CN105069783A - 一种模糊图片识别方法及装置 - Google Patents

一种模糊图片识别方法及装置 Download PDF

Info

Publication number
CN105069783A
CN105069783A CN201510438070.XA CN201510438070A CN105069783A CN 105069783 A CN105069783 A CN 105069783A CN 201510438070 A CN201510438070 A CN 201510438070A CN 105069783 A CN105069783 A CN 105069783A
Authority
CN
China
Prior art keywords
picture
target photo
pixel
pixel value
standard deviation
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
CN201510438070.XA
Other languages
English (en)
Other versions
CN105069783B (zh
Inventor
任诗钊
刘伟
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.)
Beijing Kingsoft Internet Security Software Co Ltd
Original Assignee
Beijing Kingsoft Internet Security Software 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 Beijing Kingsoft Internet Security Software Co Ltd filed Critical Beijing Kingsoft Internet Security Software Co Ltd
Priority to CN201510438070.XA priority Critical patent/CN105069783B/zh
Publication of CN105069783A publication Critical patent/CN105069783A/zh
Application granted granted Critical
Publication of CN105069783B publication Critical patent/CN105069783B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

  • Image Processing (AREA)

Abstract

本发明实施例公开了一种模糊图片识别方法及装置。一种模糊图片识别方法，可以包括以下步骤：获得目标图片；获得所述目标图片对应的灰度图片；对所述灰度图片进行锐化处理，获得锐化图片；确定所述锐化图片的各个像素点的像素值；根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差；如果所述标准差低于预设的标准差阈值，则将所述目标图片确定为模糊图片。应用本发明实施例所提供的技术方案，识别模糊图片的过程较为简单，可以保证对大量的图片进行识别的识别速率。

