433被配置为，当所述图像区域对应的投影基向量的数量小于或等于所述预设阈值时，确定所述图像区域是不清晰区域。

第一确定模块440被配置为，确定所述过滤模块获得的清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

图像中感兴趣的目标通常比较清晰，因此，识别出的清晰区域的图像即前景图像；待分析图片中除前景图像之外的其它图像为背景图像。

本实施例提供的图像分析装置，利用图片中前景图像与背景图像的清晰度区别，分析出图像中的前景图像。前景图像的清晰度通常大于背景图像的清晰度。查询基向量字典，对待分析图片进行清晰度估计，得到与待分析图片对应的清晰度估计图像；然后，逐一过滤清晰度估计图像中的不清晰区域，最终清晰度估计图像中剩余的图像是清晰度较高的区域，即清晰区域。确定清晰区域的图像为待分析图片的前景图像，待分析图片中的其它区域即背景图像。该装置采用另一种思路确定图像中的前景图像和背景图像，利用图像的清晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此利用此种方法获得的前景图像准确率较高。

图7是根据一示例性实施例示出的另一种图像分析装置的框图，该装置在图4所示实施例的基础上还包括：第二获取模块710和训练模块720。

第二获取模块710被配置为，获取模糊样本图片。

训练模块720被配置为，对所述模糊样本图片进行训练学习，得到所述基向量字典，所述基向量字典包含分解图像所需的全部基向量。

训练基向量字典的方法可以参见图2所示实施例中步骤S220的训练过程，此处不再赘述。

本实施例提供的图像分析装置，利用模糊样本图片训练基向量字典，然后，将待分析图片投影到基向量字典所包含的基向量上，根据投影基向量的数量估计图片的清晰度，准确率高。

图8是根据一示例性实施例示出的又一种图像分析装置的框图，该装置在图4所示实施例的基础上还包括：第三获取模块810、计算模块820、第二确定模块830和输出模块840。

第三获取模块810被配置为，获取所述前景图像所包含的像素数量。

计算模块820被配置为，计算所述前景图像的像素数量与所述待分析图片所包含的全部像素数量的比值。

计算确定的前景图像的像素数与整张待分析图片所包含的像素数之间的比值，即计算前景图像在待分析图片中所占的比例。

第二确定模块830被配置为，当所述比值小于或等于预设比值时，确定所述待分析图片是模糊图片。

如果前景图像在待分析图片中所占比例较小，则表明该待分析图片整体都比较模糊，即，该图片是模糊图片。

在本公开的一个应用场景中，当检测到终端设备中的图片库中存储模糊图片后，可以将模糊图片从图片库中分离出来，例如，在图片库中建立一个单独存放模糊图片的文件夹，每检测模糊图片后，将模糊图片移到该文件夹中。

输出模块840被配置为，输出第一提醒消息，所述第一提醒消息用于提醒用户所述待分析图片是模糊图片。

向用户展示第一提醒消息，提醒用户存在模糊图片后；进一步还可以展示第二提醒消息，建议用户删除模糊图片。

本实施例提供的图像分析装置，在确定出待分析图片的前景图像和背景图像之后，进一步分析图片的整体清晰度，如果确定待分析图片是模糊图片，则将模糊图片与清晰图片分离开；并输出第一提醒消息提醒用户待分析图片是模糊图片，以便用户针对模糊图片做进一步的处理。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是根据一示例性实施例示出的一种用于图像分析的装置900的框图。例如，装置900可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

如图9所示，装置900可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，以及通信组件916。

处理组件902通常控制装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。

存储器904被配置为存储各种类型的数据以支持在装置900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件906为装置900的各种组件提供电力。电源组件906可以包括电源管理系统，一个或多个电源，及其他与为装置900生成、管理和分配电力相关联的组件。

多媒体组件908包括在所述装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当装置900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。

I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件914包括一个或多个传感器，用于为装置900提供各个方面的状态评估。例如，传感器组件914可以检测到装置900的打开/关闭状态，组件的相对定位，例如所述组件为装置900的显示器和小键盘，传感器组件914还可以检测装置900或装置900一个组件的位置改变，用户与装置900接触的存在或不存在，装置900方位或加速/减速和装置900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由装置900的处理器920执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得终端设备能够执行一种图像分析方法，所述方法包括：

