CN107231551B - 一种图像检测方法及装置 - Google Patents
一种图像检测方法及装置 Download PDFInfo
- Publication number
- CN107231551B CN107231551B CN201610178431.6A CN201610178431A CN107231551B CN 107231551 B CN107231551 B CN 107231551B CN 201610178431 A CN201610178431 A CN 201610178431A CN 107231551 B CN107231551 B CN 107231551B
- Authority
- CN
- China
- Prior art keywords
- gradient
- image
- detected
- feature vector
- amplitude
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明的实施例提供了一种图像检测方法及装置,涉及图像处理技术领域,解决了现有技术中由于高清电视在对获取到的高清图像进行清晰度增强处理时,无法分辨出该高清图像是经过图像放大处理后得到的高清图像还是真实的高清图像,从而导致的经过图像放大处理后得到的高清图像在高清电视上显示所出现的图像失真问题。该方法包括:通过获取待检测图像,并提取待检测图像的几何特征;通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征;获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图;根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。本发明应用于图像检测。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像检测方法及装置。
背景技术
随着液晶电视技术的飞速的发展,高清及超高清电视已经成为市场主流。然而,分辨率较低的标清信号源还仍然在广播电视、网络传播以及多媒体娱乐中被广泛应用。当超高清电视接收低分辨率的标清信号源时,这些低分辨率的视频信号源必须经过图像放大处理后得到的高清图像方能在超高清液晶屏幕上显示。例如,将480P分辨率的图像在1080P全高清液晶屏幕上进行显示时,由于480P的图像分辨率为720*480,1080P的全高清液晶屏的分辨率为1920*1080,通常情况下需要通过线性插值的方式将水平方向上的720个像素点增加到1920个,将垂直方向的480个像素点增加到1080个,从而使整个画面被像素点充满,进而实现将低分辨率的图像显示在全高清液晶屏幕上。
然而,不管是经过图像放大处理后得到的高清图像还是真实的高清图像在显示在高清液晶屏幕上时,均需要高清电视对其进行清晰度增强处理,来使得显示出的图像效果更为美观自然。但是,由于高清电视在对获取到的高清图像进行清晰度增强处理时,无法分辨出该高清图像是经过图像放大处理后得到的高清图像还是真实的高清图像,而会按照相同的清晰度调整幅度对这两种高清图像进行清晰度调整。因此,对于需要进行更细致的清晰度增强处理的经过图像放大处理后得到的高清图像,其在高清电视上显示时会出现图像失真的现象。
发明内容
本发明的实施例提供一种图像检测方法及装置,解决了现有技术中由于高清电视在对获取到的高清图像进行清晰度增强处理时,无法分辨出该高清图像是经过图像放大处理后得到的高清图像还是真实的高清图像,从而导致的经过图像放大处理后得到的高清图像在高清电视上显示所出现的图像失真问题。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,提供一种图像检测方法,包括:
获取待检测图像,并提取所述待检测图像的几何特征;
通过边缘检测算子确定所述待检测图像的几何特征的至少两组梯度特征,所述每组梯度特征对应的边缘检测算子不同;
获取所述待检测图像的几何特征的每组梯度特征对应的梯度幅度图;
根据所述待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定所述待检测图像是否经过缩放处理。
