CN101551900B - 一种视频马赛克图像检测方法 - Google Patents
一种视频马赛克图像检测方法 Download PDFInfo
- Publication number
- CN101551900B CN101551900B CN 200810103053 CN200810103053A CN101551900B CN 101551900 B CN101551900 B CN 101551900B CN 200810103053 CN200810103053 CN 200810103053 CN 200810103053 A CN200810103053 A CN 200810103053A CN 101551900 B CN101551900 B CN 101551900B
- Authority
- CN
- China
- Prior art keywords
- image
- moving window
- images
- mosaic
- template
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种视频马赛克图像检测方法,属于图像检测技术领域。马赛克现象是视频传输中的数据丢失或者在视频压缩中过度压缩造成的视频帧中出现的块效应现象,视频马赛克现象的出现会直接影响对于图像内容的理解和分析。在现有技术中,还不存在有效的视频马赛克图像检测的方法。本发明所述的方法:首先将待检测图像转换为灰度图,进行坎尼边缘检测,获得只具有轮廓信息的图像;然后利用四个模板对轮廓图像进行模板匹配,获得四个匹配图像;再对四个匹配图像进行二值化处理,获得只保留相匹配的点的图像;最后利用滑动窗口马赛克检测算法检测图像是否具有马赛克。采用本发明所述的方法能够有效的检测出视频中是否存在马赛克。
Description
技术领域
本发明属于图像检测技术领域,具体涉及一种视频马赛克图像检测方法。
背景技术
马赛克现象是视频传输中的数据丢失或者在视频压缩中过度压缩造成的视频帧中出现的块效应现象,主要表现形式是在图像中出现大块的连续色块。在视频质量的检测和恢复领域,视频马赛克现象的出现会直接影响对于图像内容的理解和分析。在现有的技术中,还没有一种视频马赛克图像的检测方法,本发明提供了这样一种方法。
为了更好的理解本发明所述的方法,现将本发明所涉及的现有技术简要介绍如下。
坎尼(Canny)边缘检测算子:是John F.Canny于1986年开发出来的一个图像多级边缘检测算法。图像的边缘是指图像局部区域亮度变化显著的部分,该区域的灰度剖面一般可以看作是一个阶跃,既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息,图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的,同时也是图像分割所依赖的重要特征,边缘检测主要是图像的灰度变化的度量、检测和定位,自从1959提出边缘检测以来,经过五十多年的发展,已有许多种不同的边缘检测方法。本发明所用的Canny边缘检测算子主要包括以下步骤。
第一步,高斯低通滤波与高斯一阶导数滤波。
卷积的微分性质告诉我们:两个函数相卷积后的导数等于其中一个函数的导数与另一函数的卷积。即
如用H(x,y)表示灰度图像,G(x,y)表示二维高斯函数,则
即用高斯函数与高斯函数一阶导数滤波等于对图像进行两次高斯低通滤波后再求其梯度。由于高斯函数的傅里叶变换仍然是高斯函数,因此高斯函数能构成一个在时域和频域都具有平滑性能的低通滤波器。Canny算子用高斯函数与高斯函数一阶导数滤波能起到滤波和求得梯度的双重结果。
第二步,计算每个像素梯度的大小和方向,对梯度进行非极大值抑制。
假设Gn是二维高斯函数G在方向n上的一阶导数,即
方向n与图像边缘是垂直的,尽管这个方向预先并不知道,但基于平滑后的梯度方向可对方向n作一有效的估计。若用I表示图像,则边缘的法线n可估计为:
而边缘点就位于图像I与高斯一阶导数G卷积后,沿方向n的局部最大处。通过对沿方向n的偏导数取零求驻点,即
将(3)式代入得:
