CN108492280A - 一种自动判断数字图片质量的装置及方法 - Google Patents

Abstract

本发明提供一种自动判断数字图片质量的装置及方法，其中，包括一种自动判断数字图片质量的装置包括图片质量预检测单元、图片尺寸校验单元、权重设定单元、人脸识别校验单元、图片质量判断单元、偏色校验单元以及输出图片单元，本发明还公开了一种自动判断数字格式图片质量的方法。该方法可以应用于数字媒体，作为图片质量的评价依据，基于大部分用户的接受心理，筛选出符合大多数用户接受心理的图片。本方法的目标还在于，所筛选出的图片，就其尺寸，色彩饱和度来说，更宜于在数字媒体屏幕上显示。

Description

一种自动判断数字图片质量的装置及方法

技术领域

本发明属于图像处理技术，具体涉及一种自动判断数字图片质量的装置及方法。

背景技术

图像质量评价技术在许多图像处理应用中具有非常重要的作用，现今的图像质量评价方法可以分为主观评价和客观评价，主观评价是图像质量的最终标准，但是主观评价对于实际的图像处理系统来说通常不太现实。近年来许多研究者投入到客观图像质量评价方法中，在数字媒体时代，一张符合大多数用户接受心理的图片具有重大的作用，现有的评价和筛选均属于人为评价，主观性强。

发明内容

有鉴于此，本发明的主要目的是提供一种自动判断数字图片质量的装置及方法。

本发明采用的技术方案是：

一种自动判断数字图片质量的装置，包括

图片质量预检测单元，获取每一张图片的初始相关参数，依据获取的初始相关参数对每张图片设定一个初始的基准分值，用于评价其质量；

图片尺寸校验单元，依据获取的每张图片的初始参数，利用筛选模块分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸；

权重设定单元，接收优化单元优化后的图片参数，利用初始的基准分值对每一张图片进行权重设定；

人脸识别校验单元，依据每张图片的权重，对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；

图片质量判断单元，针对位置确定的目标图片，对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块进行计算，滤除低质量的图片；

偏色校验单元，依据hash计算模块的计算结果对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；

输出图片单元，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片并输出。

优选的，还包括存储单元和删除单元，所述存储单元用于对输出图片单元输出的图片进行存储，所述删除单元将偏色校验单元过滤掉的偏白色的图片进行删除。

优选的，所述图片质量判断单元内设置有低质量图片相似度校验单元，所述低质量图片相似度校验单元对滤除低质量的图片进行汉明距离的校验，确认其是否与设定低质量图片参数相似。

优选的，所述偏色校验单元内设置有RGB颜色空间处理单元，所述RGB颜色空间处理单元检测出其偏白像素比例。

本发明还提供了一种自动判断数字图片质量的方法，包括如下步骤：

第一步，依据图片质量预检测单元获取每一张图片的初始相关参数，依据获取的初始相关参数对每张图片设定一个初始的基准分值R，用于评价其质量；

第二步，依据获取的每张图片的初始参数，利用图片尺寸校验单元内的筛选模块分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸；比例在设定范围内的图片对其R值进行增加操作，比例超出设定范围内的图片对其R值进行减操作，增减的系数可以进行调校；

第三步：接收优化单元优化后的图片参数，利用初始的基准分值对每一张图片依据权重设定单元进行权重设定；

第四步，通过人脸识别校验单元对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；如果有识别出面部特征，则对其在图片中的位置进行校验，有面部特征且靠近图片中间区域的则对其R值进行加操作；有面部特征且在中间区域以外的则对其R值进行减操作；无面部特征则不对其R值进行操作；

第五步，针对目标图片，利用图片质量判断单元对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块进行计算hash值；针对目标图片，与已知低质量图片进行汉明距离的校验，确认其是否与已知垃圾图片相似，命中相似则对其R值进行减操作；不相似则不对其R值进行操作；

第六步，利用偏色校验单元对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；针对目标图片RGB颜色空间进行分析处理，检测出其偏白像素比例，这一比例大于60％时则对其R值进行减操作；