另一方面,提供一种图像检测装置,包括:
第一获取模块,用于获取待检测图像,并提取所述待检测图像的几何特征;
第一确定模块,用于通过边缘检测算子确定所述待检测图像的几何特征的至少两组梯度特征,所述每组梯度特征对应的边缘检测算子不同;
第二获取模块,用于获取所述待检测图像的几何特征的每组梯度特征对应的梯度幅度图;
第二确定模块,用于根据所述待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定所述待检测图像是否经过缩放处理。
本发明的实施例提供的图像检测方法及装置,通过获取待检测图像,并提取待检测图像的几何特征,其次,通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征,每组梯度特征对应的边缘检测算子不同;然后,获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图;最后,根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。相对于现有技术,由于经过缩放处理的图像使用不同边缘检测算子所得到的不同梯度幅度图间的清晰度差距较大,因此,本方案通过对待检测图像的几何特征的基于不同边缘检测算子得到的多幅梯度幅度图的特征向量进行比对,从而便可确定出该待检测图像是否进行过缩放处理。这样,当终端对高清图像进行清晰度处理时,便可基于该待检测图像的检测结果,对经过图像放大处理后得到的高清图像和真实的高清图像,分别进行相应的清晰度增强处理,进而使得经过图像放大处理后得到的高清图像在高清电视上显示时不会出现图像失真。
附图说明
为了更清楚地说明本发明实施例的技术方案,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为本发明实施例提供的一种图像检测方法的方法流程图;
图2为本发明实施例提供的原始图像和所提取原始图像的几何特征图;
图3为本发明实施例提供的整数高斯模板图;
图4为本发明实施例提供的一幅风景画的原始图像和经过两种不同算子处理后的图像;
图5为本发明实施例提供的特征投影变换示意图;
图6为本发明实施例提供的一种图像检测装置的结构示意图。
具体实施方式
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作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。
本发明实施例提供的图像检测方法的执行主体可以为图像检测装置,或者用于执行上述图像检测方法的终端。具体的,该终端可以为智能电视、智能电视终端、高清机顶盒、平板电脑、笔记本电脑、超级移动个人计算机(英文:Ultra-mobile Personal Computer,简称:UMPC)、上网本、个人数字助理(英文:Personal Digital Assistant,简称:PDA)等终端。其中,图像检测装置可以为上述终端中的中央处理器(英文:Central Processing Unit,简称:CPU)或者可以为上述终端的中的控制单元或者功能模块。
本发明实施例提供的待检测图像可以为信号源中的原始的标清图像、高清图像或全高清图像和超高清图像,也可以是标清信号源输入至高清终端时,高清终端经过放大处理后得到的高清图像,还可以是高清信号源输入至标清终端时,标清终端经过缩小处理后得到的标清图像。需要说明的是,本领域技术人员应当清楚,下文中所提及的“待检测图像”可以替换为上述所提及的图像中的任何一种,同时,为了方便说明,下文中所提及的“高清”是“高清、全高清以及超高清”的统称。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能或作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。
本发明的实施例提供一种图像检测方法,如图1所示,该方法包括如下步骤:
101、图像检测装置获取待检测图像,并提取待检测图像的几何特征。
其中,本实施例中的待检测图像的几何特征为待检测图像中出现像素灰度急剧变化的那些像素的集合,该检测图像的几何特征包括但不限于:图像边缘信息和图像细节信息。其中,上述的图像边缘信息包括构成图像轮廓像素的像素信息,上述的图像细节信息包括图像的角点信息,而上述的角点是指图像中出现亮度变化剧烈的像素点或图像边缘曲线上曲率极大值的像素点。
