CN105654470B - 图像选取方法、装置及*** - Google Patents
图像选取方法、装置及*** Download PDFInfo
- Publication number
- CN105654470B CN105654470B CN201510988384.7A CN201510988384A CN105654470B CN 105654470 B CN105654470 B CN 105654470B CN 201510988384 A CN201510988384 A CN 201510988384A CN 105654470 B CN105654470 B CN 105654470B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- images
- calculating
- mean
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 230000004927 fusion Effects 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims description 73
- 238000001914 filtration Methods 0.000 claims description 23
- 238000010586 diagram Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010187 selection method Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T2207/20024—Filtering details
-
- 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
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于一种图像选取方法、装置及***，该方法包括：计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值；计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图；根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像。本公开结合图像的亮度信息和清晰度信息，选取出同一场景下质量最优的图像。
Description
技术领域
本公开涉及图像处理技术，尤其涉及图像选取方法、装置及***。
背景技术
在日常生活中，拍照已成为人们的一种习惯。然而，在同一场景下可能会拍出多张照片，由于拍摄条件的不同，同一场景下的多张图片的质量不同，需要从多张图片中选取一张质量最优的图片呈现出来，尤其是从同一场景下的相似图片中选取一张质量最优的图片。
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选取方法、装置及***。
根据本公开实施例的第一方面，提供一种图像选取方法，包括：
计算待选取图像中每一个图像的亮度均值，根据所述亮度均值计算图像的亮度评价值；
计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据所述第一权重图均值和所述能量占有比计算待选取图像中每一个图像的清晰度权重图；
根据所述亮度评价值和所述清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像。
结合第一方面，在第一方面的第一种可能的实现方式中，所述计算待选取图像中每一个图像的亮度均值，根据所述亮度均值计算图像的亮度评价值，包括：
采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log空间；
采用公式v＝exp(mean(f′(x,y)))-1在log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为所述亮度均值v；
根据所述亮度均值v采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值L1；
其中，exp(mean(f′(x,y)))表示以自然常数e为底、mean(f′(x,y))为指数的指数函数，mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值；abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述计算待选取图像中每一个图像在时域下的第一权重图均值，包括：
将待选取图像中每一个图像划分为至少一个区域块；
采用公式计算每一个区域块内像素的全方位差分值w(x)；
其中，Xi、Xj表示待选取图像中每一个图像区域块中的像素值，Ω表示所述待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j；
将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图；
根据区域块的全方位差分图采用公式计算所述第一权重图S；
采用公式S1＝mean(S)计算所述第一权重图均值S1；
其中，表示对区域块内像素的全方位差分值v(Ω1)求最大值，mean(S)表示对所述第一权重图S求平均值。
结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，还包括：
根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述计算待选取图像中每一个图像在频域下的能量占有比，包括：
采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域；
其中，fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换；
将频域内待选取的图像中的每一个图像进行滤波；
采用公式F1＝abs(F)＞T计算滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1；
其中，abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5；
采用公式计算待选取图像中每一个图像在频域下的能量占有比S2。
结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述根据所述第一权重图均值和所述能量占有比计算待选取图像中每一个图像的清晰度权重图，包括：
根据所述第一权重图均值S1和所述能量占有比S2采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2；
其中，β为所述第一权重图均值的权重值。
结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，所述根据所述亮度评价值和所述清晰度权重图确定图像的特征融合值，包括：
根据所述亮度评价值L1和所述清晰度权重图L2采用公式L＝L1*L2计算图像的特征融合值L。
结合第一方面至第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述计算待选取图像中每一个图像的亮度均值之前，还包括：
获取至少两个待选取的图像。