Description

一种模糊图片识别方法及装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种模糊图片识别方法及装置。
背景技术
如今，在人们的工作和生活中，可以使用的照相设备越来越多，如照相机、带有摄像头的手机、平板电脑等，人们可以随心所欲地进行拍照。随着时间的积累，拍照得到的图片越来越多，需要的存储空间越来越大。实际上，在拍照过程中，难免会产生模糊或者不清晰的图片，如果将这些图片都进行存储，将会浪费较多的存储空间，而照相设备或者电脑等终端的存储空间都是有限的，很多情况下，需要对这些图片进行删除或者其他处理。
目前对这些模糊图片进行删除或者其他处理之前，需要人工来识别哪些图片为模糊照片，如果图片的数量很多，这个识别的过程较为繁琐，识别速率较低。
发明内容
为解决上述问题，本发明实施例公开了一种模糊图片识别方法及装置。技术方案如下：
一种模糊图片识别方法，包括：
获得目标图片；
获得所述目标图片对应的灰度图片；
对所述灰度图片进行锐化处理，获得锐化图片；
确定所述锐化图片的各个像素点的像素值；
根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差；
如果所述标准差低于预设的标准差阈值，则将所述目标图片确定为模糊图片。
在本发明的一种具体实施方式中，所述根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差，包括：
针对所述锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值；
计算保留的像素点的像素值的标准差；
将计算得到的标准差确定为针对所述目标图片的像素值的标准差。
在本发明的一种具体实施方式中，所述获得所述目标图片对应的灰度图片，包括：
根据预设的第一比例关系，对所述目标图片进行缩小处理，对进行缩小处理后的图片进行灰度处理，获得所述目标图片对应的灰度图片；
或者，
获得与所述目标图片大小一致的灰度图片，按照预设的第二比例关系，对所获得的灰度图片进行缩小处理，获得所述目标图片对应的灰度图片。
在本发明的一种具体实施方式中，在所述将所述目标图片确定为模糊图片后，还包括：
输出是否删除所述目标图片的提示信息，根据用户针对所述提示信息的选择，确定是否执行删除所述目标图片的操作；
或者，
直接删除所述目标图片；
或者，
将所述目标图片放入预设的待删除图片文件夹中。
在本发明的一种具体实施方式中，所述对所述灰度图片进行锐化处理，获得锐化图片，包括：
使用边缘检测算子对所述灰度图片进行锐化处理，获得锐化图片；
其中，所述边缘检测算子为拉普拉斯Laplacian算子、索贝尔Sobel算子、罗伯特Roberts算子、凯尼Canny算子中的一种。
一种模糊图片识别装置，包括：
目标图片获得模块，用于获得目标图片；
灰度图片获得模块，用于获得所述目标图片对应的灰度图片；
锐化图片获得模块，用于对所述灰度图片进行锐化处理，获得锐化图片；
像素值确定模块，用于确定所述锐化图片的各个像素点的像素值；
标准差确定模块，用于根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差，如果所述标准差低于预设的标准差阈值，则触发模糊图片确定模块；
所述模糊图片确定模块，用于将所述目标图片确定为模糊图片。
在本发明的一种具体实施方式中，所述标准差确定模块，包括：
判断子模块，用于针对所述锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值；
计算子模块，用于计算保留的像素点的像素值的标准差；
标准差确定子模块，用于将计算得到的标准差确定为针对所述目标图片的像素值的标准差。
在本发明的一种具体实施方式中，所述灰度图片获得模块，具体用于：
根据预设的第一比例关系，对所述目标图片进行缩小处理，对进行缩小处理后的图片进行灰度处理，获得所述目标图片对应的灰度图片；
或者，
获得与所述目标图片大小一致的灰度图片，按照预设的第二比例关系，对所获得的灰度图片进行缩小处理，获得所述目标图片对应的灰度图片。
在本发明的一种具体实施方式中，还包括后处理模块：
所述后处理模块，用于在将所述目标图片确定为模糊图片后，输出是否删除所述目标图片的提示信息，根据用户针对所述提示信息的选择，确定是否执行删除所述目标图片的操作；
或者，
直接删除所述目标图片；
或者，
将所述目标图片放入预设的待删除图片文件夹中。
在本发明的一种具体实施方式中，所述锐化图片获得模块，具体用于：
使用边缘检测算子对所述灰度图片进行锐化处理，获得锐化图片；
其中，所述边缘检测算子为拉普拉斯Laplacian算子、索贝尔Sobel算子、罗伯特Roberts算子、凯尼Canny算子中的一种。
应用本发明实施例所提供的技术方案，对获得的目标图片对应的灰度图片进行锐化处理后，根据锐化图片的各个像素点的像素值，确定目标图片的像素值的标准差，标准差低于预设的标准差阈值，则可以表明该目标图片的物体边缘不够清晰，可以将该目标图片确定为模糊图片，识别模糊图片的过程较为简单，可以保证对大量的图片进行识别的识别速率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中模糊图片识别方法的一种实施流程图；
图2为本发明实施例中灰度图片的一种示意图；
图3为本发明实施例中模糊图片识别装置的一种结构示意图。
具体实施方式
为了使本领域技术人员更好地理解本发明实施例中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1所示，为本发明实施例所提供的一种模糊图片识别方法的实施流程图，该方法可以包括以下步骤：
S110：获得目标图片；
可以理解的是，目标图片为待识别其是否为模糊图片的图片。
本发明实施例所提供的技术方案可以应用于客户端，还可以应用于服务器。
在实际应用中，目标图片可以是客户端根据用户的识别指令所确定的图片，在用户的识别指令中可以包含目标图片的标识信息或者目标图片的存储路径信息。比如，用户在存储设备上整理照片时，如果针对存储于某个文件夹中的照片向客户端发出识别指令，则客户端可以逐一将该文件夹中的照片确定为目标图片。