示例性的,图像检测装置提取待检测图像的边缘信息和细节信息可以通过边缘检测算子进行提取。具体的,这里边缘检测算子以信息测度算子为例,得到的图像的边缘信息和细节信息可以参照图2,a为待检测图像,b为经过信息测度算子所提取的图像几何特征图。
此外,为了消除待检测图像中无关的信息,滤除掉图像中的干扰和噪声,且为了恢复待检测图像中有用的真实信息,并增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取的可靠性。优选的,在实现步骤101之前还可以对待检测图像进行图像预处理操作。
示例性的,图像检测装置在对待检测的图像进行该预处理操作时,可以采用低通滤波器对其进行去噪处理。
例如,图像检测装置可以通过高斯加权或高斯卷积的方式来实现去噪处理,从而得到待检测图像的滤波值。其中,高斯加权的原理是采用两个一维高斯核分别两次加权实现,高斯卷积的原理是通过一个二维高斯核一次卷积实现。
示例一,通过高斯加权实现预处理的具体过程如下所述:
1)获取一维高斯整数模板数值
一个离散化的一维高斯函数为:
其中,σ为大于零的常数,表示控制降噪的程度。
为了计算方便这里以整数高斯模板为例。示例性的,若该整数高斯模板的滤波窗口图如图2中的图a所示时,对应的整数高斯模版图可以参照图2中的图b,具体的,以图2中的整数高斯模板的滤波窗口图为例,图2中的图b对应的一维整数高斯模板产生的具体过程如下:
假设整数高斯模板的大小为2*N+1,所以x的变化范围为[-N,N];根据对称性只需要产生[-N,0]之间的数据即可,求取N+1个浮点数的最小值g_min;将所有的浮点值除以最小值g_min的商乘以2得到的数值为模板各个点对应的整数高斯模板的整数数值。
2)根据得到的一维整数高斯模板经过两次加权计算得到待检测图像的滤波值。以N=1的为例,整数高斯模板经过两次加权计算后,所得到的图像在(i,j)处的滤波值为:
一维高斯平滑的过程为先是水平(垂直方向)中心像素点周围的(2*N+1)个数据与(2*N+1)个模板数据进行卷积的值来代替原来的中心点值;水平(垂直)方向平滑之后,接着进行垂直(水平方向)中心像素点周围的(2*N+1)个数据与(2*N+1)个模板数据进行卷积的值来代替原来的中心点值。
示例二,通过高斯卷积实现预处理的具体过程如下所述:
1)获取二维整数高斯模板数值
一个离散化的二维高斯函数为:其中,σ为大于零的常数,表示控制降噪的程度。
为了计算方便这里以整数高斯模板为例。示例性的,若该整数高斯模板的滤波窗口图如图3中的图a所示时,对应的整数高斯模版图可以参照图3中的图b,具体的,以图3中的整数高斯模板的滤波窗口图为例,图3中的图b对应的二维整数高斯模板产生的具体过程如下:
假设整数高斯模板的大小为(2*N+1)*(2*N+1);所以x,y的变化范围为[-N,N];根据对称性只需要产生x,y在[-N,0]之间的数据即可,求取(N+1)*(N+1)个浮点数的最小值g_min;将所有的浮点值除以最小值g_min的商乘以2得到的数值为模板各个点对应的整数高斯模板的整数数值。
2)根据得到的二维整数高斯模板经过一次卷积计算得到待检测图像的滤波值。以N=1的为例,二维的整数高斯模板经过一次卷积计算后,所得到的图像在(i,j)处的滤波值为:
二维高斯平滑过程为中心像素点周围的(2*N+1)*(2*N+1)个数据与(2*N+1)*(2*N+1)个模板数据进行卷积的值来代替原来的中心点值。
优选的,为了将亮度和色度分离开,从而适合于图像处理过程。在对待检测图像进行预处理之前还可以对待检测的图像进行色彩空间的转换,即将待检测图像的色彩空间RGB转换为YUV。
102、图像检测装置通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征。
具体的,该待检测图像的几何特征的梯度特征包括梯度幅值和梯度方向。该边缘检测算子包括但不限于:Roberts Cross算子,Prewitt算子,Sobel算子,Kirsch算子,罗盘算子,Canny算子,Laplacian算子和高通算子。