第七步，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片利用输出图片单元输出。

本发明公开了一种自动判断数字格式图片质量的装置和方法。该装置和方法可以应用于数字媒体，作为图片质量的评价依据，基于大部分用户的接受心理，筛选出符合大多数用户接受心理的图片。本方法的目标还在于，所筛选出的图片，就其尺寸，色彩饱和度来说，更宜于在数字媒体屏幕上显示。

附图说明

图1为本发明中装置的框架原理图；

图2为本发明的方法流程图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。

参照图1，一种自动判断数字图片质量的装置，包括

图片质量预检测单元100，获取每一张图片的初始相关参数，依据获取的初始相关参数对每张图片设定一个初始的基准分值，用于评价其质量；

图片尺寸校验单元102，依据获取的每张图片的初始参数，利用筛选模块1020分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸；

权重设定单元103，接收优化单元优化后的图片参数，利用初始的基准分值对每一张图片进行权重设定；

人脸识别校验单元104，依据每张图片的权重，对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；

图片质量判断单元105，针对位置确定的目标图片，对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块1050进行计算，滤除低质量的图片；

偏色校验单元106，依据hash计算模块的计算结果对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；

输出图片单元109，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片并输出。

还包括存储单元108和删除单元107，所述存储单元用于对输出图片单元输出的图片进行存储，所述删除单元将偏色校验单元过滤掉的偏白色的图片进行删除。

所述图片质量判断单元105内设置有低质量图片相似度校验单元1051，所述低质量图片相似度校验单元1051对滤除低质量的图片进行汉明距离的校验，确认其是否与设定低质量图片参数相似。

所述偏色校验单元106内设置有RGB颜色空间处理单元1060，所述RGB颜色空间处理单元1060检测出其偏白像素比例。

参照图2，本发明还提供了一种自动判断数字图片质量的方法，包括如下步骤：

第一步，依据图片质量预检测单元100获取每一张图片的初始相关参数，依据获取的初始相关参数对每张图片设定一个初始的基准分值R，用于评价其质量；

第二步，依据获取的每张图片的初始参数，利用图片尺寸校验单元102内的筛选模块1020分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸；比例在设定范围内的图片对其R值进行增加操作，比例超出设定范围内的图片对其R值进行减操作，增减的系数可以进行调校；

第三步：接收优化单元103优化后的图片参数，利用初始的基准分值对每一张图片依据权重设定单元进行权重设定；

第四步，通过人脸识别校验单元104对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；如果有识别出面部特征，则对其在图片中的位置进行校验，有面部特征且靠近图片中间区域的则对其R值进行加操作；有面部特征且在中间区域以外的则对其R值进行减操作；无面部特征则不对其R值进行操作；

第五步，针对目标图片，利用图片质量判断单元105对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块1050进行计算hash值；针对目标图片，与已知低质量图片进行汉明距离的校验，确认其是否与已知垃圾图片相似，命中相似则对其R值进行减操作；不相似则不对其R值进行操作；

第六步，利用偏色校验单元106对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；针对目标图片RGB颜色空间进行分析处理，检测出其偏白像素比例，这一比例大于60％时则对其R值进行减操作；

第七步，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片利用输出图片单元109输出。

以下参照像素参数30*30、40*40、…，300*300的图片作为实施例进行详细的描述。本实施例中，以选择像素区间为100*100～150*150为最佳的输出标准为例。

第一步，依据图片质量预检测单元100获取每一张图片的像素参数，(像素参数30*30、40*40、…，300*300)依据获取的像素对每张图片设定一个初始的基准分值R，比如，30*30像素图片的基准分值为30，40*40像素图片的基准分值为40，以此类推，对依据用于评价其质量；

第二步，依据获取的每张图片的像素参数换算成尺寸参数，利用图片尺寸校验单元102内的筛选模块1020分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸(100*100～150*150)；比例在设定范围内的图片对其R值进行增加操作，比例超出设定范围内的图片对其R值进行减操作，增减的系数可以进行调校，比如超过的减操作的系数为0.7，增加操作的系数为1.1；

第三步：接收优化单元103优化后的图片参数，此时，利用初始的基准分值对每一张图片依据权重设定单元进行权重设定，

第四步，通过人脸识别校验单元104对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；如果有识别出面部特征，则对其在图片中的位置进行校验，有面部特征且靠近图片中间区域的则对其R值进行加操作；有面部特征且在中间区域以外的则对其R值进行减操作；无面部特征则不对其R值进行操作；

