[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111369531A - 图像清晰度的评分方法、设备及存储装置 - Google Patents

图像清晰度的评分方法、设备及存储装置 Download PDF

Info

Publication number
CN111369531A
CN111369531A CN202010144990.1A CN202010144990A CN111369531A CN 111369531 A CN111369531 A CN 111369531A CN 202010144990 A CN202010144990 A CN 202010144990A CN 111369531 A CN111369531 A CN 111369531A
Authority
CN
China
Prior art keywords
image
evaluated
value
brightness quality
feature
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
Application number
CN202010144990.1A
Other languages
English (en)
Other versions
CN111369531B (zh
Inventor
罗振杰
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010144990.1A priority Critical patent/CN111369531B/zh
Publication of CN111369531A publication Critical patent/CN111369531A/zh
Application granted granted Critical
Publication of CN111369531B publication Critical patent/CN111369531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

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)
  • Image Processing (AREA)

Abstract

本申请公开了一种图像清晰度的评分方法、设备及存储装置。其中，图像清晰度的评分方法包括：获取待评分图像；对待评分图像的至少一个特征进行分析，得到每个特征对应的分数，其中，至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个；利用至少一个特征的分数，得到待评分图像的清晰度分值。上述方案，可提高图像评分的精准度。

Description

图像清晰度的评分方法、设备及存储装置
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像清晰度的评分方法、设备及存储装置。
背景技术
图像技术已得到广泛的应用，例如，交通违章判罚的取证拍摄等。以交通违章判罚的取证拍摄时对来往车辆的车牌图像进行拍摄为例，由于车辆通行的实际情况较复杂，并非所有图像都清晰而需后续的存储和利用，因此需要过滤不清晰图像。从而，面对大量的图像，需要对图像清晰度进行评分后，过滤掉不清晰的图像。目前，主观评价图像清晰度需要大量人力根据主观看法评分，耗时且成本较高；而客观评价图像清晰度包括全参考图方法、半参考图方法和无参考图方法，其中，若采用全参考图方法和半参考图方法，往往很难获得清晰的图像作为参考，而无参考图方法的直接评分又不够准确。
基于此，针对现有的图像清晰度评分不准确的问题，如何提高图像评分的精准度，成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种图像清晰度的评分方法、设备及存储装置，能够实现对图像清晰度进行评分，提高图像评分的精准度。
为了解决上述问题，本申请第一方面提供了一种图像清晰度的评分方法，包括：获取待评分图像；对待评分图像的至少一个特征进行分析，得到每个特征对应的分数，其中，至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个；利用至少一个特征的分数，得到待评分图像的清晰度分值。
为解决上述问题，本申请第二方面提供了一种电子设备，包括相互耦接的处理器和存储器，其中，处理器用于执行存储器存储的计算机程序以执行上述第一方面的图像清晰度的评分方法。