获取待分析图片；

对所述待分析图片进行清晰度估计，得到清晰度估计图像；

逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

确定所述清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。

图10是根据一示例性实施例示出的一种用于图像分析的装置1000的框图。例如，装置1000可以被提供为一服务器。如图10所示，装置1000包括处理组件1022，其进一步包括一个或多个处理器，以及由存储器1032所代表的存储器资源，用于存储可由处理组件1022的执行的指令，例如应用程序。存储器1032中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1022被配置为执行指令，以执行上述图1～图3所示的方法实施例。

装置1000还可以包括一个电源组件1026被配置为执行装置1000的电源管理，一个有线或无线网络接口1050被配置为将装置1000连接到网络，和一个输入输出(I/O)接口1058。装置1000可以操作基于存储在存储器1032的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种图像分析方法，其特征在于，包括：

获取待分析图片；

对所述待分析图片进行清晰度估计，得到清晰度估计图像；

逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

确定所述清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像；

所述对所述待分析图片进行清晰度估计，得到清晰度估计图像，包括：

将所述待分析图片划分预设大小的图像区域；

对于每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵；

确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量；

根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取模糊样本图片；

对所述模糊样本图片进行训练学习，得到所述基向量字典，所述基向量字典包含分解图像所需的全部基向量。

3.根据权利要求1或2所述的方法，其特征在于，所述逐一过滤掉所述清晰度估计图像中的各个不清晰区域，包括：

利用自适应二值算法，确定预设阈值；

当所述图像区域对应的投影基向量的数量大于所述预设阈值时，确定所述图像区域是清晰区域；或者，

当所述图像区域对应的投影基向量的数量小于或等于所述预设阈值时，确定所述图像区域是不清晰区域。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述前景图像所包含的像素数量；

计算所述前景图像的像素数量与所述待分析图片所包含的全部像素数量的比值；

当所述比值小于或等于预设比值时，确定所述待分析图片是模糊图片。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

输出第一提醒消息，所述第一提醒消息用于提醒用户所述待分析图片是模糊图片。

6.一种图像分析装置，其特征在于，包括：

第一获取模块，用于获取待分析图片；

清晰度估计模块，用于对所述第一获取模块获得的待分析图片进行清晰度估计，得到清晰度估计图像；

过滤模块，用于逐一过滤掉所述清晰度估计模块获得的清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

第一确定模块，用于确定所述过滤模块获得的清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像；

所述清晰度估计模块，包括：

划分子模块，用于将所述待分析图片划分预设大小的图像区域；

投影子模块，用于对于所述划分子模块划分得到的每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵；

第一确定子模块，用于确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量；

生成子模块，用于根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取模糊样本图片；

训练模块，用于对所述模糊样本图片进行训练学习，得到所述基向量字典，所述基向量字典包含分解图像所需的全部基向量。

8.根据权利要求6或7所述的装置，其特征在于，所述过滤模块，包括：

第二确定子模块，用于利用自适应二值算法，确定预设阈值；

第三确定子模块，用于当所述图像区域对应的投影基向量的数量大于所述预设阈值时，确定所述图像区域是清晰区域；或者，

第四确定子模块，用于当所述图像区域对应的投影基向量的数量小于或等于所述预设阈值时，确定所述图像区域是不清晰区域。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第三获取模块，用于获取所述前景图像所包含的像素数量；

计算模块，用于计算所述前景图像的像素数量与所述待分析图片所包含的全部像素数量的比值；

第二确定模块，用于当所述比值小于或等于预设比值时，确定所述待分析图片是模糊图片。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

输出模块，用于输出第一提醒消息，所述第一提醒消息用于提醒用户所述待分析图片是模糊图片。

11.一种终端设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待分析图片；

对所述待分析图片进行清晰度估计，得到清晰度估计图像；

逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述清晰度估计图像中的清晰区域；

确定所述清晰区域为所述待分析图片的前景图像，所述待分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像；

所述对所述待分析图片进行清晰度估计，得到清晰度估计图像，包括：

将所述待分析图片划分预设大小的图像区域；

对于每个图像区域，在预先获得的基向量字典所包含的各个基向量的方向上进行投影，得到当前图像区域对应的投影矩阵；

确定所述每个图像区域对应的不为0的基向量，得到所述每个图像区域的投影基向量；

根据所述待分析图片对应的全部投影基向量，得到清晰度估计图像。