根据本公开实施例的第二方面，提供一种图像选取装置，包括：
第一计算模块，被配置为计算待选取图像中每一个图像的亮度均值，根据所述亮度均值确定图像的亮度评价值；
第二计算模块，被配置为计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据所述第一权重图均值和所述能量占有比计算待选取图像中每一个图像的清晰度权重图；
选取模块，被配置为根据所述第一计算模块计算的所述亮度评价值和所述第二计算模块计算的所述清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像。
结合第二方面，在第二方面的第一种可能的实现方式中，所述第一计算模块包括：
空间转换子模块，被配置为采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log空间；
第一确定子模块，被配置为采用公式v＝exp(mean(f′(x,y)))-1在所述空间转换子模块转换的log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为所述亮度均值v；
第一计算子模块，被配置为根据所述第一确定子模块确定的所述亮度均值v采用公式 L1＝1-abs(v-0.5)计算图像的亮度评价值L1；
其中，exp(mean(f′(x,y)))表示以自然常数e为底、mean(f′(x,y))为指数的指数函数， mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值；abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第二计算模块包括：
分块子模块，被配置为将待选取图像中每一个图像划分为至少一个区域块；
分块计算子模块，被配置为采用公式计算所述分块子模块划分的每一个区域块内像素的全方位差分值w(x)；
其中，Xi、Xj表示所述待选取图像中每一个图像区域块中的像素值，Ω表示所述待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j；
第二确定子模块，被配置为将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图；
权重图计算子模块，被配置为根据所述第二确定子模块确定的区域块的全方位差分图采用公式计算所述第一权重图S；
均值计算子模块，被配置为根据所述权重图计算子模块计算的所述第一权重图S采用公式S1＝mean(S)计算所述第一权重图均值S1；
其中，表示对区域块内像素的全方位差分值v(Ω1)求最大值，mean(S)表示对所述第一权重图S求平均值。
结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述第二计算模块还包括：最大值计算子模块；
最大值计算子模块，被配置为所述第二确定子模块将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述第二计算模块还包括：
频域变换子模块，被配置为采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域；
其中，fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换；
滤波子模块，被配置为将所述频域变换子模块转换的频域内待选取的图像中的每一个图像进行滤波；
能量值计算子模块，被配置为采用公式F1＝abs(F)＞T计算所述滤波子模块滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1；
其中，abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5；
占有比计算子模块，被配置为根据所述能量值子模块计算的能量值F1采用公式计算待选取图像中每一个图像在频域下的能量占有比S2。
结合第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，所述第二计算模块还包括：
第二计算子模块，被配置为根据所述均值子模块计算的所述第一权重图均值S1和所述占有比子模块计算的所述能量占有比S2采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2；
其中，β为所述第一权重图均值的权重值。
结合第二方面的第五种可能的实现方式，在第二方面的第六种可能的实现方式中，所述选取模块包括：
选取计算子模块，被配置为根据所述第一计算子模块计算的所述亮度评价值L1和所述第二计算子模块计算的所述清晰度权重图L2采用公式L＝L1*L2计算图像的特征融合值L。
结合第二方面至第二方面的第六种可能的实现方式，在第二方面的第七种可能的实现方式中，所述装置还包括：
获取模块，被配置为获取至少两个待选取的图像。
本公开的实施例提供的技术方案可以包括以下有益效果：
一个实施例中，由于计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值，计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图，根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，结合图像的亮度信息和清晰度信息对待选取图像的质量进行排序，选择质量最优的图像，实现对同一场景下，尤其是相似图像下选取的图像是最优的图像。
另一个实施例中，由于采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像 f(x,y)转换到log空间，采用公式v＝exp(mean(f′(x,y)))-1在log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为亮度均值v，根据亮度均值v采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值L1，更加符合人眼的视觉特征，获取的图像亮度信息更加准确。
另一个实施例中，由于将待选取图像中每一个图像划分为至少一个区域块，采用公式计算每一个区域块内像素的全方位差分值w(x)，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图，根据区域块的全方位差分图采用公式计算第一权重图S，采用公式S1＝mean(S)计算第一权重图均值S1，实现待选取的图像在时域下的第一权重图的计算，确保第一权重图的计算精确度，进而提高图像的清晰度权重图计算的准确度。
另一个实施例中，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值，实现区域块中最大的全方位差分值的计算，进而确保第一权重图的计算精确度。
另一个实施例中，由于采用公式F＝fft(I)将待选取的图像中的每一个图像转到频域，将频域内待选取的图像中的每一个图像进行滤波，采用公式F1＝abs(F)＞T计算滤波后待选取图像中每一个图像的能量值F大于预设阈值的能量值F1，采用公式计算待选取图像中每一个图像在频域下的能量占有比S2，实现待选取的图像在频域下的能量占有比的计算，确保能量占有比的计算精确度，进而提高图像的清晰度权重图计算的准确度。
另一个实施例中，由于根据第一权重图均值和能量占有比采用公式 L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2，β为第一权重图均值的权重值，实现待选取的图像的清晰度权重图的计算，确保图像的清晰度权重图的计算精确度，进而提高图像的特征融合值计算的准确度。