或者，在用户使用照相设备进行拍照，得到一张新的照片时，客户端直接将该照片确定为目标图片。
或者，用户通过客户端将存储设备中的照片上传至服务器，服务器逐一将用户上传的照片确定为目标图片。
当然，还可以通过其他方式获得目标图片，本发明实施例对此不做限制。
S120：获得所述目标图片对应的灰度图片；
对任一张图片做灰度处理，可以得到该图片的灰度图片。需要说明的是，本领域技术人员可以根据本领域的公知常识和常用技术方段，对图片进行灰度处理，本发明对此不做限定。举例而言，对于某张YUV格式的图片，可以直接根据该图片的Y分量信息，得到该图片的灰度图片。
在本发明的一种具体实施方式中，可以根据预设的第一比例关系，对所述目标图片进行缩小处理，对进行缩小处理后的图片进行灰度处理，获得所述目标图片对应的灰度图片。
比如，目标图片为512*512大小的图片，可以先将目标图片缩小为64*64大小的图片，然后再对进行缩小处理后的图片进行灰度处理，即可获得该目标图片对应的灰度图片。
在本发明的另一种具体实施方式中，可以先获得与所述目标图片大小一致的灰度图片，再按照预设的第二比例关系，对所获得的灰度图片进行缩小处理，获得所述目标图片对应的灰度图片。
比如，目标图片为512*512大小的图片，对该图片进行灰度处理后，即可获得与该目标图片大小一致的灰度图片，将所获得的灰度图片缩小为64*64大小的图片，即可将缩小后的灰度图片作为该目标图片对应的灰度图片。
考虑到本发明实施例所提供的技术方案无论是在终端侧的客户端执行还是在服务器执行，都可能会受到计算能力以及硬件性能等因素的影响，尤其是在终端侧的客户端执行时影响更为明显，所以对目标图片或者与目标图片大小一致的灰度图片进行缩小处理后，再进行进一步的操作可以减少计算量，提高图片的识别速率。
理论上，目标图片的像素点越多，识别准确率越高。在实际应用中，为保证一定的识别准确率，可以从目标图片或者与目标图片大小一致的灰度图片中按照比例提取64*x个像素点，即获得的目标图片对应的灰度图片的长或者宽中的较小者像素点的数量为64，另外一边按照长宽比其像素点的数量为大于或等于64的一个值。
需要说明的是，上述预设的第一比例关系和预设的第二比例关系可以根据实际需要进行设置和调整。
S130：对所述灰度图片进行锐化处理，获得锐化图片；
S140：确定所述锐化图片的各个像素点的像素值；
为描述方便，将上述两个步骤结合起来进行说明。
可以理解的是，模糊图片都有这样一个共同点：物体边缘不清晰，边缘部分过渡色的像素点的数量多。获得目标图片对应的灰度图片后，虽然失去了色彩信息，但是边缘过渡的特征即模糊信息仍然被保留。利用图形图像学中的边缘检测算子可以有效地过滤图片中物体的边缘信息，借助边缘检测算子可以提取灰度图片中物体的边缘信息。
在本发明的一种具体实施方式中，可以使用边缘检测算子对所述灰度图片进行锐化处理，获得锐化图片；其中，所述边缘检测算子为拉普拉斯Laplacian算子、索贝尔Sobel算子、罗伯特Roberts算子、凯尼Canny算子中的一种。当然，可以使用的边缘检测算子不限于上述几种，本发明实施例对此不做限制。
以使用拉普拉斯算子对所述灰度图片进行锐化处理，获得锐化图片为例进行说明。
使用拉普拉斯算子进行边缘检测时具有方向无关和双边缘特性，即经过拉普拉斯算子处理之后图片中物体的边缘的像素点呈现相对应的正负两组值，这两组值的绝对值越小说明边缘的像素点的灰度差值越小。
以图2所示灰度图片为例，按照比例提取该灰度图片中的16*x个像素点，得到的各像素点的像素值矩阵，即灰度图信息如下：
[58,89,63,41,54,54,158,177,190,200,214,211,218,223,230,232]
[69,78,61,61,61,45,55,124,188,198,201,210,218,227,230,231]
[78,98,41,76,58,63,42,40,211,183,219,199,153,224,235,237]
[84,86,70,61,71,182,149,145,122,146,103,120,235,237,232,133]
[77,207,203,197,185,126,34,133,149,98,146,163,148,234,237,144]
[41,73,51,172,173,84,140,147,231,142,23,58,143,145,144,231]
[247,211,162,167,163,145,36,30,140,142,143,93,117,144,144,145]
[249,249,42,35,147,151,147,13,146,140,136,136,29,47,27,73]
[245,246,199,117,143,144,140,134,18,33,22,24,65,61,100,113]
[247,245,158,33,138,142,24,18,18,56,62,60,58,104,110,116]
[246,245,229,199,16,57,55,55,18,61,66,88,9,18,31,241]
[246,244,244,91,14,54,54,55,20,72,49,16,17,104,121,241]
[246,243,241,183,23,51,53,59,13,59,69,76,36,118,91,239]
[244,244,243,211,66,17,23,58,19,67,82,81,24,102,220,231]
[245,245,247,233,109,59,85,140,23,42,40,77,85,93,212,222]
[249,249,248,238,205,61,60,13,26,71,73,102,155,172,177,212]
[250,251,249,245,226,22,61,63,32,113,148,150,163,170,173,186]
[252,252,251,248,233,55,59,104,137,145,150,159,163,165,166,177]