为解决上述问题，本申请第三方面提供了一种存储装置，存储有能够实现上述第一方面的图像清晰度的评分方法。
上述方案中，获取待评分图像；对待评分图像的至少一个特征进行分析，得到每个特征对应的分数，其中，至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个；利用至少一个特征的分数，得到待评分图像的清晰度分值。通过上述方式，可实现对图像清晰度进行评分，提高图像评分的精准度。
附图说明
图1是本申请图像清晰度的评分方法一实施例的流程示意图；
图2是本申请图像清晰度的评分方法另一实施例的流程示意图；
图3是本申请图像清晰度的评分方法另一实施例步骤S203的一流程示意图；
图4是本申请图像清晰度的评分方法另一实施例步骤S203的另一流程示意图；
图5是本申请电子设备一实施例的框架示意图；
图6是本申请电子设备一实施例的结构示意图；
图7是本申请存储装置一实施例的框架示意图；
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
请参阅图1，图1是本申请图像清晰度的评分方法一实施例的流程示意图。具体而言，本实施例方法包括以下步骤：
步骤S101：获取待评分图像。
待评分图像为车牌图像等图像。待评分图像可直接通过图像拍摄设备拍摄待评分图像，也可通过图像拍摄设备拍摄包含待评分图像的整图后提取获得待评分图像。以待评分图像为车牌图像为例，车牌图像的获取方式，可以是直接通过图像拍摄设备拍摄车牌图像而来，还可以是图像拍摄设备拍摄包含车牌图像的整图后，提取整图中的车牌图像所在区域得到车牌图像。
待评分图像可以为未经处理的原始图像，也可以为经转换的灰度图像，还可以为经去噪的降噪图像，在此不作具体限定。可以理解的，上述原始图像是可通过算法将其变为灰度图像的图像。在一实施例中，待评分图像为未经处理的原始图像，可通过算法对其进行灰度化处理后，执行步骤S102及其后续步骤。
步骤S102：对待评分图像的至少一个特征进行分析，得到每个特征对应的分数。
本申请至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个，还可以包含评价图像清晰度的其余特征。
针对待评分图像的图像亮度质量进行分析时，获取待评分图像的第一平均像素值；利用第一平均像素值得到待评分图像的图像亮度质量；基于图像亮度质量，获取图像亮度质量对应的分数。其中，第一平均像素值为待评分图像中像素点的像素值的均值。图像亮度质量为对待评分图像亮或暗的评价，可反应图像清晰度。
具体地，获取待评分图像每个像素点的所有像素值并进行像素值累加，将累加的像素值除以像素个数，即可待评分图像的第一平均像素值。在另一实施例中，第一平均像素值也可为待评分图像的部分像素点的像素值的平均值。利用第一平均像素值转化为对图像亮度质量进行线性评价的图像亮度质量，其中，图像亮度质量越大，图像越清晰。获取到图像亮度质量后即可获取图像亮度质量对应的分数。由图像亮度质量获取对应的分数的方式不作限定，可以预设图像亮度质量与其对应的分数的对应关系，在获得图像亮度质量后即可对应得到分数，例如，图像亮度质量为0.5-1时，对应分数为80-100；可以利用预设公式计算图像亮度质量的对应的分数；还可以为多次获取图像亮度质量后，将多个图像亮度质量的均值采用上述任一方式得到对应的分数等。
针对待评分图像的图像角点数量进行分析时，获取待评分图像中属于预设类型的角点数量；基于角点数量，得到图像角点数量对应的分数。角点的预设类型包括但不限于Harris角点。获取待评分图像的角点时，可获取待评分图像中所有角点，还可获取待评分图像中的部分角点。
在一实施例中，基于角点数量，得到图像角点数量对应的分数具体过程如下：获取角点数量与第四常数的积的反正切函数值，获取第五常数与反正切函数值的积，并将第五常数与反正切函数值的积与第二预设值中的最小值作为图像角点数量对应的分数。其中，第四常数、第五常数的取值大小可由用户自定义。
通过对图像角点数量进行评分，可避免待评分图像的边框的边缘特性对待评分图像清晰度评分的影响。待评分图像中包含文字时，角点一般分布于文字部分，从而在对图像角点数量进行评分时，可对待评分图像中的文字评分并考虑到文字的先验，避免待评分图像的边框的边缘特性对待评分图像清晰度评分的影响。
针对待评分图像的图像角点空间分布进行分析时，获取待评分图像中属于预设类型的角点的位置信息；基于角点的位置信息，获取图像角点空间分布对应的分数。角点的预设类型包括但不限于Harris角点。获取待评分图像的图像角点空间分布时，其角点的预设类型与获取待评分图像的图像角点数量时的预设类型相同，均为Harris角点。