另一个实施例中，由于根据亮度评价值和清晰度权重图采用公式L＝L1*L2计算图像的特征融合值L，确保图像的特征融合值的计算精确度，确保选择质量最优的图像，实现对同一场景下，尤其是相似图像下选取的图像是最优的图像。。
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和解释性的，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选取方法的流程图；
图2是根据另一示例性实施例示出的一种图像选取方法的流程图；
图3是根据一示例性实施例示出的一种图像选取装置框图；
图4根据另一示例性实施例示出的一种图像选取装置的框图；
图5是根据一示例性实施例示出的一种用于图像选取装置的框图。
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发明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、本发明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选取方法的流程图。如图1所示，本实施例涉及的图像选取方法用于终端中，该终端可以是具有拍照功能的手机、平板电脑和笔记本电脑等，也可以是具有拍照功能的其他设备，比如摄像机。该图像选取方法包括以下步骤。
在步骤S11中，计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值。
通常情况下，在同一场景下，图像拍摄所处的光照等条件不同，使得图像的亮度不同。在本公开实施例中，终端对待选取图像的亮度进行特征分析，计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值。亮度评价值可以较好的描述图像的亮度信息，可以有效反映图像的光照情况，比如图像是否出现偏离了人眼最适应的范围，出现曝光、偏暗等问题。
在步骤S12中，计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图。
通常情况下，在同一场景下，图像拍摄时的对焦等条件不同，使得图像的清晰度不同。在本公开实施例中，终端对待判定的图像在时域下进行特征分析，计算待判定的图像在时域下的第一权重图均值。在时域下的第一权重图均值可以较好的描述图像的局部区域，可以有效的描述图像的边缘结构信息。终端对待判定的图像在频域下进行特征分析，计算待判定的图像在频域下的能量占有比。在频域下的能量占有比可以较好的描述图像的整体区域，包括一些较低对比度的区域，可以有效的描述图像的整体信息。根据时域下的第一权重图均值和频域下的能量占有比计算图像的清晰度权重图，终端结合图像的时域信息和图像的频域信息可以较好描述图像的清晰度，图像的时域考虑了图像的局部，图像的频域考虑了图像的整体，可以有效的反应图像的清晰度情况，比如图像是否存在失焦、运动模糊等情况的存在。
在步骤S13中，根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像。
本公开实施例中，结合图像的亮度信息和清晰度信息对待选取图像的质量进行评价，终端根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，可以在同一场景下，尤其是相似图片中，在待选取图像中选取最优的图像，可以为用户智能的提示哪张图片的质量最优，智能的删除待选取图像中其余的图片。
本实施例的图像选取方法，通过计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值，计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图，根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，结合图像的亮度信息和清晰度信息对待选取图像的质量进行排序，选择质量最优的图像，实现对同一场景下，尤其是相似图像下选取的图像是最优的图像。
图2是根据另一示例性实施例示出的一种图像选取方法的流程图。本实施例涉及的图像选取方法用于终端中，本实施例在图1所示实施例的基础上，计算图像的亮度评价值和图像的清晰度权重图，以及根据亮度评价值和清晰度权重图确定图像的特征融合值的实施例，作详细说明，如图2所示，该图像选取方法包括以下步骤。
在步骤S21中，获取至少两个待选取的图像。
本公开实施例中，终端可以通过摄像头拍摄获取待选取的图像，也可以通过在存储模块中获取预先存储在终端中的待选取的图像。待选取的图像是在同一场景下拍摄的多张内容相似的图像。
在步骤S22中，将待选取图像中每一个图像转换到log空间，在log空间取图像的均值后，将log空间的待选取图像中每一个图像转到原始空间的值作为亮度均值，根据亮度均值采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值。执行步骤S26。
其中，采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log 空间；采用公式v＝exp(mean(f′(x,y)))-1在log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为亮度均值v，根据亮度均值v采用公式 L1＝1-abs(v-0.5)计算图像的亮度评价值L1。exp(mean(f′(x,y)))表示以自然常数e为底、 mean(f′(x,y))为指数的指数函数，mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值；abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
本公开实施例中，将待选取图像中每一个图像映射转换到log空间，在log空间取图像的均值然后再反转回来作为计算的亮度均值，更加符合人眼的视觉特征，获取的图像亮度信息更加准确。同时，图像亮度的评价准则采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值，将图像的亮度均值与基准点0.5比较，判断当前亮度均值与基准点0.5的距离，若当前亮度均值与基准点0.5的距离越大，也即图像的亮度评价值L1越小，表示图像出现曝光或者图像较暗；若当前亮度均值与基准点0.5的距离越小，也即图像的亮度评价值L1越大，表示图像没有出现曝光或者图像不偏暗。
在步骤S23中，将待选取图像中每一个图像划分为至少一个区域块，计算每一个区域块内像素的全方位差分值，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图，根据区域块的全方位差分图计算第一权重图，采用公式S1＝mean(S)计算第一权重图均值。执行步骤S25。
其中，采用公式计算每一个区域块内像素的全方位差分值w(x)； Xi、Xj表示待选取图像中每一个图像区域块中的像素值，Ω表示待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j。根据区域块的全方位差分图采用公式计算第一权重图S；采用公式S1＝mean(S) 计算第一权重图均值S1。表示对区域块内像素的全方位差分值v(Ω1)求最大值， mean(S)表示对所述第一权重图S求平均值。