[251,250,248,248,237,221,126,131,139,147,154,159,160,166,168,173]
[246,248,247,246,239,227,178,135,146,154,160,158,165,167,169,171]
[239,241,245,243,238,226,203,168,152,153,155,162,163,166,167,168]
对上述像素值矩阵中的各个像素点的像素值经过拉普拉斯算子模板矩阵
0 1 0 1 - 4 1 0 1 0
运算之后得到的数值矩阵如下：
[5,-1,-5,-26,53,149,-36,-29,-20,37,-11,-64,-13,3]
[-109,141,-83,39,75,139,362,-311,42,-190,-94,264,-44,-17]
[115,111,170,202,-319,-193,-136,163,-78,219,220,-282,-23,-86]
[-389,-287,-167,-173,-19,412,-57,-12,191,-197,-180,183,-169,-194]
[218,406,-100,-88,248,-259,-54,-346,-74,397,190,-104,85,181]
[-113,-177,-136,-20,-146,318,216,-11,-3,-178,82,-59,-123,-116]
[-248,477,333,-96,-21,-248,405,-273,-103,-103,-262,249,73,256]
[-46,-233,-58,-26,0,-111,-347,259,104,167,187,-88,72,-89]
[-84,74,480,-218,-205,259,159,38,-50,-44,-8,6,-169,-89]
[-16,-70,-427,344,39,-30,-74,82,-32,-4,-201,145,176,366]
[2,-171,276,128,-40,1,-32,78,-99,27,166,97,-142,-17]
[3,-51,-166,222,-57,-25,-57,105,-15,-10,-102,91,-139,334]
[-1,-29,-119,96,131,121,9,85,-66,-71,-65,208,47,-244]
[5,-19,-127,127,36,-58,-381,135,33,114,0,9,199,-136]
[-3,-9,-21,-186,102,-20,237,35,-30,69,47,-98,-93,61]
[-4,-1,-19,-199,315,-40,-42,211,-56,-106,-28,-14,-7,7]
[-4,-7,-15,-166,315,110,-26,-128,-33,6,-14,-5,5,19]
[-1,4,-13,-7,-239,85,-20,5,4,0,-5,13,-4,2]
[-8,-1,-7,-8,-44,-21,83,-4,-10,-19,14,-12,-2,-3]
从上组像素值矩阵可以看出图片的物体边缘部分的灰度值差值较大。上述是以16*x个像素点为例进行的说明，在实际应用中，如前所述，综合考虑到终端或服务器的计算能力、硬件性能及识别准确率，可以选取64*x个像素点作为统计样本，以便保留有效的模糊信息。得到锐化图片后，即可确定锐化图片的各个像素点的像素值。
S150：根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差；
在统计学中，方差或者标准差代表分布离散程度，值越小代表分布越集中，波动越小。在步骤S130，对灰度图片进行锐化处理，得到锐化图片的各个像素点的像素值后，可以计算该锐化图片中像素点的像素值的方差或者标准差，值越小说明灰度图片中像素点之间的像素值相差越小，代表该目标图片中物体的边缘不够清晰，即计算得到的标准差可以用作判定目标图片模糊与否的指标。
在本发明的一种具体实施方式中，步骤S150可以包括以下步骤：
第一个步骤：针对所述锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值；
第二个步骤：计算保留的像素点的像素值的标准差；
第三个步骤：将计算得到的标准差确定为针对所述目标图片的像素值的标准差。
为描述方便，将上述三个步骤结合起来进行说明。
在步骤S140，确定了锐化图片的各个像素点的像素值。在实际应用中，经过边缘检测算子运算后，锐化图片中非边缘像素点的像素值是集中在一定的数值范围内的，对目标图片的灰度图片使用不同的边缘检测算子进行运算，得到的非边缘像素点的像素值所集中的数值范围可能不同，可以根据经验或者大量测试结果进行验证得到该数值范围，比如经过拉普拉斯算子运算之后，非边缘像素点的像素值集中在[-10,10]之间，可以过滤掉这些非边缘像素点的像素值，即这些像素点可以不进行统计。针对锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值。
对保留的像素点，计算这些像素点的像素值的标准差，可以使用公式一或公式二的其中之一进行计算。
公式一：
σ = s q r t ( 1 n [ ( x 1 - x ) 2 + ( x 2 - x ) 2 + ... + ( x n - x ) 2 ] ) ;
其中，σ为进行统计的像素点的像素值x1、x2、……、xn的标准差，n为进行统计的像素点个数，x为进行统计的像素点的像素值的平均值。
公式二：
σ＝sqrt(E(x2)-[E(x)]2)；
其中，σ为进行统计的像素点的像素值的标准差，E(x)为进行统计的像素点的像素值的期望值，E(x2)为进行统计的像素点的像素值的平方的期望值。
可以将计算得到的标准差确定为针对目标图片的像素值的标准差。
S160：如果所述标准差低于预设的标准差阈值，则将所述目标图片确定为模糊图片。
标准差阈值可以通过大量测试实验验证得到。
比如，在同一位置拍摄某一物体，对该物体的清晰照片进行灰度处理、锐化处理后，计算像素点数为5146的像素点的像素值的标准差为69.48，对该物体的模糊照片进行灰度处理、锐化处理后，计算像素点数为5146的像素点的像素值的标准差为25.53。