此式揭示了如何寻找与边缘方向垂直的局部最大点,这种寻找局部最大的算法称之为非极大值抑制。根据卷积与微分的性质,可先做卷积运算,后再求二阶方向导数。同时边缘的强度,即梯度幅值可写作:
第三步,进行阈值化和边缘连接。
对非极大值抑制幅值进行阈值化后的结果是一个图像的边缘阵列。阈值化后得到的边缘阵列仍然有假边缘存在,如果用单阈值来处理,选择合适的阈值是很困难的,常需要经过反复试验。
有效的方法是选用两个阈值。选取两个阈值TH(高阈值)、TL(低阈值),对于己经检测到的梯度幅值进行阈值处理:①梯度幅值中大于等于高阈值TH的像素点一定是边缘点;②梯度幅值中小于等于低阈值TL的像素点一定不是边缘点;③梯度幅值介于高阈值TH和低阈值TL之间的像素点,可能是边缘点,也可能不是边缘点,判断准则是:只有和局部最大保持8邻域连接的才是边缘点。总之,通过滞后阈值判断的边缘点是大于等于高阈值TH的像素点和介于高阈值TH和低阈值TL之间的与局部最大有8邻域连接的像素点。
发明内容
为了解决现有技术中不存在视频马赛克图像检测方法的问题,本发明的目的是提供一种视频马赛克图像检测方法,采用本发明所述的方法能够有效的检测出视频帧图像中是否存在马赛克。
为了实现上述目的,本发明采用的技术方案是,一种视频马赛克图像检测方法,包括以下步骤:
(1)将待检测图像转换为灰度图,进行坎尼边缘检测,获得只具有轮廓信息的图像;
(2)利用四个模板对步骤(1)得到的图像进行模板匹配,获得四个匹配后的图像;
(3)对步骤(2)中得到的四个图像进行二值化处理,获得只保留匹配点的图像;
(4)利用滑动窗口检测步骤(3)中得到的图像是否具有马赛克。
进一步,步骤(2)中所述的模板是指一个图像,包括Windows位图文件-BMP,DIB;JPEG文件-JPEG,JPG,JPE;便携式网络图片-PNG;便携式图像格式-PBM,PGM,PPM;Sun rasters-SR,RAS;TIFF文件-TIFF,TIF;OpenEXRHDR图片-EXR;JPEG 2000图片-jp2。
四个模板分别用于检测马赛克块的四个角;检测左上角的模板要求最上一行和最左一列的像素点为白色,其余部分为黑色;检测右上角的模板要求最上一行和最右一列的像素点为白色,其余部分为黑色;检测左下角的模板要求最左一列和最下一行的像素点为白色,其余部分为黑色;检测右下角的模板要求最右一列和最下一行的像素点为白色,其余部分为黑色。
模板形状为正方形,大小为4像素×4像素。
进一步,步骤(4)中所述的利用滑动窗口检测步骤(3)中得到的图像是否具有马赛克的过程包括以下步骤:
①将滑动窗口置于四个图像的左上角;
②在滑动窗口内,从四个图像的任意三个图像中任取一个匹配点,判断这三个点的位置关系能否构成一个直角,如果能,则认为图像中存在一个马赛克块,将马赛克块计数器增1;然后,改取与上次所取不完全相同的三个点,继续进行判断;直到判断完滑动窗口内四个图像中所有三个点的组合;
③将滑动窗口在四个图像中滑动,设滑动步长为len,即每次滑动窗口滑动了len个像素点,重复步骤②,直到遍历完整个图像;
④判断马赛克块计数器的值是否大于预先设定的阈值,如果大于,则判定待检测图像中含有马赛克;如果小于,则判定待检测图像中不含马赛克。
更进一步,步骤②中所述的从四个图像的任意三个图像中任取一个匹配点的具体实现方法是:首先从滑动窗口的左上角点开始,逐行扫描滑动窗口内各点;如果扫描到的点是匹配点,则将该点坐标记录到与该点所在图像对应的数组中,四个图像对应四个数组,直到扫描完滑动窗口内所有点;然后从四个数组中任意选取三个数组,共得四组三个数组的组合;最后再从任意一组三个数组组合的每个数组中任意取出一点;
所述的改取与上次所取不完全相同的三个点,直到判断完滑动窗口内四个图像中所有三个点的组合的具体选点方法是:当判断完一组三个数组中取出的三个点组合后,从该三个数组组合中取出与上次所取不完全相同的三个点,当判断完一组三个数组中的所有三个点组合后,再从四组三个数组组合中取出与上次所取不同的一组三个数组的组合,直到判断完四个组。
判断三个点位置关系能否构成直角采用的具体方法是:判断三个点的位置关系是否能构成一条水平直线和一条垂直直线,即判断是否有两个点的横坐标之差和两个点的纵坐标之差在预先设定的误差范围内,如是则构成一个直角。所述的预先设定的误差值为3像素。