本公开实施例中，首先，终端将待选取的图像中每一个图像划分为若干个区域块，每一个区域块包括若干个像素，终端可以根据区域块中像素的像素值，计算划分的每一个区域块内预设位置像素的全方位差分值。比如，若每一个区域块中包括8*8(64)个像素，则可以计算右边、下边和右下方围成的7*7(49)个像素的全方位差分值。本公开实施例中，通过终端计算每一个区域块内预设位置像素的全方位差分值，可以去除每一个区域块中的边界点，确保每一个区域块像素的全方位差分值的精确度。其次，每一个区域块像素的全方位差分值代表像素与周围像素的差别，差别越大表明该像素所在的区域块内对比度比较高。终端将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，使得每一区域块中的全方位差分值相同，可以确保待判定的图像的每一个区域块中像素的对比度相差较大，且每一个区域块具有较好的对比度。比如，若待判定的图像被划分为4个区域块，通过公式计算每一个区域块像素的全方位差分值分别为：0.2、0.3、 0.5和0.8，则将最大的全方位差分值0.8分别作为这4个区域块的全方位差分值，即每一个区域块的全方位差分值都为0.8。再次，全方位差分图表示图像在时域下的第一权重图，区域块的全方位差分图与第一权重图存在一个对应的关系，终端根据区域块的全方位差分图采用公式计算第一权重图S，采用公式S1＝mean(S)计算第一权重图均值S1，第一权重图均值S1用于描述图像在时域下的清晰度，S1越大表示图像的清晰度越高，S1越小表示图像的清晰度越低。
进一步地，在步骤23中，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，还包括：根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
本公开实施例中，根据每一个区域块内预设位置像素的全方位差分值，可以通过逐个比较法确定区域块中最大的全方位差分值；也可以通过求最大值函数计算区域块中最大的全方位差分值，本公开实施例在此不进行限定和赘述。
在步骤S24中，将待选取的图像中的每一个图像转到频域，将频域内待选取的图像中的每一个图像进行滤波，计算滤波后待选取图像中每一个图像的能量值大于预设阈值的能量值，采用公式计算待选取图像中每一个图像在频域下的能量占有比。执行步骤S25。
其中，采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域。采用公式F1＝abs(F)＞T计算滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1；其中，F＝fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换；abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5。
本公开实施例中，首先，终端采用公式F＝fft(I)将待选取的图像中的每一个图像进行傅里叶变换，将待选取的图像从时域变换到频域。其次，待选取图像中的每一个图像傅里叶变换转到频域以后，在频域内做一次滤波处理，计算滤波后待选取图像中每一个图像的模值大于预设阈值的能量值，采用公式计算待选取图像中每一个图像在频域下的能量占有比S2，能量占有比S2越大，表示图像越清晰，图像的清晰度越高。
在步骤S25中，根据第一权重图均值和能量占有比采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图。
其中，β为第一权重图均值的权重值。
本公开实施例中，结合图像的时域和频域，采取时域频域的加权融合，终端根据步骤 S23中计算的第一权重图均值和步骤S24中计算的能量占有比计算图像的清晰度权重图，图像的清晰度权重图L2越大，图像的清晰度越高，图像的清晰度权重图L2越小，图像的清晰度越低。
在步骤S26中，根据亮度评价值和清晰度权重图采用公式L＝L1*L2计算图像的特征融合值。
本公开实施例中，结合图像的亮度特征和清晰度特征，采取亮度特征与清晰度特征的融合，终端根据步骤S22中计算的亮度评价值和步骤S25中计算的清晰度权重图计算图像的特征融合值，图像的特征融合值L越大，图像的综合特征越好，图像的质量越优。
在步骤S27中，将待选取图像中特征融合值最大的图像作为最终的选取图像。
本公开实施例中，结合图像的亮度信息和清晰度信息对待选取图像的质量进行评价，终端根据亮度评价值和清晰度权重图公式L＝L1*L2确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，可以在同一场景下，尤其是相似图片中，在待选取图像中选取最优的图像，可以为用户智能的提示哪张图片的质量最优，智能的删除待选取图像中其余的图片。
本实施例的图像选取方法，通过计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值，计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图，根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，结合图像的亮度信息和清晰度信息对待选取图像的质量进行排序，选择质量最优的图像，实现对同一场景下，尤其是相似图像下选取的图像是最优的图像。同时，通过将待选取图像中每一个图像转换到log空间，在log空间取图像的均值后，将log空间的待选取图像中每一个图像转到原始空间的值作为亮度均值，根据亮度均值采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值，更加符合人眼的视觉特征，获取的图像亮度信息更加准确。另外，通过将待选取图像中每一个图像划分为至少一个区域块，计算每一个区域块内像素的全方位差分值，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图，根据区域块的全方位差分图计算第一权重图，采用公式S1＝mean(S)计算第一权重图均值，实现待选取的图像在时域下的第一权重图的计算，确保第一权重图的计算精确度，进而提高图像的清晰度权重图计算的准确度。同时，通过将待选取的图像中的每一个图像转到频域，将频域内待选取的图像中的每一个图像进行滤波，计算滤波后待选取图像中每一个图像的能量值大于预设阈值的能量值，采用公式计算待选取图像中每一个图像在频域下的能量占有比，实现待选取的图像在频域下的能量占有比的计算，确保能量占有比的计算精确度，进而提高图像的清晰度权重图计算的准确度。
图3是根据一示例性实施例示出的一种图像选取装置框图。参照图3，该装置包括：第一计算模块31、第二计算模块32和选取模块33。
该第一计算模块31被配置为计算待选取图像中每一个图像的亮度均值，根据亮度均值确定图像的亮度评价值。
该第二计算模块32被配置为计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图。
该选取模块33被配置为根据第一计算模块31计算的亮度评价值和第二计算模块32 计算的清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像。
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。