或者，对该物体的清晰照片进行灰度处理、锐化处理、并过滤掉非边缘像素点后，计算像素点数为2743的像素点的像素值的标准差为95.07，对该物体的模糊照片进行灰度处理、锐化处理、并过滤掉边缘像素点后，计算像素点数为1971的像素点的像素值的标准差为40.79。
使用上述方法进行大量测试实验，可以确定标准差阈值设定为50～60比较合适，即如果目标图片对应的像素值的标准差低于设定的标准差阈值，可以将该目标图片确定为模糊图片。
当然，使用不同的灰度处理方法、不同的锐化处理方法，得到的标准差阈值可能不同，该标准差阈值可以根据实际情况进行设定和调整。模糊本身也是相对概念，对于成像质量本身不高的照相设备，可以适当降低标准差阈值，或者可以根据照相设备的分辨率以及成像质量设置阶梯阈值。
将目标图片确定为模糊图片后，可以进行进一步操作。
比如，可以对该目标图片进行标记，以供用户查看。
或者，可以输出是否删除所述目标图片的提示信息，根据用户针对所述提示信息的选择，确定是否执行删除所述目标图片的操作。如果接收到用户的删除指令，则可以将该目标图片进行删除处理。
或者，可以直接删除确定的模糊图片。一旦将目标图片确定为模糊图片，直接进行删除处理。
或者，可以将所述目标图片放入预设的待删除图片文件夹中，用户可以在该文件夹中查看确定为模糊图片的图片。
应用本发明实施例所提供的技术方案，对获得的目标图片对应的灰度图片进行锐化处理后，根据锐化图片的各个像素点的像素值，确定目标图片的像素值的标准差，标准差低于预设的标准差阈值，则可以表明该目标图片的物体边缘不够清晰，可以将该目标图片确定为模糊图片，识别模糊图片的过程较为简单，可以保证对大量的图片进行识别的识别速率。
相应于上述方法实施例，本发明实施例还提供了一种模糊图片识别装置，参见图3所示，该装置可以包括以下模块：
目标图片获得模块310，用于获得目标图片；
灰度图片获得模块320，用于获得所述目标图片对应的灰度图片；
锐化图片获得模块330，用于对所述灰度图片进行锐化处理，获得锐化图片；
像素值确定模块340，用于确定所述锐化图片的各个像素点的像素值；
标准差确定模块350，用于根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差，如果所述标准差低于预设的标准差阈值，则触发模糊图片确定模块360；
所述模糊图片确定模块360，用于将所述目标图片确定为模糊图片。
可以理解的是，目标图片为待识别其是否为模糊图片的图片。
本发明实施例所提供的装置可以应用于客户端，还可以应用于服务器。
在实际应用中，目标图片可以是客户端根据用户的识别指令所确定的图片，在用户的识别指令中可以包含目标图片的标识信息或者目标图片的存储路径信息。比如，用户在存储设备上整理照片时，如果针对存储于某个文件夹中的照片向客户端发出识别指令，则客户端可以逐一将该文件夹中的照片确定为目标图片。
或者，在用户使用照相设备进行拍照，得到一张新的照片时，客户端直接将该照片确定为目标图片。
或者，用户通过客户端将存储设备中的照片上传至服务器，服务器逐一将用户上传的照片确定为目标图片。
当然，目标图片获得模块还可以通过其他方式获得目标图片，本发明实施例对此不做限制。
对任一张图片做灰度处理，可以得到该图片的灰度图片。需要说明的是，本领域技术人员可以根据本领域的公知常识和常用技术方段，对图片进行灰度处理，本发明对此不做限定。举例而言，对于某张YUV格式的图片，可以直接根据该图片的Y分量信息，得到该图片的灰度图片。
可以理解的是，模糊图片都有这样一个共同点：物体边缘不清晰，边缘部分过渡色的像素点的数量多。获得目标图片对应的灰度图片后，虽然失去了色彩信息，但是边缘过渡的特征即模糊信息仍然被保留。利用图形图像学中的边缘检测算子可以有效地过滤图片中物体的边缘信息，借助边缘检测算子可以提取灰度图片中物体的边缘信息。
在统计学中，方差或者标准差代表分布均匀度，值越小代表分布越集中。对灰度图片进行锐化处理，得到锐化图片的各个像素点的像素值后，可以计算该锐化图片中像素点的像素值的方差或者标准差，值越小说明该目标图片对应的灰度图片中物体的边缘不够清晰。如果标准差低于预设的标准差阈值，则将该目标图片确定为模糊图片。
在本发明的一种具体实施方式中，所述标准差确定模块350，可以包括以下子模块：
判断子模块，用于针对所述锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值；
计算子模块，用于计算保留的像素点的像素值的标准差；
标准差确定子模块，用于将计算得到的标准差确定为针对所述目标图片的像素值的标准差。
在实际应用中，经过边缘检测算子运算后，锐化图片中非边缘像素点的像素值是集中在一定的数值范围内的，对目标图片的灰度图片使用不同的边缘检测算子进行运算，得到的非边缘像素点的像素值所集中的数值范围可能不同，可以根据经验或者大量测试结果进行验证得到该数值范围，比如经过拉普拉斯算子运算之后，非边缘像素点的像素值集中在[-10,10]之间，可以过滤掉这些非边缘像素点的像素值，即这些像素点可以不进行统计。针对锐化图片的每一个像素点，判断子模块判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值。
对保留的像素点，计算子模块计算这些像素点的像素值的标准差。标准差确定子模块可以将计算得到的标准差确定为针对目标图片的像素值的标准差。
在本发明的一种具体实施方式中，所述灰度图片获得模块320，可以具体用于：
根据预设的第一比例关系，对所述目标图片进行缩小处理，对进行缩小处理后的图片进行灰度处理，获得所述目标图片对应的灰度图片；
或者，
获得与所述目标图片大小一致的灰度图片，按照预设的第二比例关系，对所获得的灰度图片进行缩小处理，获得所述目标图片对应的灰度图片。
考虑到本发明实施例所提供的装置无论是在终端侧的客户端运行还是在服务器运行，都可能会受到计算能力以及硬件性能等因素的影响，尤其是在终端侧的客户端运行时影响更为明显，所以对目标图片或者与目标图片大小一致的灰度图片进行缩小处理后，再进行进一步的操作可以减少计算量，提高图片的识别速率。