进一步,步骤③中遍历图像采用的方法包括以下步骤:
(a)将滑动窗口置于四个图像的左上角,并初始化左上角点横坐标x=0;
(b)判断滑动窗口左上角点横坐标x加上滑动窗口宽度是否小于或等于图像宽度;如果大于图像宽度,则图像遍历完成;
(c)初始化滑动窗口左上角点纵坐标y=0;
(d)判断滑动窗口左上角点纵坐标y加上滑动窗口高度是否小于或等于图像高度;如果大于图像高度,则滑动窗口向右滑动len步长距离,转至步骤(b);
(e)判断完滑动窗口内的马赛克块后,滑动窗口向下滑动len步长距离,转至步骤(d)。
更进一步,所述的滑动窗口形状为正方形,大小为50像素×50像素。
所述的len值为半个滑动窗口的长度。
进一步,步骤④中所述的预先设定的阈值为30。
本发明的效果在于:采用本发明所述的方法,通过对马赛克块阈值的合理预定,能够有效的检测出视频帧图像中是否存在马赛克。
附图说明
图1是本发明所述的方法流程图;
图2是本发明具体实施方式中所述的模板示意图;
图3是本发明具体实施方式中所述的利用滑动窗口检测图像是否存在马赛克的流程图;
图4是本发明具体实施方式中检测马赛克块的流程图;
图5是本发明具体实施方式中滑动窗口遍历图像的流程图;
图6是本发明具体实施方式中的原始图像;
图7是本发明具体实施方式中的轮廓图像;
图8是本发明具体实施方式中的匹配图像;
图9是本发明具体实施方式中的匹配点图像。
具体实施方式
下面以检测视频中的一帧如图6所示的图像为例,对本发明所述的方法进行详细地描述。
如图1所示,一种视频马赛克图像检测方法,包括以下步骤。
(1)获得待检测图像,即从帧缓存中获取图6所示的视频帧图像,将该图像简称为原始图像。由于坎尼(Canny)边缘检测只能处理单通道数组,所以需要将原始图像转换为灰度图,将该图像简称为原始图像对应的灰度图。
(2)将原始图像对应的灰度图进行坎尼(Canny)边缘检测,获得只具有轮廓信息的图像,将该图像简称为轮廓图像。Canny边缘检测的方法为现有技术,本发明采用Canny边缘检测的目的是为了得到图像的轮廓信息,把其他一些无关信息丢弃,方便后续的处理。本实施例中,轮廓图像如图7所示。
(3)利用如图2所示的四个模板对轮廓图像进行模板匹配,获得四个匹配后的图像,将该图像简称为匹配图像。本实施例中,匹配图像如图8所示。
所述的模板是一个图像,四个模板用来匹配马赛克块的四个角,图2中模板T1匹配左上角,模板T2匹配右上角,模板T3匹配左下角,模板T4匹配右下角。
对模板格式的要求:由于本发明所述的模板是利用现有技术中的cvLoadImage()函数载入的,所以只要是cvLoadImage()函数支持的图像格式都是可以的,目前支持如下文件格式:Windows位图文件-BMP,DIB;JPEG文件-JPEG,JPG,JPE;便携式网络图片-PNG;便携式图像格式-PBM,PGM,PPM;Sun rasters-SR,RAS;TIFF文件-TIFF,TIF;OpenEXR HDR图片-EXR;JPEG 2000图片-jp2。
对模板内容的要求:由于四个模板分别匹配马赛克块的四个角,因此对每个模板内容的要求不同,模板T1必须满足最上一行和最左一列的像素点为白色,其余部分为黑色;模板T2必须满足最上一行和最右一列的像素点为白色,其余部分为黑色;模板T3必须满足最左一列和最下一行的像素点为白色,其余部分为黑色;模板T4必须满足最右一列和最下一行的像素点为白色,其余部分为黑色。对模板进行上述要求的原因有二:第一,通过这种方式构造出马赛克块的四个直角;第二,模板匹配是在canny检测后进行的,canny检测后得到的图像中,马赛克的边框是白色的,而内部是黑色的。
对模板形状的要求:模板的形状主要取决于什么形状的模板构造的直角能够尽可能正确的匹配马赛克的形状,由于标准马赛克的形状为正方形,所以最好采用正方形的模板。
对模板尺寸的要求:模板尺寸的选择标准是尽可能的减少对马赛克的误判和漏判。如果模板过小,则可能会产生大量的误判;如果过大,则匹配到的马赛克数目会大量减小,只有比较标准的马赛克才会被检测到。
本实施例中,模板的格式为BMP格式,模板的形状为正方形,模板的尺寸为4×4(单位:像素)。