本实施例的图像选取装置，通过计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值，计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图，根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，结合图像的亮度信息和清晰度信息对待选取图像的质量进行排序，选择质量最优的图像，实现对同一场景下，尤其是相似图像下选取的图像是最优的图像。
图4根据另一示例性实施例示出的一种图像选取装置的框图。参照图4，在图3所示实施例的基础上，该装置还包括：获取模块34。
该获取模块34被配置为获取至少两个待选取的图像。
第一计算模块31包括：空间转换子模块311、第一确定子模块312和第一计算子模块313。
该空间转换子模块311被配置为采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log空间。
该第一确定子模块312被配置为采用公式v＝exp(mean(f′(x,y)))-1在空间转换子模块311转换的log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为亮度均值v。
其中，exp(mean(f′(x,y)))表示以自然常数e为底、mean(f′(x,y))为指数的指数函数， mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值。
该第一计算子模块313被配置为根据第一确定子模块312确定的亮度均值v采用公式 L1＝1-abs(v-0.5)计算图像的亮度评价值L1。
其中，abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
第二计算模块32包括：分块子模块3211、分块计算子模块3212、第二确定子模块3213、权重图计算子模块3214和均值计算子模块3215。
该分块子模块3211被配置为将待选取图像中每一个图像划分为至少一个区域块。
该分块计算子模块3212被配置为采用公式计算分块子模块3211 划分的每一个区域块内像素的全方位差分值w(x)。
其中，Xi、Xj表示待选取图像中每一个图像区域块中的像素值，Ω表示待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j。
该第二确定子模块3213被配置为将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图。
该权重图计算子模块3214被配置为根据第二确定子模块3213确定的区域块的全方位差分图采用公式计算第一权重图S。
其中，表示对区域块内像素的全方位差分值v(Ω1)求最大值。
该均值计算子模块3215被配置为根据权重图计算子模块3214计算的第一权重图S采用公式S1＝mean(S)计算第一权重图均值S1。
其中，mean(S)表示对所述第一权重图S求平均值。
进一步地，第二计算模块32还包括；最大值计算子模块。
该最大值计算子模块被配置为第二确定子模块3213将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
进一步地，第二计算模块还包括：频域变换子模块3221、滤波子模块3222、能量值计算子模块3223和占有比计算子模块3224。
该频域变换子模块3221被配置为采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域。
其中，fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换。
该滤波子模块3222被配置为将频域变换子模块3221转换的频域内待选取的图像中的每一个图像进行滤波。
该能量值计算子模块3223被配置为采用公式F1＝abs(F)＞T计算滤波子模块3222滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1。
其中，abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5。
该占有比计算子模块3224，被配置为根据能量值子模块3223计算的能量值F1采用公式计算待选取图像中每一个图像在频域下的能量占有比S2。
进一步地，第二计算模块还包括：第二计算子模块323。
该第二计算子模块323被配置为根据均值子模块3215计算的第一权重图均值S1和占有比子模块3224计算的能量占有比S2采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2。
其中，β为第一权重图均值的权重值。
进一步地，选取模块33包括：选取计算子模块331。
该选取计算子模块331被配置为根据第一计算子模块313计算的亮度评价值L1和第二计算子模块323计算的清晰度权重图L2采用公式L＝L1*L2计算图像的特征融合值L。
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。
本实施例的图像选取装置，通过计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值，计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图，根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，结合图像的亮度信息和清晰度信息对待选取图像的质量进行排序，选择质量最优的图像，实现对同一场景下，尤其是相似图像下选取的图像是最优的图像。同时，通过将待选取图像中每一个图像转换到log空间，在log空间取图像的均值后，将log空间的待选取图像中每一个图像转到原始空间的值作为亮度均值，根据亮度均值采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值，更加符合人眼的视觉特征，获取的图像亮度信息更加准确。另外，通过将待选取图像中每一个图像划分为至少一个区域块，计算每一个区域块内像素的全方位差分值，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图，根据区域块的全方位差分图计算第一权重图，采用公式S1＝mean(S)计算第一权重图均值，实现待选取的图像在时域下的第一权重图的计算，确保第一权重图的计算精确度，进而提高图像的清晰度权重图计算的准确度。同时，通过将待选取的图像中的每一个图像转到频域，将频域内待选取的图像中的每一个图像进行滤波，计算滤波后待选取图像中每一个图像的能量值大于预设阈值的能量值，采用公式计算待选取图像中每一个图像在频域下的能量占有比，实现待选取的图像在频域下的能量占有比的计算，确保能量占有比的计算精确度，进而提高图像的清晰度权重图计算的准确度。
图5是根据一示例性实施例示出的一种用于图像选取装置的框图。例如，装置800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。
参照图5，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件 814，以及通信组件816。