理论上，目标图片的像素点越多，识别准确率越高。在实际应用中，为保证一定的识别准确率，可以从目标图片或者与目标图片大小一致的灰度图片中按照比例提取64*x个像素点，即获得的目标图片对应的灰度图片的长或者宽中的较小者像素点的数量为64，另外一边按照长宽比其像素点的数量为大于或等于64的一个值。
需要说明的是，上述预设的第一比例关系和预设的第二比例关系可以根据实际需要进行设置和调整。
在本发明的一个实施例中，该装置还可以包括后处理模块：
所述后处理模块，用于将所述目标图片确定为模糊图片后，输出是否删除所述目标图片的提示信息，根据用户针对所述提示信息的选择，确定是否执行删除所述目标图片的操作；
或者，
直接删除所述目标图片；
或者，
将所述目标图片放入预设的待删除图片文件夹中。
在本发明的一种具体实施方式中，所述锐化图片获得模块330，可以具体用于：
使用边缘检测算子对所述灰度图片进行锐化处理，获得锐化图片；
其中，所述边缘检测算子为拉普拉斯Laplacian算子、索贝尔Sobel算子、罗伯特Roberts算子、凯尼Canny算子中的一种。
应用本发明实施例所提供的装置，对获得的目标图片对应的灰度图片进行锐化处理后，根据锐化图片的各个像素点的像素值，确定目标图片的像素值的标准差，标准差低于预设的标准差阈值，则可以表明该目标图片的物体边缘不够清晰，可以将该目标图片确定为模糊图片，识别模糊图片的过程较为简单，可以保证对大量的图片进行识别的识别速率。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种模糊图片识别方法，其特征在于，包括：
获得目标图片；
获得所述目标图片对应的灰度图片；
对所述灰度图片进行锐化处理，获得锐化图片；
确定所述锐化图片的各个像素点的像素值；
根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差；
如果所述标准差低于预设的标准差阈值，则将所述目标图片确定为模糊图片。
2.根据权利要求1所述的方法，其特征在于，所述根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差，包括：
针对所述锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值；
计算保留的像素点的像素值的标准差；
将计算得到的标准差确定为针对所述目标图片的像素值的标准差。
3.根据权利要求1所述的方法，其特征在于，所述获得所述目标图片对应的灰度图片，包括：
根据预设的第一比例关系，对所述目标图片进行缩小处理，对进行缩小处理后的图片进行灰度处理，获得所述目标图片对应的灰度图片；
或者，
获得与所述目标图片大小一致的灰度图片，按照预设的第二比例关系，对所获得的灰度图片进行缩小处理，获得所述目标图片对应的灰度图片。
4.根据权利要求1所述的方法，其特征在于，在所述将所述目标图片确定为模糊图片后，还包括：
输出是否删除所述目标图片的提示信息，根据用户针对所述提示信息的选择，确定是否执行删除所述目标图片的操作；
或者，
直接删除所述目标图片；
或者，
将所述目标图片放入预设的待删除图片文件夹中。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述灰度图片进行锐化处理，获得锐化图片，包括：
使用边缘检测算子对所述灰度图片进行锐化处理，获得锐化图片。
6.一种模糊图片识别装置，其特征在于，包括：
目标图片获得模块，用于获得目标图片；
灰度图片获得模块，用于获得所述目标图片对应的灰度图片；
锐化图片获得模块，用于对所述灰度图片进行锐化处理，获得锐化图片；
像素值确定模块，用于确定所述锐化图片的各个像素点的像素值；
标准差确定模块，用于根据所述锐化图片的各个像素点的像素值，确定针对所述目标图片的像素值的标准差，如果所述标准差低于预设的标准差阈值，则触发模糊图片确定模块；
所述模糊图片确定模块，用于将所述目标图片确定为模糊图片。
7.根据权利要求6所述的装置，其特征在于，所述标准差确定模块，包括：
判断子模块，用于针对所述锐化图片的每一个像素点，判断该像素点的像素值是否在预设的数值范围内，如果是，则过滤掉该像素点的像素值，如果否，则保留该像素点的像素值；
计算子模块，用于计算保留的像素点的像素值的标准差；
标准差确定子模块，用于将计算得到的标准差确定为针对所述目标图片的像素值的标准差。
8.根据权利要求6所述的装置，其特征在于，所述灰度图片获得模块，具体用于：
根据预设的第一比例关系，对所述目标图片进行缩小处理，对进行缩小处理后的图片进行灰度处理，获得所述目标图片对应的灰度图片；
或者，
获得与所述目标图片大小一致的灰度图片，按照预设的第二比例关系，对所获得的灰度图片进行缩小处理，获得所述目标图片对应的灰度图片。
9.根据权利要求6所述的装置，其特征在于，还包括后处理模块：
所述后处理模块，用于在将所述目标图片确定为模糊图片后，输出是否删除所述目标图片的提示信息，根据用户针对所述提示信息的选择，确定是否执行删除所述目标图片的操作；
或者，
直接删除所述目标图片；
或者，
将所述目标图片放入预设的待删除图片文件夹中。
10.根据权利要求6至9任一项所述的装置，其特征在于，所述锐化图片获得模块，具体用于：
使用边缘检测算子对所述灰度图片进行锐化处理，获得锐化图片。
CN201510438070.XA 2015-07-23 2015-07-23 一种模糊图片识别方法及装置 Expired - Fee Related CN105069783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510438070.XA CN105069783B (zh) 2015-07-23 2015-07-23 一种模糊图片识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510438070.XA CN105069783B (zh) 2015-07-23 2015-07-23 一种模糊图片识别方法及装置