在一实施例中，位置信息为第一轴坐标和第二轴坐标，基于角点的位置信息，获取图像角点空间分布对应的分数时，将每个角点的第一轴坐标和第二轴坐标进行归一化。获取角点的归一化后的第一轴坐标的第一标准差，并获取角点的归一化后的第二轴坐标的第二标准差；获取第一标准差的平方和第二标准差的平方之间的均值，并将均值的平方根与第三预设值的积作为图像角点空间分布对应的分数。
通过对图像角点空间分布进行评分，使得评分结果更符合待评分图像的具体对象特征。待评分图像中包含文字时，文字整体均匀分布于待评分图像，由于对图像角点空间分布进行评分，可减少由于图像角点聚集导致的待评分图像清晰度评分结果的误差。
以上图像亮度质量、图像角点数量和图像角点空间分布可任意选择其中一个或多个特征进行分析，得到对应的分数，作为待评分图像清晰度评分的基础。
步骤S103：利用至少一个特征的分数，得到待评分图像的清晰度分值。
获取到每个特征的分数后，将至少一个特征的分数进行加权求和，得到待评分图像的清晰度分值。选择图像亮度质量、图像角点数量和图像角点空间分布中的至少一个特征对待评分图像的清晰度进行评分时，所选择的所有特征所占权重之和为1，每个特征的权重大小可自定义。例如，利用图像亮度质量、图像角点数量和图像角点空间分布三个特征的分数，得到待评分图像的清晰度分值时，图像亮度质量的权重为0.2，图像角点数量的权重为0.5，图像角点空间分布的权重为0.3。
获取待评分图像；对待评分图像的至少一个特征进行分析，得到每个特征对应的分数，其中，至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个；利用至少一个特征的分数，得到待评分图像的清晰度分值。通过上述方式，可实现对图像清晰度进行评分，提高图像评分的精准度。
请参阅图2，图2是本申请图像清晰度的评分方法另一实施例的流程示意图。具体而言，本实施例方法包括以下步骤：
步骤S201：获取待评分图像。
本实施例中，待评分图像为未经任何处理的原始图像，其由图像拍摄设备拍摄所得的彩色图。
步骤S202：将待评分图像进行灰度化处理。
对彩色的待评分图像进行灰度化处理，使其转换为灰度图。灰度化处理为现有技术的处理方式，例如，将三通道的BMP(Bitmap，位图)转换为单通道的灰度图。
在一实施例中，可将灰度化处理后的待评分图像进行平滑去噪处理。其中，去噪处理时，选用现有技术中任一滤波器及去噪算法均可，例如，选用双边滤波器，利用具有保边能力的去噪算法对经灰度化处理后的待评分图像进行去噪，得到降噪后的待评分图像，以进行后续图像清晰度的评分方法的步骤。
步骤S203：对经灰度化处理后的待评分图像的至少一个特征进行分析，得到每个特征对应的分数。
本实施例中，对经灰度化处理后的待评分图像的图像亮度质量进行分析，得到图像亮度质量对应的分数的具体描述可参阅图3。图3是本申请图像清晰度的评分方法另一实施例步骤S203的一流程示意图，具体地，步骤S203包括以下步骤：
步骤S2031：获取待评分图像的第一平均像素值。
获取待评分图像每个像素点的所有像素值并进行像素值累加，将累加的像素值除以像素个数，即可待评分图像的第一平均像素值。
步骤S2032：利用第一平均像素值得到待评分图像的图像亮度质量。
将第一平均像素值归一化为第二平均像素值。基于第二平均像素值，获得待评分图像的图像亮度质量。具体地，获取第一平均像素值后，将第一平均像素值除以255，使得第一平均像素值归一化到0至1的范围，从而得到第二平均像素值。由归一化后的第二平均像素值获得待评分图像的图像亮度质量时，将第二平均像素值与第一常数之间的差的平方乘以第二常数，得到积；将第三常数减去上述积得到待评分图像的图像亮度质量。其中，第一常数、第二常数和第三常数的取值大小可由用户自定义。图像亮度质量的计算公式如下：
Figure BDA0002400425540000061
其中a为第一常数，b为第二常数，c为第三常数，C为第二平均像素值，
Figure BDA0002400425540000062
为图像亮度质量。
在一应用实施例中，第一常数为0.5，第二常数b为4，第三常数为1，则图像亮度质量的计算公式具体如下：
Figure BDA0002400425540000063
图像亮度质量越大，图像越清晰，从而将第一平均像素值转化为对图像亮度进行线性评价的图像亮度质量，可将过亮或过暗的图像将获得较低的图像亮度质量值。若待评分图像是车牌图像，且交通违章时过滤不清晰的车牌图像时，利用图像亮度质量可快速将过亮或过暗的车牌图像予以排除。
步骤S2033：基于图像亮度质量，获取图像亮度质量对应的分数。