第五步，针对目标图片，利用图片质量判断单元105对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块1050进行计算hash值；针对目标图片，与已知低质量图片进行汉明距离的校验，确认其是否与已知垃圾图片相似，命中相似则对其R值进行减操作；不相似则不对其R值进行操作；

第六步，利用偏色校验单元106对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；针对目标图片RGB颜色空间进行分析处理，检测出其偏白像素比例，这一比例大于60％时则对其R值进行减操作；

第七步，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片利用输出图片单元109输出。获取目标像素为(100*100～150*150)的照片输出。

以上对本发明实施例所公开的技术方案进行了详细介绍，本文中应用了具体实施例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种自动判断数字图片质量的装置，其特征在于，包括

图片质量预检测单元，获取每一张图片的初始相关参数，依据获取的初始相关参数对每张图片设定一个初始的基准分值，用于评价其质量；

图片尺寸校验单元，依据获取的每张图片的初始参数，利用筛选模块分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸；

权重设定单元，接收优化单元优化后的图片参数，利用初始的基准分值对每一张图片进行权重设定；

人脸识别校验单元，依据每张图片的权重，对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；

图片质量判断单元，针对位置确定的目标图片，对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块进行计算，滤除低质量的图片；

偏色校验单元，依据hash计算模块的计算结果对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；

输出图片单元，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片并输出。

2.根据权利要求1所述的自动判断数字图片质量的装置，其特征在于，还包括存储单元和删除单元，所述存储单元用于对输出图片单元输出的图片进行存储，所述删除单元将偏色校验单元过滤掉的偏白色的图片进行删除。

3.根据权利要求1所述的自动判断数字图片质量的装置，其特征在于，所述图片质量判断单元内设置有低质量图片相似度校验单元，所述低质量图片相似度校验单元对滤除低质量的图片进行汉明距离的校验，确认其是否与设定低质量图片参数相似。

4.根据权利要求1所述的自动判断数字图片质量的装置，其特征在于，所述偏色校验单元内设置有RGB颜色空间处理单元，所述RGB颜色空间处理单元检测出其偏白像素比例。

5.一种自动判断数字图片质量的方法，其特征在于，包括如下步骤：

第一步，依据图片质量预检测单元获取每一张图片的初始相关参数，依据获取的初始相关参数对每张图片设定一个初始的基准分值R，用于评价其质量；

第二步，依据获取的每张图片的初始参数，利用图片尺寸校验单元内的筛选模块分离每张图片的尺寸参数，依据尺寸参数对图片尺寸比例进行校验，以及对每一张图片进行利用优化单元获取每一张图片在设定范围内的尺寸；比例在设定范围内的图片对其R值进行增加操作，比例超出设定范围内的图片对其R值进行减操作，增减的系数可以进行调校；

第三步：接收优化单元优化后的图片参数，利用初始的基准分值对每一张图片依据权重设定单元进行权重设定；

第四步，通过人脸识别校验单元对图片进行人脸识别校验，识别出面部特征，并对其在图片中的位置进行校验；如果有识别出面部特征，则对其在图片中的位置进行校验，有面部特征且靠近图片中间区域的则对其R值进行加操作；有面部特征且在中间区域以外的则对其R值进行减操作；无面部特征则不对其R值进行操作；

第五步，针对目标图片，利用图片质量判断单元对其进行缩小，灰度之后，保留其结构与明暗数据，并通过hash计算模块进行计算hash值；针对目标图片，与已知低质量图片进行汉明距离的校验，确认其是否与已知垃圾图片相似，命中相似则对其R值进行减操作；不相似则不对其R值进行操作；

第六步，利用偏色校验单元对图片进行偏色校验，校验的目标是过滤掉偏白色的图片；针对目标图片RGB颜色空间进行分析处理，检测出其偏白像素比例，这一比例大于60％时则对其R值进行减操作；

第七步，确定图片质量系数值的筛选标准，筛选出大于筛选标准的图片利用输出图片单元输出。