模板匹配的过程是:将模板的角点和轮廓图像的相应角点重合,对比模板和图像中同样大小的一块区域(简称为子图),计算两者之间的差别,然后平移模板,重复上述操作,所有位置都对比之后,差别值最小的区域就是匹配的结果。
计算模板与图像中同样大小的区域的方法采用的是现有技术OpenCV中的cvMatchTemplate函数来实现的。
模板匹配的数学模型是:
该式中第一项为模板能量,第三项是子图能量,都与模板匹配无关。中间一项是模板与子图的相关,随模板在原图的移动而改变,即随(i,j)而改变。当该项取最大值时,认定模板与子图匹配,通过归一化,可以得到模板匹配的相关系数:
根据施瓦兹不等式可以知道,上式中0<R(i,j)≤1,并且仅在比值为常数时取极大值,此时模板和子图Sij完全一样,R(i,j)=1。在轮廓图像中完成全部搜索之后,找出R(i,j)的最大值Rmax(i0,j0),其对应的子图Si0j0即为匹配结果。上述所谓的计算两者之间的差别,即是计算R(i,j),其值反映了模板与图像的匹配程度。
(4)将四个匹配图像进行二值化处理,获得只保留相匹配的点的图像,将该图像简称为匹配点图像。将图像进行二值化处理采用的是现有技术,即通过调用函数cvThreshold来实现的。本实施例中,匹配点图像如图9所示。
(5)利用滑动窗口检测匹配点图像中是否具有马赛克,具体包括以下步骤,如图3所示。
①将滑动窗口置于四个匹配图的左上角。
所述的滑动窗口的形状可以是长方形,也可以是正方形。本实施例中滑动窗口为正方形,大小设为50×50(单位:像素)。
②在滑动窗口内,从四个图像的任意三个图像中任取一个匹配点,判断这三个点的位置关系能否构成一个直角,如果能,则认为图像中存在一个马赛克块,将马赛克块计数器增1;然后,改取与上次所取不完全相同的三个点,继续进行判断;直到判断完滑动窗口内四个图像中的所有三个点的组合。
上述判断马赛克块的方法中,只要三个点的位置关系能构成一个直角就认为图像中存在一个马赛克块,是因为从canny检测得到的图像可以看到,马赛克块的形状大多是不规则的,几乎没有一个马赛克块的边缘是四四方方的矩形,所以如果判断四个角全是直角才认为是马赛克是行不通的,因此只要有一个直角就认为是一个马赛克块。当然,如果出现一个马赛克块的边缘比较规整,有两个及两个以上的直角,会把实际上同一个马赛克块认为是多个马赛克块,造成重复检测,这实际上会拉大马赛克块与非马赛克块的差距,更加有利于最后通过阈值判断图像中是否存在马赛克。
本实施例中,该步骤的具体实现方法如下,如图4所示。
首先从滑动窗口的左上角点开始,逐行扫描滑动窗口内各点;如果扫描到的点是匹配点,则将该点坐标记录到与该点所在图像对应的数组中,四个图像对应四个数组,直到扫描完滑动窗口内所有点;然后从四个数组中任意取出三个数组;共得四组三个数组的组合,再从被选出的一组三个数组组合的每个数组中任意取出一点,得到三个点。判断三个点的位置关系是否能构成一个直角,允许有一个较小的误差,如果能构成一个直角,则认为是一个马赛克块,马赛克块计数器自增1。然后从该组三个数组中取出与上次所取不完全相同的三个点,继续进行判断。当判断完一组三个数组中的所有三点组合后,再从四组三个数组组合中取出与上次所取不同的一组,再进行如上所述的判断,直到判断完四个组。
例如,四个匹配点图对应的数组分别为S1、S2、S3和S4,从四个数组中任意取出三个数组,共有四组组合,分别为{S1,S2,S3}、{S1,S2,S4}、{S2,S3,S4}、{S1,S3,S4}。假设首先判断{S1,S2,S3}中的点,从S1、S2、S3中各取出一点,判断三点位置关系是否能构成直角,判断完后,再从S1、S2、S3中取出与上次所取不完全相同的三个点,继续进行判断,直到判断完S1、S2、S3中所有三个点的组合(假设S1、S2、S3的元素个数分别是a、b、c,则共需要取a×b×c次)。再从四组三个数组组合中任取出与上次所取不同的一组,如{S1,S2,S4},进行如上判断,直到判断完四个组。
判断三个点位置关系能否构成直角采用的具体方法是:判断三个点的位置关系是否能构成一条水平直线和一条垂直直线,即判断是否有两个点的横坐标之差、两个点的纵坐标之差在预先设定的误差范围之内,如是则构成一个直角,举例如下。