示例性的,图像检测装置通过边缘检测算子对待检测图像的几何特征进行梯度特征检测,计算出待检测图像的几何特征的至少两组梯度特征。具体的,每组梯度特征对应的边缘检测算子不同。例如,经过Canny算子计算得到的梯度特征为第一梯度特征,经过高通算子得到的梯度特征为第二梯度特征,具体计算过程如下所述。
示例一,通过Canny算子得到的第一梯度特征的梯度幅值和梯度方向的具体步骤如下所述:
1)根据获取的Canny算子矩阵得到x向和y向的一阶偏导数。
具体的,获取Canny算子矩阵模板,该Canny算子矩阵模板为:然后,对上述矩阵sx和sy分别求一阶偏导数,得到x向和y向的一阶偏导数分别如下:
Gx(i,j)=(I(i,j+1)-I(i,j)+I(i+1,j+1)-I(i+1,j))/2 (公式5)
Gy(i,j)=(I(i,j)+I(i+1,j)+I(i,j+1)-I(i+1,j+1))/2 (公式6)
2)根据x向和y向的一阶偏导数计算出第一梯度特征的梯度幅值和梯度方向
由上述公式5和公式6,可以得到梯度幅值以及梯度方向的数学表达式为:
θ(i,j)=arctan(Gy(i,j)/Gx(i,j)) (公式8)
此外,为了计算方便,在获取到梯度特征后,还可以对该梯度特征中的梯度幅值进行非极大值抑制。
实例二,通过高通算子得到的第二梯度特征的梯度幅值和梯度方向的具体过步骤如下所述:
1)根据获取的高通算子矩阵得到x向和y向的一阶偏导数
具体的,获取高通算子矩阵模板,该高通算子矩阵模板为:然后,对上述矩阵sx和sy分别求一阶偏导数,得到x向和y向的一阶偏导数分别如下:
2)根据x向和y向的一阶偏导数计算出第二梯度特征的梯度幅值和梯度方向
由上述公式9和公式10,可以得到梯度幅值以及梯度方向的数学表达式为:
θh(i,j)=arctan(Gy(i,j)/Gx(i,j)) (公式12)
此外,为了计算方便,在获取到梯度特征后,还可以对该梯度特征中的梯度幅值进行非极大值抑制。
103、图像检测装置获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图。
在本实施例中,图像检测装置在基于不同的边缘检测算子对待检测图像的几何特征进行边缘检测后,便会得到与待检测图像大小(M*N)相同的梯度幅度图,即本实施例中的待检测图像的每幅梯度幅度图与待检测图像的图像大小相同。示例性的,以图4中的图a提供的一幅风景画的原始图像为例,图b为经过canny算子处理后的图像,图c为经过高通算子处理后的图像。由图4中的b和c可以明显看出,经过canny算子处理后得到的图像明显比经过高通算子处理后得到的图像清晰。因此可以推出不同的边缘检测算子对相同的图像的几何特征进行边缘检测,得到的梯度幅度图的显示效果不同。
104、图像检测装置根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。
其中,上述的梯度幅度图的特征向量包括梯度幅度图中所有元素的像素值。示例性的,上述的边缘检测算子的优先级信息包括该边缘检测算子的优先级等级,其中,边缘检测算子的优先级等级越高,则该边缘检测算子对应的梯度幅度图的清晰度相比于优先级等级低的边缘检测算子对应的梯度幅度图的清晰度越高,具体的,优先级等级高的边缘检测算子对应的梯度幅度图的显示效果优于优先级等级低的边缘检测算子对应的梯度幅度图,即优先级等级高的边缘检测算子对应的梯度幅度图的图像轮廓点及图像角点的数量大于优先级等级低的边缘检测算子对应的梯度幅度图的图像轮廓点及图像角点以及图像角点的数量。
本发明的实施例提供的图像检测方法,通过获取待检测图像,并提取待检测图像的几何特征,其次,通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征,每组梯度特征对应的边缘检测算子不同;然后,获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图;最后,根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。相对于现有技术,由于经过缩放处理的图像使用不同边缘检测算子所得到的不同梯度幅度图间的清晰度差距较大,因此,本方案通过对待检测图像的几何特征的基于不同边缘检测算子得到的多幅梯度幅度图的特征向量进行比对,从而便可确定出该待检测图像是否进行过缩放处理。这样,当终端对高清图像进行清晰度处理时,便可基于该待检测图像的检测结果,对经过图像放大处理后得到的高清图像和真实的高清图像,分别进行相应的清晰度增强处理,进而使得经过图像放大处理后得到的高清图像在高清电视上显示时不会出现图像失真。