判断图像亮度质量的值是否大于或等于预设亮度质量值。若图像亮度质量的值大于或等于预设亮度质量值，则将图像亮度质量对应的分数确定为第一预设值。若图像亮度质量的值小于预设亮度质量值，则获取图像亮度质量的值与预设亮度质量值的比值，并基于比值和第一预设值计算得到图像亮度质量对应的分数。将比值与第一预设值的积作为图像亮度质量对应的分数。图像亮度质量对应的分数的计算公式如下：
Figure BDA0002400425540000071
其中，Q_C为图像亮度质量对应的分数，
Figure BDA0002400425540000072
为图像亮度质量，T为预设亮度质量值，d为第一预设值。
第一预设值d的取值大小可由用户自定义，例如，第一预设值d为100。预设亮度质量值T的取值大小为图像亮度质量
Figure BDA0002400425540000073
取值中的任意一个。
因此，对待评分图像的图像亮度质量进行分析时，获取待评分图像每个像素点的所有像素值并进行累加，将累加的像素值除以像素个数，即可待评分图像的第一平均像素值。获取第一平均像素值后，将第一平均像素值除以255，使得第一平均像素值归一化到0至1的范围，从而得到第二平均像素值。将第二平均像素值与第一常数之间的差的平方乘以第二常数，得到积；将第三常数减去积得到待评分图像的图像亮度质量，从而基于第二平均像素值，获得待评分图像的图像亮度质量。判断图像亮度质量的值是否大于或等于预设亮度质量值；若是，则将图像亮度质量对应的分数确定为第一预设值；若否，则获取图像亮度质量的值与预设亮度质量值的比值，并基于比值和第一预设值计算得到图像亮度质量对应的分数。
本实施例中，对经灰度化处理后的待评分图像的图像角点数量进行分析，得到图像亮度质量对应的分数时，获取待评分图像中属于预设类型的角点数量，上述角点的预设类型包括但不限于Harris角点。获取待评分图像的角点数量后，获取角点数量与第四常数的积的反正切函数值，获取第五常数与反正切函数值的积，并将第五常数与反正切函数值的积与第二预设值中的最小值作为图像角点数量对应的分数。图像角点数量的分数的计算公式如下：
Q_N＝min(g*arctan(f*N),e)
其中，Q_N为图像角点数量对应的分数e为第二预设值，N为角点数量，f为第四常数，g为第五常数。
针对待评分图像的图像角点空间分布进行分析，并且位置信息为第一轴坐标和第二轴坐标，例如，第一轴坐标和第二轴坐标分别为x轴和y轴。如图4所示，图4是本申请图像清晰度的评分方法另一实施例步骤S203的另一流程示意图，具体地，步骤S203包括以下步骤：
步骤S203a：获取待评分图像中属于预设类型的角点的位置信息。
本实施例中，获取待评分图像中的Harris角点，并获取每个角点的第一轴坐标和第二轴坐标(x，y)。
步骤S203b：将每个角点的第一轴坐标和第二轴坐标进行归一化。
具体地，角点坐标归一化的公式为：
Figure BDA0002400425540000081
其中，
Figure BDA0002400425540000082
为归一化后的第一轴坐标，
Figure BDA0002400425540000083
为归一化后的第二轴坐标，width、height分别为待评分图像的宽和长，x、y分别为每个角点的第一轴坐标和第二轴坐标。
步骤S203c：获取角点的归一化后的第一轴坐标的第一标准差，并获取角点的归一化后的第二轴坐标的第二标准差。
具体地，第一标准差与第二标准差的计算公式如下：
Figure BDA0002400425540000084
Figure BDA0002400425540000091
其中，N为角点数量，
Figure BDA0002400425540000092
为归一化后的第一轴坐标，
Figure BDA0002400425540000093
为归一化后的第二轴坐标，
Figure BDA0002400425540000094
为归一化后的第一轴坐标的均值，
Figure BDA0002400425540000095
为归一化后的第二轴坐标的均值。sigx为第一标准差，sigy为第二标准差。
步骤S203d：获取第一标准差的平方和第二标准差的平方之间的均值，并将均值的平方根与第三预设值的积作为图像角点空间分布对应的分数。
具体地，图像角点空间分布的分数的计算公式为：
Figure BDA0002400425540000096
其中，Q_D为图像角点空间分布的分数，h为第三预设值。
在一实施例中，图像亮度质量、图像角点数量和图像角点空间分布可任意选择其中一个或多个特征进行分析，得到对应的分数。上述第一预设值、第二预设值和第三预设值可相同，如取值均为100，
步骤S204：利用至少一个特征的分数，得到待评分图像的清晰度分值。