假设三个点的坐标分别为d1(x1,y1),d2(x2,y2),d3(x3,y3);d1(x1,y1)为一个马赛克块左上角点,d2(x2,y2)为右上角点,d3(x3,y3)为左下角点。各点的坐标按屏幕坐标表示,即屏幕的左上角的点为原点,横轴为x轴,向右为正方向,纵轴为y轴,向下为正方向。
判断三点的位置关系能否构成一个直角依据下面的公式:
|xi-xj|<Max_Len 公式1
|yi-yj|<Max_Len 公式2
|yi-yj|<Max_Err 公式3
|xi-xj|<Max_Err 公式4
其中,公式1中的i=1,j=2,公式2中的i=1,j=3,公式3中的i=1,j=2,公式4中的i=1,j=3;Max_Err为误差阈值,Max_Len为预先设定的最大马赛克块的边长。公式1和公式2的作用是限制马赛克块的最大边长,公式3和公式4的作用是判断两个点是否可以认为是水平或垂直关系。如果三点坐标满足上述四个公式,则认为构成一个直角。本实施例中,Max_Err值为3像素,Max_Len的值为50像素,与滑动窗口的边长相同。
③将滑动窗口在四个匹配点图像中滑动,设滑动步长为len,即每次滑动窗口滑动了len个像素点,重复步骤②,直到遍历完整个图像。
本实施例中,滑动窗口遍历整个图像采用的方法包括以下步骤,如图5所示。
(a)将滑动窗口置于四个匹配图的左上角,并初始化左上角点横坐标x=0;
(b)判断滑动窗口左上角点横坐标x加上滑动窗口宽度是否小于或等于图像宽度;如果大于图像宽度,则图像遍历完成;
(c)初始化滑动窗口左上角点纵坐标y=0;
(d)判断滑动窗口左上角点纵坐标y加上滑动窗口高度是否小于或等于图像高度;如果大于图像高度,则滑动窗口向右滑动len步长距离,转至步骤(b);
(e)判断完滑动窗口内的马赛克块后,滑动窗口向下滑动len步长距离,转至步骤(d)。
其中,步骤(d)和(e)中所述的len值为半个滑动窗口的长度。
④判断马赛克块计数器的值是否大于预先设定的阈值,如果大于,则判定原始图像中含有马赛克,如果小于,则判定原始图像中不含马赛克。本实施例中,预先设定的阈值为30,马赛克块计数器的值大于30,因此原始图像中含有马赛克。
经过多次实验证明:通过设定合适的马赛克块阈值,本发明所述的方法检测马赛克正确率达到95%以上,视频中马赛克比较明显时,检测的正确率可以达到100%,可靠性方面完全可以达到实际应用要求。
需要说明的是:本发明所述的方法并不限于具体实施方式中所述的实施例,本领域技术人员根据本发明的技术方案得出其他的实施方式,同样属于本发明的技术创新范围。
Claims (11)
1.一种视频马赛克图像检测方法,包括以下步骤:
(1)将待检测图像转换为灰度图,进行坎尼边缘检测,获得只具有轮廓信息的图像;
(2)利用四个模板对步骤(1)得到的图像进行模板匹配,获得四个匹配后的图像;所述模板是指一个图像,所述的四个模板分别用于检测马赛克块的四个角;检测左上角的模板要求最上一行和最左一列的像素点为白色,其余部分为黑色;检测右上角的模板要求最上一行和最右一列的像素点为白色,其余部分为黑色;检测左下角的模板要求最左一列和最下一行的像素点为白色,其余部分为黑色;检测右下角的模板要求最右一列和最下一行的像素点为白色,其余部分为黑色;
(3)对步骤(2)中得到的四个图像进行二值化处理,获得只保留匹配点的图像;
(4)利用滑动窗口检测步骤(3)中得到的图像是否具有马赛克。
2.如权利要求1所述的一种视频马赛克图像检测方法,其特征在于:步骤(2)中所述的模板是指一个图像,包括windows位图文件-BMP,DIB;JPEG文件-JPEG,JPG,JPE;便携式网络图片-PNG;便携式图像格式-PBM,PGM,PPM;Sun rasters-SR,RAS;TIFF文件-TIFF,TIF;OpenEXR HDR图片-EXR;JPEG 2000图片-jp2。
3.如权利要求1或2所述的一种视频马赛克图像检测方法,其特征在于:所述的模板形状为正方形,大小为4像素×4像素。
4.如权利要求1所述的一种视频马赛克图像检测方法,其特征在于,步骤(4)中所述的利用滑动窗口检测步骤(3)中得到的图像是否具有马赛克的过程包括以下步骤:
①将滑动窗口置于四个图像的左上角;