处理组件802通常控制装置800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802可以包括一个或多个处理器820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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800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804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806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800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。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808包括一个前置摄像头和/或后置摄像头。当设备800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***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口，上述***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814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置 800的温度变化。传感器组件814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814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814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816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800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816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，通信组件816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800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804，上述指令可由装置800的处理器820执行以完成上述方法。例如，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，当存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种图像选取方法，该方法包括：
计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值；
计算待选取图像中每一个图像在时域下的第一权重图均值，计算待选取图像中每一个图像在频域下的能量占有比，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图；
根据亮度评价值和清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像。
其中，计算待选取图像中每一个图像的亮度均值，根据亮度均值计算图像的亮度评价值，包括：
采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log空间；
采用公式v＝exp(mean(f′(x,y)))-1在log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为亮度均值v；
根据亮度均值v采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值L1；
其中，exp(mean(f′(x,y)))表示以自然常数e为底、mean(f′(x,y))为指数的指数函数， mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值；abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
其中，计算待选取图像中每一个图像在时域下的第一权重图均值，包括：
将待选取图像中每一个图像划分为至少一个区域块；
采用公式计算每一个区域块内像素的全方位差分值w(x)；
其中，Xi、Xj表示待选取图像中每一个图像区域块中的像素值，Ω表示待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j；
将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图；
根据区域块的全方位差分图采用公式计算第一权重图S；
采用公式S1＝mean(S)计算第一权重图均值S1；
其中，表示对区域块内像素的全方位差分值v(Ω1)求最大值，mean(S)表示对所述第一权重图S求平均值。
其中，将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，还包括：
根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
其中，计算待选取图像中每一个图像在频域下的能量占有比，包括：
采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域；
其中，fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换；
将频域内待选取的图像中的每一个图像进行滤波；
采用公式F1＝abs(F)＞T计算滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1；
其中，abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5；
采用公式计算待选取图像中每一个图像在频域下的能量占有比S2。
其中，根据第一权重图均值和能量占有比计算待选取图像中每一个图像的清晰度权重图，包括：
根据第一权重图均值S1和能量占有比S2采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2；
其中，β为第一权重图均值的权重值。
其中，根据亮度评价值和清晰度权重图确定图像的特征融合值，包括：
根据亮度评价值L1和清晰度权重图L2采用公式L＝L1*L2计算图像的特征融合值L。
其中，计算待选取图像中每一个图像的亮度均值之前，还包括：
获取至少两个待选取的图像。
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 (14)
1.一种图像选取方法，其特征在于，包括：
计算待选取图像中每一个图像的亮度均值，根据所述亮度均值计算图像的亮度评价值；
对待选取的图像在时域下进行特征分析，计算待选取图像中每一个图像在时域下的第一权重图均值，对待选取的图像在频域下进行特征分析，计算待选取图像中每一个图像在频域下的能量占有比，根据时域下的所述第一权重图均值和频域下的所述能量占有比计算待选取图像中每一个图像的清晰度权重图；
根据所述亮度评价值和所述清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，
所述计算待选取图像中每一个图像在时域下的第一权重图均值，包括：
根据区域块的全方位差分图采用公式计算所述第一权重图S；
采用公式S1＝mean(S)计算所述第一权重图均值S1；