获取到每个特征的分数后，将至少一个特征的分数进行加权求和，得到待评分图像的清晰度分值。选择图像亮度质量、图像角点数量和图像角点空间分布中的至少一个特征对待评分图像的清晰度进行评分时，所选择的所有特征所占权重之和为1，每个特征的权重大小可自定义。
通过上述方式，获取待评分图像并将待评分图像进行灰度化处理，对经灰度化处理后的待评分图像的至少一个特征进行分析，得到每个特征对应的分数，利用至少一个特征的分数，得到待评分图像的清晰度分值，能够较精准地对图像清晰度进行评分。
在一具体应用中，在高速公路的交通违章判罚的取证点，获取车辆的车牌图像作为待评分图像，并对待评分图像的图像亮度质量、图像角点数量和图像角点空间分布的三个特征进行分析，得到每个特征对应的分数，然后利用每一个特征的分数，即可得到待评分图像的清晰度分值。车牌图像中包含文字，角点一般分布于文字部分，从而在对车牌图像的图像角点数量进行评分时，可对车牌图像中的文字评分并考虑到文字的先验，避免车牌图像的边框的边缘特性对车牌图像清晰度评分的影响。又由于文字整体均匀分布于车牌图像，引入图像角点空间分布的评分，可减少由于图像角点聚集导致的车牌图像清晰度评分结果的误差。基于此，对于海量的车牌图像，利用本申请的图像清晰度的评分方法，可快速将不清晰的车牌图像过滤掉，减少交通违章判罚的取证数量，并且本申请不涉及图像的频域操作，流程相对简单，计算不复杂，从而可提高车牌图像的处理效率。
请参阅图5，图5为本申请电子设备一实施例的框架示意图。具体而言，本实施例中电子设备500包括相互耦接的存储器510和处理器520。其中，存储器510用于存储的程序指令以及处理器520处理时所需存储的数据。
处理器520控制存储器510及其自身以实现上述目标跟踪方法任一实施例的步骤。处理器520还可以称为CPU(Central Processing Unit，中央处理单元)。处理器520可能是一种集成电路芯片，具有信号的处理能力。处理器520还可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，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。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。另外，处理器520可以由多个成电路芯片共同实现。
在一实施例中，电子设备500还可以进一步包括摄像器件530，处理器520还用于控制摄像器件530，以使摄像器件530对目标场景拍摄，得到包含目标的图像。在另一实施例中，电子设备500也可以不包括摄像器件530，电子设备500包括通信电路，处理器520通过通信电路与外部摄像器件连接，以获取得到摄像器件拍摄得到的包含目标的图像。
请参阅图6，图6为本申请电子设备一实施例的结构示意图。如图6所示，该电子设备600包括第一获取模块610、分析模块620和第二获取模块630。
第一获取模块610用于获取待评分图像。
分析模块620用于对待评分图像的至少一个特征进行分析，得到每个特征对应的分数。其中，其中，至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个。
第二获取模块630用于利用至少一个特征的分数，得到待评分图像的清晰度分值。
请参阅图7，图7为本申请存储装置700一实施例的框架示意图。本申请存储装置700存储有能够被处理器运行的程序指令701，程序指令701用于实现上述任一图像清晰度的评分方法的实施例中步骤。
该存储装置700具体可以为U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等可以存储程序指令701的介质，或者也可以为存储有该程序指令701的服务器，该服务器可将存储的程序指令701发送给其他设备运行，或者也可以自运行该存储的程序指令701。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以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。
集成的单元如果以软件功能单元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全部或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)或处理器(processor)执行本申请各个实施方式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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (12)