②在滑动窗口内,从四个图像的任意三个图像中任取一个匹配点,判断这三个点的位置关系能否构成一个直角,如果能,则认为图像中存在一个马赛克块,将马赛克块计数器增1;然后,改取与上次所取不完全相同的三个点,继续进行判断;直到判断完滑动窗口内四个图像中所有三个点的组合;
③将滑动窗口在四个图像中滑动,设滑动步长为len,即每次滑动窗口滑动了len个像素点,重复步骤②,直到遍历完整个图像;
④判断马赛克块计数器的值是否大于预先设定的阈值,如果大于,则判定待检测图像中含有马赛克;如果小于,则判定待检测图像中不含马赛克。
5.如权利要求4所述的一种视频马赛克图像检测方法,其特征在于,步骤②中所述的从四个图像的任意三个图像中任取一个匹配点的具体实现方法是:首先从滑动窗口的左上角点开始,逐行扫描滑动窗口内各点;如果扫描到的点是匹配点,则将该点坐标记录到与该点所在图像对应的数组中,四个图像对应四个数组,直到扫描完滑动窗口内所有点;然后从四个数组中任意选取三个数组,共得四组三个数组的组合;最后再从任意一组三个数组组合的每个数组中任意取出一点;
所述的改取与上次所取不完全相同的三个点,直到判断完滑动窗口内四个图像中所有三个点的组合的具体实现方法是:当判断完一组三个数组中取出的三个点组合后,从该三个数组组合中取出与上次所取不完全相同的三个点,当判断完一组三个数组中的所有三个点组合后,再从四组三个数组组合中取出与上次所取不同的一组三个数组的组合,直到判断完四个组。
6.如权利要求4所述的一种视频马赛克图像检测方法,其特征在于,步骤②所述的判断三个点位置关系能否构成直角采用的具体方法是:判断三个点的位置关系是否能构成一条水平直线和一条垂直直线,即判断是否有两个点的横坐标之差和两个点的纵坐标之差在预先设定的误差范围内,如是则构成一个直角。
7.如权利要求6所述的一种视频马赛克图像检测方法,其特征在于:所述的预先设定的误差值为3像素。
8.如权利要求4所述的一种视频马赛克图像检测方法,其特征在于,步骤③中遍历图像采用的方法包括以下步骤:
(a)将滑动窗口置于四个图像的左上角,并初始化左上角点横坐标x=0;
(b)判断滑动窗口左上角点横坐标x加上滑动窗口宽度是否小于或等于图像宽度;如果大于图像宽度,则图像遍历完成;
(c)初始化滑动窗口左上角点纵坐标y=0;
(d)判断滑动窗口左上角点纵坐标y加上滑动窗口高度是否小于或等于图像高度;如果大于图像高度,则滑动窗口向右滑动len步长距离,转至步骤(b);
(e)判断完滑动窗口内的马赛克块后,滑动窗口向下滑动len步长距离,转至步骤(d)。
9.如权利要求1、4或8所述的一种视频马赛克图像检测方法,其特征在于:所述的滑动窗口形状为正方形,大小为50像素×50像素。
10.如权利要求4或8所述的一种视频马赛克图像检测方法,其特征在于:所述的len值为半个滑动窗口的长度。
11.如权利要求4所述的一种视频马赛克图像检测方法,其特征在于:步骤④中所述的预先设定的阈值为30。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810103053 CN101551900B (zh) | 2008-03-31 | 2008-03-31 | 一种视频马赛克图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810103053 CN101551900B (zh) | 2008-03-31 | 2008-03-31 | 一种视频马赛克图像检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101551900A CN101551900A (zh) | 2009-10-07 |
CN101551900B true CN101551900B (zh) | 2011-10-05 |
Family
ID=41156132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810103053 Expired - Fee Related CN101551900B (zh) | 2008-03-31 | 2008-03-31 | 一种视频马赛克图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101551900B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236894A (zh) * | 2010-04-30 | 2011-11-09 | 西门子公司 | 圆检测方法及装置 |