其中，表示对区域块内像素的全方位差分值w(Ω1)求最大值，mean(S)表示对所述第一权重图S求平均值，
所述计算待选取图像中每一个图像在频域下的能量占有比，包括：
采用公式F1＝abs(F)>T计算滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1；
其中，abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5；
采用公式计算待选取图像中每一个图像在频域下的能量占有比S2，
所述根据所述第一权重图均值和所述能量占有比计算待选取图像中每一个图像的清晰度权重图，包括：
根据所述第一权重图均值S1和所述能量占有比S2采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2；
其中，β为所述第一权重图均值的权重值。
2.根据权利要求1所述的方法，其特征在于，所述计算待选取图像中每一个图像的亮度均值，根据所述亮度均值计算图像的亮度评价值，包括：
采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log空间；
采用公式v＝exp(mean(f′(x,y)))-1在log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为所述亮度均值v；
根据所述亮度均值v采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值L1；
其中，exp(mean(f′(x,y)))表示以自然常数e为底、mean(f′(x,y))为指数的指数函数，mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值；abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
3.根据权利要求2所述的方法，其特征在于，所述计算待选取图像中每一个图像在时域下的第一权重图均值，还包括：
将待选取图像中每一个图像划分为至少一个区域块；
采用公式计算每一个区域块内像素的全方位差分值w(x)；
其中，Xi、Xj表示所述待选取图像中每一个图像区域块中的像素值，Ω表示所述待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j；
将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图。
4.根据权利要求3所述的方法，其特征在于，所述将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，还包括：
根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
5.根据权利要求4所述的方法，其特征在于，所述计算待选取图像中每一个图像在频域下的能量占有比，还包括：
采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域；
其中，fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换；
将频域内待选取的图像中的每一个图像进行滤波。
6.根据权利要求1所述的方法，其特征在于，所述根据所述亮度评价值和所述清晰度权重图确定图像的特征融合值，包括：
根据所述亮度评价值L1和所述清晰度权重图L2采用公式L＝L1*L2计算图像的特征融合值L。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述计算待选取图像中每一个图像的亮度均值之前，还包括：
获取至少两个待选取的图像。
8.一种图像选取装置，其特征在于，包括：
第一计算模块，被配置为计算待选取图像中每一个图像的亮度均值，根据所述亮度均值确定图像的亮度评价值；
第二计算模块，被配置为对待选取的图像在时域下进行特征分析，计算待选取图像中每一个图像在时域下的第一权重图均值，对待选取的图像在频域下进行特征分析，计算待选取图像中每一个图像在频域下的能量占有比，根据时域下的所述第一权重图均值和频域下的所述能量占有比计算待选取图像中每一个图像的清晰度权重图；
选取模块，被配置为根据所述第一计算模块计算的所述亮度评价值和所述第二计算模块计算的所述清晰度权重图确定图像的特征融合值，将待选取图像中特征融合值最大的图像作为最终的选取图像，
所述第二计算模块，包括：
权重图计算子模块，被配置为根据所述第二确定子模块确定的区域块的全方位差分图采用公式计算所述第一权重图S；
均值计算子模块，被配置为根据所述权重图计算子模块计算的所述第一权重图S采用公式S1＝mean(S)计算所述第一权重图均值S1；
其中，表示对区域块内像素的全方位差分值w(Ω1)求最大值，mean(S)表示对所述第一权重图S求平均值；
能量值计算子模块，被配置为采用公式F1＝abs(F)>T计算所述滤波子模块滤波后待选取图像中每一个图像的能量值F大于预设阈值T的能量值F1；
其中，abs(F)表示对滤波后待选取图像中每一个图像的能量值F取模值，预设阈值T＝5；
占有比计算子模块，被配置为根据所述能量值计算子模块计算的能量值F1采用公式计算待选取图像中每一个图像在频域下的能量占有比S2；
第二计算子模块，被配置为根据所述均值计算子模块计算的所述第一权重图均值S1和所述占有比计算子模块计算的所述能量占有比S2采用公式L2＝S1*β+S2*(1-β)计算待选取图像中每一个图像的清晰度权重图L2；
其中，β为所述第一权重图均值的权重值。
9.根据权利要求8所述的装置，其特征在于，所述第一计算模块包括：
空间转换子模块，被配置为采用公式f′(x,y)＝log(f(x,y)+1)将待选取图像中每一个图像f(x,y)转换到log空间；
第一确定子模块，被配置为采用公式v＝exp(mean(f′(x,y)))-1在所述空间转换子模块转换的log空间取图像的均值后，将log空间的待选取图像中每一个图像f′(x,y)转到原始空间的值作为所述亮度均值v；
第一计算子模块，被配置为根据所述第一确定子模块确定的所述亮度均值v采用公式L1＝1-abs(v-0.5)计算图像的亮度评价值L1；
其中，exp(mean(f′(x,y)))表示以自然常数e为底、mean(f′(x,y))为指数的指数函数，mean(f′(x,y))表示对log空间的待选取图像中每一个图像f′(x,y)取平均值；abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值。
10.根据权利要求9所述的装置，其特征在于，所述第二计算模块还包括：
分块子模块，被配置为将待选取图像中每一个图像划分为至少一个区域块；
分块计算子模块，被配置为采用公式计算所述分块子模块划分的每一个区域块内像素的全方位差分值w(x)；
其中，Xi、Xj表示所述待选取图像中每一个图像区域块中的像素值，Ω表示所述待选取图像中每一个图像在时域下所有区域块组成的区域，i、j分别为大于等于1的正整数，且i≠j；
第二确定子模块，被配置为将区域块中最大的全方位差分值作为每一个区域块的全方位差分值，所有区域块的全方位差分值组成区域块的全方位差分图。
11.根据权利要求10所述的装置，其特征在于，所述第二计算模块还包括：最大值计算子模块；
最大值计算子模块，被配置为所述第二确定子模块将区域块中最大的全方位差分值作为每一个区域块的全方位差分值之前，根据每一个区域块内像素的全方位差分值计算区域块中最大的全方位差分值。
12.根据权利要求11所述的装置，其特征在于，所述第二计算模块还包括：