1.一种图像清晰度的评分方法，其特征在于，包括：
获取待评分图像；
对所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数，其中，所述至少一个特征包括图像亮度质量、图像角点数量和图像角点空间分布中的至少一个；
利用所述至少一个特征的分数，得到所述待评分图像的清晰度分值。
2.根据权利要求1所述的方法，其特征在于，所述至少一个特征包括图像亮度质量，所述对所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数，包括：
获取所述待评分图像的第一平均像素值；
利用所述第一平均像素值得到所述待评分图像的图像亮度质量；
基于所述图像亮度质量，获取所述图像亮度质量对应的分数。
3.根据权利要求2所述的方法，其特征在于，所述利用所述第一平均像素值得到所述待评分图像的图像亮度质量，包括：
将所述第一平均像素值归一化为第二平均像素值；
基于所述第二平均像素值，获得所述待评分图像的图像亮度质量；
所述基于所述图像亮度质量，获取所述图像亮度质量对应的分数包括：
判断所述图像亮度质量的值是否大于或等于预设亮度质量值；
若是，则将所述图像亮度质量对应的分数确定为第一预设值；
若否，则获取所述图像亮度质量的值与所述预设亮度质量值的比值，并基于所述比值和所述第一预设值计算得到所述图像亮度质量对应的分数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第二平均像素值，获得所述待评分图像的图像亮度质量，包括：
将所述第二平均像素值与第一常数之间的差的平方乘以第二常数，得到积；
将第三常数减去所述积得到所述待评分图像的图像亮度质量；
所述基于所述比值和所述第一预设值计算得到所述图像亮度质量对应的分数，包括：
将所述比值与所述第一预设值的积作为所述图像亮度质量对应的分数。
5.根据权利要求1所述的方法，其特征在于，所述至少一个特征包括图像角点数量，所述对所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数，包括：
获取所述待评分图像中属于预设类型的角点数量；
基于所述角点数量，得到所述图像角点数量对应的分数。
6.根据权利要求5所述的方法，其特征在于，所述基于所述角点数量，得到所述图像角点数量对应的分数，包括：
获取所述角点数量与第四常数的积的反正切函数值，获取第五常数与所述反正切函数值的积，并将所述第五常数与所述反正切函数值的积与第二预设值中的最小值作为所述图像角点数量对应的分数。
7.根据权利要求1所述的方法，其特征在于，所述至少一个特征包括图像角点空间分布，所述对所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数，包括：
获取所述待评分图像中属于预设类型的角点的位置信息；
基于所述角点的位置信息，获取图像角点空间分布对应的分数。
8.根据权利要求7所述的方法，其特征在于，所述位置信息包括第一轴坐标和第二轴坐标，所述基于所述角点的位置信息，获取图像角点空间分布对应的分数，包括：
将每个所述角点的所述第一轴坐标和第二轴坐标进行归一化；
获取所述角点的归一化后的第一轴坐标的第一标准差，并获取所述角点的归一化后的第二轴坐标的第二标准差；
获取所述第一标准差的平方和第二标准差的平方之间的均值，并将所述均值的平方根与第三预设值的积作为所述图像角点空间分布对应的分数。
9.根据权利要求1至8中任意一项所述的方法，其特征在于，在所述对所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数之前，还包括：
将所述待评分图像进行灰度化处理；
所述对所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数，包括：
对经灰度化处理后的所述待评分图像的至少一个特征进行分析，得到每个所述特征对应的分数；
所述利用所述至少一个特征的分数，得到所述待评分图像的清晰度分值，包括：
将所述至少一个特征的分数进行加权求和，得到所述待评分图像的清晰度分值。
10.一种电子设备，其特征在于，包括相互耦接的存储器和处理器；
所述处理器用于执行所述存储器存储的程序指令，以实现权利要求1至9任一项所述的方法。
11.根据权利要求10所述的设备，其特征在于，还包括摄像器件，用于拍摄得到所述待评分图像。
12.一种存储装置，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1至9任一项所述的方法。
CN202010144990.1A 2020-03-04 2020-03-04 图像清晰度的评分方法、设备及存储装置 Active CN111369531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010144990.1A CN111369531B (zh) 2020-03-04 2020-03-04 图像清晰度的评分方法、设备及存储装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010144990.1A CN111369531B (zh) 2020-03-04 2020-03-04 图像清晰度的评分方法、设备及存储装置