CN102542282B (zh) * | 2010-12-16 | 2013-12-04 | 北京大学 | 一种无源图像马赛克检测方法及装置 |
CN103079029B (zh) * | 2013-02-06 | 2016-07-13 | 上海风格信息技术股份有限公司 | 一种基于宏块边缘信息的数字电视马赛克识别方法 |
CN104113741B (zh) * | 2013-04-17 | 2017-04-05 | 北京大学 | 一种马赛克帧的检测方法及装置 |
CN103473772B (zh) * | 2013-09-05 | 2017-04-19 | 北京捷成世纪科技股份有限公司 | 一种马赛克图像的检测方法和装置 |
CN106372584B (zh) * | 2016-08-26 | 2019-06-11 | 浙江银江研究院有限公司 | 一种视频图像马赛克检测方法 |
CN106447660B (zh) * | 2016-09-27 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 图片检测方法和装置 |
CN106780529B (zh) * | 2016-12-14 | 2020-06-05 | 贵州电网有限责任公司电力调度控制中心 | 基于外接矩形的会议视频马赛克检测方法 |
CN107818568A (zh) * | 2017-09-29 | 2018-03-20 | 昆明理工大学 | 一种视频马赛克检测方法 |
CN108364282B (zh) * | 2018-01-15 | 2022-02-11 | 北京华兴宏视技术发展有限公司 | 图像马赛克检测方法、图像马赛克检测*** |
CN109341846A (zh) * | 2018-08-23 | 2019-02-15 | 苏州汇川技术有限公司 | 信号频率获取方法、装置及计算机可读存储介质 |
CN109472772B (zh) * | 2018-09-29 | 2020-12-01 | 歌尔光学科技有限公司 | 图像污点检测方法、装置和设备 |
TWI697871B (zh) * | 2019-04-01 | 2020-07-01 | 中華電信股份有限公司 | 影像中含有馬賽克之檢查系統及其方法 |
CN110728669B (zh) * | 2019-10-11 | 2022-05-06 | 首都师范大学 | 一种视频马赛克检测方法 |
CN113542864B (zh) * | 2020-04-24 | 2023-04-25 | 腾讯科技(深圳)有限公司 | 视频的花屏区域检测方法、装置、设备及可读存储介质 |
CN115063399A (zh) * | 2022-07-19 | 2022-09-16 | 西安热工研究院有限公司 | 一种基于双重矩形特性分析的图像马赛克检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1984331A (zh) * | 2005-12-16 | 2007-06-20 | 乐金电子(沈阳)有限公司 | 图像显示器噪音处理装置及其方法 |
-
2008
- 2008-03-31 CN CN 200810103053 patent/CN101551900B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1984331A (zh) * | 2005-12-16 | 2007-06-20 | 乐金电子(沈阳)有限公司 | 图像显示器噪音处理装置及其方法 |
Non-Patent Citations (5)
Title |
---|
John Canny.A Computational Approach to Edge Detection.《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》.1986,第8卷(第6期),全文. * |