频域变换子模块，被配置为采用公式F＝fft(I)将待选取的图像中的每一个图像I转到频域；
其中，fft(I)表示对待选取的图像中的每一个图像I进行傅里叶变换；
滤波子模块，被配置为将所述频域变换子模块转换的频域内待选取的图像中的每一个图像进行滤波。
13.根据权利要求8所述的装置，其特征在于，所述选取模块包括：
选取计算子模块，被配置为根据所述第一计算子模块计算的所述亮度评价值L1和所述第二计算子模块计算的所述清晰度权重图L2采用公式L＝L1*L2计算图像的特征融合值L。
14.根据权利要求8-13任一所述的装置，其特征在于，所述装置还包括：
获取模块，被配置为获取至少两个待选取的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510988384.7A CN105654470B (zh) | 2015-12-24 | 2015-12-24 | 图像选取方法、装置及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510988384.7A CN105654470B (zh) | 2015-12-24 | 2015-12-24 | 图像选取方法、装置及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105654470A CN105654470A (zh) | 2016-06-08 |
| CN105654470B true CN105654470B (zh) | 2018-12-11 |
Family
ID=56476785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510988384.7A Active CN105654470B (zh) | 2015-12-24 | 2015-12-24 | 图像选取方法、装置及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105654470B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110807745B (zh) * | 2019-10-25 | 2022-09-16 | 北京小米智能科技有限公司 | 图像处理方法及装置、电子设备 |
| CN111161198A (zh) * | 2019-12-11 | 2020-05-15 | 国网北京市电力公司 | 成像设备的控制方法、装置、存储介质以及处理器 |
| CN111369531B (zh) * | 2020-03-04 | 2023-09-01 | 浙江大华技术股份有限公司 | 图像清晰度的评分方法、设备及存储装置 |
| CN116678827A (zh) * | 2023-05-31 | 2023-09-01 | 天芯电子科技(江阴)有限公司 | 一种大电流电源模块lga封装引脚检测*** |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4720810B2 (ja) * | 2007-09-28 | 2011-07-13 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及び画像処理プログラム |
| CN102209196B (zh) * | 2010-03-30 | 2016-08-03 | 株式会社尼康 | 图像处理装置及图像评价方法 |
| KR101933454B1 (ko) * | 2012-09-25 | 2018-12-31 | 삼성전자주식회사 | 촬영 이미지 생성 방법 및 장치와 그 방법에 대한 프로그램 소스를 저장한 기록 매체 |
| CN103218778B (zh) * | 2013-03-22 | 2015-12-02 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
| US20150071547A1 (en) * | 2013-09-09 | 2015-03-12 | Apple Inc. | Automated Selection Of Keeper Images From A Burst Photo Captured Set |
| CN103618855A (zh) * | 2013-12-03 | 2014-03-05 | 厦门美图移动科技有限公司 | 一种自动选择最优图片的拍照方法及装置 |
-
2015
- 2015-12-24 CN CN201510988384.7A patent/CN105654470B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105654470A (zh) | 2016-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2628494C1 (ru) | Способ и устройство для генерирования фильтра изображения | |
| CN106331504B (zh) | 拍摄方法及装置 | |
| CN108154465B (zh) | 图像处理方法及装置 | |
| CN106778773B (zh) | 图片中目标物的定位方法及装置 | |
| CN107944367B (zh) | 人脸关键点检测方法及装置 | |
| CN107798654B (zh) | 图像磨皮方法及装置、存储介质 | |
| CN105631803B (zh) | 滤镜处理的方法和装置 | |
| CN107948510B (zh) | 焦距调整的方法、装置及存储介质 | |
| CN108154466B (zh) | 图像处理方法及装置 | |
| CN107463052B (zh) | 拍摄曝光方法及装置 | |
| CN105654470B (zh) | 图像选取方法、装置及*** | |
| CN109509195B (zh) | 前景处理方法、装置、电子设备及存储介质 | |
| CN108040204B (zh) | 一种基于多摄像头的图像拍摄方法、装置及存储介质 | |
| CN111756989A (zh) | 控制镜头对焦的方法及装置 | |
| CN109784327B (zh) | 边界框确定方法、装置、电子设备及存储介质 | |
| CN105574834B (zh) | 图像处理方法及装置 | |
| CN110827219B (zh) | 图像处理模型的训练方法、装置及介质 | |
| CN106469446B (zh) | 深度图像的分割方法和分割装置 | |
| CN112188096A (zh) | 拍照方法及装置、终端及存储介质 | |
| CN111275641A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN115484383B (zh) | 拍摄方法及相关装置 | |
| CN105391942B (zh) | 自动拍照方法及装置 | |
| CN114070998B (zh) | 一种拍摄月亮的方法、装置、电子设备及介质 | |
| CN112866555B (zh) | 拍摄方法、装置、设备及存储介质 | |
| CN108108668B (zh) | 基于图像的年龄预测方法及装置 |
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 |