Publications (2)

Publication Number Publication Date
CN105069783A true CN105069783A (zh) 2015-11-18
CN105069783B CN105069783B (zh) 2019-03-01

Family

ID=54499140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510438070.XA Expired - Fee Related CN105069783B (zh) 2015-07-23 2015-07-23 一种模糊图片识别方法及装置

Country Status (1)

Country Link
CN (1) CN105069783B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512221A (zh) * 2015-11-30 2016-04-20 上海斐讯数据通信技术有限公司 模糊照片的处理方法以及处理***
CN105808663A (zh) * 2016-02-29 2016-07-27 北京金山安全软件有限公司 一种图像分类的方法、装置及电子设备
CN106357982A (zh) * 2016-11-11 2017-01-25 北京佳艺徕经贸有限责任公司 影像服务装置及方法
CN106373121A (zh) * 2016-09-18 2017-02-01 广东小天才科技有限公司 模糊图像识别方法和装置
CN106407441A (zh) * 2016-09-28 2017-02-15 北京小米移动软件有限公司 误拍照片的识别方法及设备
CN106920266A (zh) * 2015-12-28 2017-07-04 腾讯科技（深圳）有限公司 验证码的背景生成方法和装置
CN109214995A (zh) * 2018-08-20 2019-01-15 阿里巴巴集团控股有限公司 图片质量的确定方法、装置和服务器
CN109829859A (zh) * 2018-12-05 2019-05-31 平安科技（深圳）有限公司 图像处理方法及终端设备
CN110458790A (zh) * 2018-05-03 2019-11-15 优酷网络技术（北京）有限公司 一种图像检测方法、装置及计算机存储介质
CN110704380A (zh) * 2019-08-27 2020-01-17 努比亚技术有限公司 一种图片自动删除方法、终端及计算机可读存储介质
CN111738282A (zh) * 2019-10-22 2020-10-02 腾讯科技（深圳）有限公司 一种基于人工智能的图像识别方法和相关设备
CN112396050A (zh) * 2020-12-02 2021-02-23 上海优扬新媒信息技术有限公司 图像的处理方法、设备以及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5166722A (en) * 1990-08-14 1992-11-24 Nikon Corporation Camera image shake detecting apparatus
US20050243351A1 (en) * 2004-04-19 2005-11-03 Tatsuya Aoyama Image processing method, apparatus, and program
CN102509285A (zh) * 2011-09-28 2012-06-20 宇龙计算机通信科技(深圳)有限公司 一种拍摄出模糊图片的处理方法、***及拍摄设备
CN102598687A (zh) * 2009-10-10 2012-07-18 汤姆森特许公司 计算视频图像中的模糊的方法和装置
CN102665088A (zh) * 2010-12-22 2012-09-12 特克特朗尼克公司 利用局部锐度映射的模糊检测
CN103413311A (zh) * 2013-08-19 2013-11-27 厦门美图网科技有限公司 一种基于边缘的模糊检测方法
CN104200480A (zh) * 2014-09-17 2014-12-10 西安电子科技大学宁波信息技术研究院 一种应用于智能终端的图像模糊度评价方法及***
CN104268888A (zh) * 2014-10-09 2015-01-07 厦门美图之家科技有限公司 一种图像模糊检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5166722A (en) * 1990-08-14 1992-11-24 Nikon Corporation Camera image shake detecting apparatus
US20050243351A1 (en) * 2004-04-19 2005-11-03 Tatsuya Aoyama Image processing method, apparatus, and program
CN102598687A (zh) * 2009-10-10 2012-07-18 汤姆森特许公司 计算视频图像中的模糊的方法和装置
CN102665088A (zh) * 2010-12-22 2012-09-12 特克特朗尼克公司 利用局部锐度映射的模糊检测
CN102509285A (zh) * 2011-09-28 2012-06-20 宇龙计算机通信科技(深圳)有限公司 一种拍摄出模糊图片的处理方法、***及拍摄设备
CN103413311A (zh) * 2013-08-19 2013-11-27 厦门美图网科技有限公司 一种基于边缘的模糊检测方法
CN104200480A (zh) * 2014-09-17 2014-12-10 西安电子科技大学宁波信息技术研究院 一种应用于智能终端的图像模糊度评价方法及***
CN104268888A (zh) * 2014-10-09 2015-01-07 厦门美图之家科技有限公司 一种图像模糊检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUNG YUN-CHUNG 等: "A non-parametric blur measure based on edge analysis for image processing applications", 《IEEE CONFERENCE ON CYBERNETICS & INTELLIGENT SYSTEMS》 *
ELENA TSOMKO 等: "Efficient Method of Detecting Globally Blurry or Sharp Images", 《NINTH INTERNATIONAL WORKSHOP ON IMAGES ANALYSIS FOR MULTIMEDIA INTERACTIVE SERVICES》 *
李鸿林 等: "无参考模糊图像质量评价改进算法", 《计算机应用》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512221A (zh) * 2015-11-30 2016-04-20 上海斐讯数据通信技术有限公司 模糊照片的处理方法以及处理***
CN106920266B (zh) * 2015-12-28 2019-11-05 腾讯科技（深圳）有限公司 验证码的背景生成方法和装置
CN106920266A (zh) * 2015-12-28 2017-07-04 腾讯科技（深圳）有限公司 验证码的背景生成方法和装置
CN105808663A (zh) * 2016-02-29 2016-07-27 北京金山安全软件有限公司 一种图像分类的方法、装置及电子设备
CN105808663B (zh) * 2016-02-29 2019-12-03 北京金山安全软件有限公司 一种图像分类的方法、装置及电子设备
CN106373121A (zh) * 2016-09-18 2017-02-01 广东小天才科技有限公司 模糊图像识别方法和装置
CN106407441A (zh) * 2016-09-28 2017-02-15 北京小米移动软件有限公司 误拍照片的识别方法及设备
CN106357982A (zh) * 2016-11-11 2017-01-25 北京佳艺徕经贸有限责任公司 影像服务装置及方法
CN106357982B (zh) * 2016-11-11 2023-04-07 北京佳艺徕经贸有限责任公司 影像服务装置及方法
CN110458790A (zh) * 2018-05-03 2019-11-15 优酷网络技术（北京）有限公司 一种图像检测方法、装置及计算机存储介质
CN109214995A (zh) * 2018-08-20 2019-01-15 阿里巴巴集团控股有限公司 图片质量的确定方法、装置和服务器
CN109829859A (zh) * 2018-12-05 2019-05-31 平安科技（深圳）有限公司 图像处理方法及终端设备
CN109829859B (zh) * 2018-12-05 2024-05-24 平安科技（深圳）有限公司 图像处理方法及终端设备
CN110704380A (zh) * 2019-08-27 2020-01-17 努比亚技术有限公司 一种图片自动删除方法、终端及计算机可读存储介质
CN111738282A (zh) * 2019-10-22 2020-10-02 腾讯科技（深圳）有限公司 一种基于人工智能的图像识别方法和相关设备
CN112396050A (zh) * 2020-12-02 2021-02-23 上海优扬新媒信息技术有限公司 图像的处理方法、设备以及存储介质
CN112396050B (zh) * 2020-12-02 2023-09-15 度小满科技(北京)有限公司 图像的处理方法、设备以及存储介质