Publications (2)

Publication Number Publication Date
CN111369531A true CN111369531A (zh) 2020-07-03
CN111369531B CN111369531B (zh) 2023-09-01

Family

ID=71208583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010144990.1A Active CN111369531B (zh) 2020-03-04 2020-03-04 图像清晰度的评分方法、设备及存储装置

Country Status (1)

Country Link
CN (1) CN111369531B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859022A (zh) * 2020-07-07 2020-10-30 咪咕文化科技有限公司 封面生成方法、电子设备及计算机可读存储介质
CN116643372A (zh) * 2023-07-27 2023-08-25 深圳赛陆医疗科技有限公司 调校方法及其装置、基因测序仪和存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139486A (ja) * 1997-07-24 1999-02-12 Ricoh Co Ltd 画像の画質評価方法
KR20060111045A (ko) * 2005-04-21 2006-10-26 엘지전자 주식회사 영상의 블록 효과 평가 방법
CN102609939A (zh) * 2012-01-16 2012-07-25 北京航空航天大学 一种tfds图像质量评价方法及系统
CN102903073A (zh) * 2012-10-09 2013-01-30 深圳市掌网立体时代视讯技术有限公司 一种图像清晰度计算方法及装置
CN103093419A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种检测图像清晰度的方法及装置
JP5500404B1 (ja) * 2013-05-28 2014-05-21 株式会社コンセプト 画像処理装置及びそのプログラム
CN104182983A (zh) * 2014-08-27 2014-12-03 重庆大学 基于角点特征的高速公路监控视频清晰度的检测方法
US20150294484A1 (en) * 2013-07-24 2015-10-15 Tencent Technology (Shenzhen) Company Limited Devices, Terminals and Methods for Image Processing
CN105139404A (zh) * 2015-08-31 2015-12-09 广州市幸福网络技术有限公司 一种可检测拍摄质量的证照相机及拍摄质量检测方法
CN105654470A (zh) * 2015-12-24 2016-06-08 小米科技有限责任公司 图像选取方法、装置及系统
WO2019033574A1 (zh) * 2017-08-17 2019-02-21 平安科技（深圳）有限公司 电子装置、动态视频人脸识别的方法、系统及存储介质
CN109544504A (zh) * 2018-10-16 2019-03-29 天津大学 基于稀疏表示的屏幕图像质量评价方法
CN109785343A (zh) * 2019-01-17 2019-05-21 深圳英飞拓科技股份有限公司 基于清晰度的人脸抠图图片的优选方法及装置
CN110706183A (zh) * 2019-10-11 2020-01-17 成都极米科技股份有限公司 图像清晰度的确定方法、装置、投影仪设备及存储介质
CN110717922A (zh) * 2018-07-11 2020-01-21 普天信息技术有限公司 一种图像清晰度评价方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139486A (ja) * 1997-07-24 1999-02-12 Ricoh Co Ltd 画像の画質評価方法
KR20060111045A (ko) * 2005-04-21 2006-10-26 엘지전자 주식회사 영상의 블록 효과 평가 방법
CN103093419A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种检测图像清晰度的方法及装置
CN102609939A (zh) * 2012-01-16 2012-07-25 北京航空航天大学 一种tfds图像质量评价方法及系统
CN102903073A (zh) * 2012-10-09 2013-01-30 深圳市掌网立体时代视讯技术有限公司 一种图像清晰度计算方法及装置
JP5500404B1 (ja) * 2013-05-28 2014-05-21 株式会社コンセプト 画像処理装置及びそのプログラム
US20150294484A1 (en) * 2013-07-24 2015-10-15 Tencent Technology (Shenzhen) Company Limited Devices, Terminals and Methods for Image Processing
CN104182983A (zh) * 2014-08-27 2014-12-03 重庆大学 基于角点特征的高速公路监控视频清晰度的检测方法
CN105139404A (zh) * 2015-08-31 2015-12-09 广州市幸福网络技术有限公司 一种可检测拍摄质量的证照相机及拍摄质量检测方法
CN105654470A (zh) * 2015-12-24 2016-06-08 小米科技有限责任公司 图像选取方法、装置及系统
WO2019033574A1 (zh) * 2017-08-17 2019-02-21 平安科技（深圳）有限公司 电子装置、动态视频人脸识别的方法、系统及存储介质
CN110717922A (zh) * 2018-07-11 2020-01-21 普天信息技术有限公司 一种图像清晰度评价方法及装置
CN109544504A (zh) * 2018-10-16 2019-03-29 天津大学 基于稀疏表示的屏幕图像质量评价方法
CN109785343A (zh) * 2019-01-17 2019-05-21 深圳英飞拓科技股份有限公司 基于清晰度的人脸抠图图片的优选方法及装置
CN110706183A (zh) * 2019-10-11 2020-01-17 成都极米科技股份有限公司 图像清晰度的确定方法、装置、投影仪设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王秋燕: "基于轮廓曲率的多边形角点检测算法", 《测绘》 *
郭保平;张兆东;: "盲图像质量评价在智能交通系统中的应用", 交通信息与安全, no. 01 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859022A (zh) * 2020-07-07 2020-10-30 咪咕文化科技有限公司 封面生成方法、电子设备及计算机可读存储介质
CN116643372A (zh) * 2023-07-27 2023-08-25 深圳赛陆医疗科技有限公司 调校方法及其装置、基因测序仪和存储介质
CN116643372B (zh) * 2023-07-27 2023-10-13 深圳赛陆医疗科技有限公司 调校方法及其装置、基因测序仪和存储介质