M. J. Nadenau et al.Blotch and Scratch Detection in Image Sequences based on Rank Ordered Differences.《5th International Workshop on Time-Varying Image Processing and Moving Object Recognition》.1996,全文. * |
王晨 等.基于块缺失图像修复技术的研究与应用.《计算机工程》.2006,第32卷(第11期),全文. * |
谌安军 等.一种用于图像序列斑点去除的运动估计修正方法.《中国科学院研究生院学报》.2006,第23卷(第3期),全文. * |
陈强 等.结合Canny算子的图像二值化.《计算机辅助设计与图形学学报》.2005,第17卷(第6期),全文. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101551900A (zh) | 2009-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101551900B (zh) | 一种视频马赛克图像检测方法 | |
CN104376548B (zh) | 一种基于改进型surf算法的图像快速拼接方法 | |
CN102790841B (zh) | 书籍的书脊区域中数字图像的检测和校正方法 | |
CN102006425B (zh) | 一种基于多摄像机的视频实时拼接方法 | |
CN103198476B (zh) | 一种粗线型十字圆环标记的图像检测方法 | |
CN103632359B (zh) | 一种视频超分辨率处理方法 | |
CN105741276B (zh) | 一种船舶水线提取方法 | |
CN105046651B (zh) | 一种图像的超分辨率重构方法和装置 | |
CN103914827A (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
CN101620732A (zh) | 道路行驶线的视觉检测方法 | |
CN103247038B (zh) | 一种视觉认知模型驱动的全局图像信息合成方法 | |
CN110619328A (zh) | 基于图像处理和深度学习的船舶水尺读数智能识别方法 | |
CN105261049A (zh) | 一种图像连通区域快速检测方法 | |
CN105608429A (zh) | 基于差分激励的鲁棒车道线检测方法 | |
CN104657964A (zh) | 一种碎片图像计算机自动拼接方法 | |
CN101971209A (zh) | 超高分辨率视频处理的稀疏几何结构 | |
CN106570886A (zh) | 一种基于超分辨率重建的目标跟踪方法 | |
CN106709952B (zh) | 一种显示屏幕的自动标定方法 | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN105405138A (zh) | 基于显著性检测的水面目标跟踪方法 | |
CN105631872A (zh) | 基于多特征点的遥感图像配准方法 | |
CN110969164A (zh) | 基于深度学习端对端的低照度成像车牌识别方法及装置 | |
CN103473749A (zh) | 一种基于全变分图像融合的方法及装置 | |
CN103134476B (zh) | 一种基于水平集算法的海陆分界线检测方法 | |
CN101739667A (zh) | 基于非下采样轮廓波变换的遥感图像道路增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111005 Termination date: 20170331 |
|
CF01 | Termination of patent right due to non-payment of annual fee |