Also Published As

Publication number Publication date
CN105069783B (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
CN105069783A (zh) 一种模糊图片识别方法及装置
US9349165B2 (en) Automatically suggesting regions for blur kernel estimation
US7860332B2 (en) Method and system for determining an indication of focus of an image
US9071745B2 (en) Automatic capturing of documents having preliminarily specified geometric proportions
US7305127B2 (en) Detection and manipulation of shadows in an image or series of images
CN102799669B (zh) 一种商品图像视觉质量的自动分级方法
US9466096B2 (en) Deblurring images having spatially varying blur
CN112714255B (zh) 拍摄方法、装置、电子设备及可读存储介质
US9894285B1 (en) Real-time auto exposure adjustment of camera using contrast entropy
US7869064B2 (en) Printing device
CN103548056A (zh) 图像处理装置、摄像装置以及图像处理方法
Brocher Qualitative and quantitative evaluation of two new histogram limiting binarization algorithms
EP3035289A1 (en) Method and device for adsorbing straight line/line segment, and method and device for constructing polygon
CN104637046A (zh) 图像检测方法和装置
CN103593120A (zh) 在截图时将截图框贴紧感兴趣区域的边界的方法和设备
Bettahar et al. PDE-based enhancement of color images in RGB space
Buksh et al. MATLAB based image editing and color detection
JP2013232064A (ja) 画像処理装置、画像処理方法およびプログラム
CN105827963A (zh) 一种拍照过程中场景变化检测方法及移动终端
CN105719251B (zh) 一种用于大像移线性模糊的压缩降质图像复原方法
CN107886518A (zh) 图片检测方法、装置、电子设备及可读取存储介质
Seo Image denoising and refinement based on an iteratively reweighted least squares filter
US20240127404A1 (en) Image content extraction method and apparatus, terminal, and storage medium
CN110956584A (zh) 一种病理显微图像交互显示方法、介质及设备
Yu et al. A new dehazing algorithm based on overlapped sub-block homomorphic filtering

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190301

CF01 Termination of patent right due to non-payment of annual fee