Also Published As

Publication number Publication date
CN111369531B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN110852997B (zh) 动态图像清晰度检测方法、装置、电子设备及存储介质
JP2023503749A (ja) カメラレンズの状態検出方法、装置、機器及び記憶媒体
CN113240630B (zh) 散斑图像质量评估方法、装置、终端设备及可读存储介质
CN109064504B (zh) 图像处理方法、装置和计算机存储介质
CN109903265B (zh) 一种图像变化区域侦测阀值设定方法、系统及其电子装置
CN111445058B (zh) 数据分析方法、装置、设备及计算机可读存储介质
WO2019210707A1 (zh) 一种图像清晰度评测方法、装置及电子设备
CN113822818B (zh) 散斑提取方法、装置、电子设备及存储介质
CN111192241A (zh) 一种人脸图像的质量评估方法、装置及计算机存储介质
CN112204957A (zh) 白平衡处理方法和设备、可移动平台、相机
CN111369531B (zh) 图像清晰度的评分方法、设备及存储装置
CN117911338A (zh) 图像清晰度评价方法、装置、计算机设备及存储介质
CN111445435A (zh) 一种基于多区块小波变换的无参考图像质量评价方法
CN116129195A (zh) 图像质量评价装置、方法、电子设备和存储介质
CN116863458A (zh) 车牌识别方法、装置、系统及存储介质
CN111311562B (zh) 虚焦图像的模糊度检测方法及装置
CN107301421A (zh) 车辆颜色的识别方法及装置
CN116109695A (zh) 质心定位方法及相关设备
Chen et al. Focus manipulation detection via photometric histogram analysis
CN112017163B (zh) 图像模糊度检测的方法、装置、电子设备及存储介质
CN111222446B (zh) 人脸识别方法、人脸识别装置及移动终端
CN106778822B (zh) 基于漏斗变换的图像直线检测方法
Fry et al. Validation of modulation transfer functions and noise power spectra from natural scenes
CN115690747B (zh) 车辆盲区检测模型测试方法、装置、电子设备及存储介质
CN111539975A (zh) 一种运动目标的检测方法、装置、设备及存储介质

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