实施例一:
示例性的,当上述的至少两组梯度特征包括第一梯度特征和第二梯度特征,该第一梯度特征对应第一梯度幅度图,该第二梯度特征对应第二梯度幅度图时,步骤104可以通过以下两种实现方式来实现:
具体的,在第一种实现方式中,步骤104包括如下步骤:
104a1、图像检测装置根据第一梯度幅度图中所有元素的像素值与第二梯度幅度图中所有元素的像素值,确定出第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数。
该第一预定条件是基于第一梯度幅度图对应的边缘检测算子的优先级信息和第二梯度幅度图对应的边缘检测算子的优先级信息得出的。
示例性的,若第一梯度幅度图对应的第一算子的优先级高于第二梯度幅度图对应的第二算子的优先级,则图像检测装置会将第一梯度幅度图与第二梯度幅度图中相同区域内第一梯度幅度图中元素的像素值大于第二梯度幅度图中元素的像素值,且第一梯度幅度图中元素的像素值与第二梯度幅度图中元素的像素值间的差值小于第二预定阈值的像素点筛选出来,并根据这些像素点的个数确定待检测图像是否经过缩放处理;若第一梯度幅度图对应的第一算子的优先级低于第二梯度幅度图对应的第二算子的优先级,则图像检测装置会将第一梯度幅度图与第二梯度幅度图中相同区域内第一梯度幅度图中元素的像素值小于第二梯度幅度图中元素的像素值,且第一梯度幅度图中元素的像素值与第二梯度幅度图中元素的像素值间的差值的绝对值小于第二预定阈值的像素点筛选出来,并根据这些像素点的个数确定待检测图像是否经过缩放处理。
104a2、图像检测装置根据第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数确定待检测图像是否经过缩放处理。
示例性的,若第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数大于第一预定阈值时,则判定待检测图像为经过缩放处理的图像;若第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数小于或等于第一预定阈值时,则判定待检测图像为未经过缩放处理的图像。
需要说明的是,上述的第一预定阈值以及第二预定阈值均是根据实验结果得到的经验值。
示例性的,以Canny算子和高通算子为例,这里将第一梯度幅度图记为GC,将第二梯度幅度图记为GCD。
对第一种实现方式列举一个具体的实例,其实现过程如下:
1)、统计相同位置处,GC值比GCD值大,且差值的绝对值小于TH的个数,具体程序如下所示:
for(j=0;j<h;j++)
{
for(i=0;i<w;i++)
{if(GC(i,j)>GCD(i,j)&|GC(i,j)-GCD(i,j)|<TH)
{num_total++;
}
}
}
其中,w是图像宽度,h是图像高度,TH为第二预定阈值,取默认值100,可以配置,随着图像分辨率的增大相应变大。
2)、对num_total进行归一化处理,得到元素对应的置信度参数
Nout=num_total/(w*h);
3)、判断flag=Nout>THf?1:0;flag=1表示输入图像被缩放过,flag=0表示输入图像未被缩放处理。
其中,THf是第一预定阈值,是通过实验得到的,同时输出置信度参数Nout。Nout值越是靠近1表示图像被放大过的可能性越大,Nout值越是接近0,表示图像越接近于原始图像。
实施例二
由于图像检测装置在对梯度幅度图的二维特征向量进行计算时,计算过程过于繁琐,因此,本实施例通过提供另一种实现方式来实现步骤104的图像判定过程,即通过对梯度幅度图的二维特征向量进行降维处理,从而直接根据降维后的梯度幅度图的一维特征向量进行计算,简化了计算过程。
具体的,在第二种实现方式中,步骤104包括如下步骤:
104b1、图像检测装置对每幅梯度幅度图分别沿X轴与Y轴进行特征投影变换,得到第一梯度幅度图的第一Y轴特征向量和第一X轴特征向量与第二梯度幅度图的第二Y轴特征向量和第二X轴特征向量。
104b2、图像检测装置根据第一X轴特征向量与第二X轴特征向量中所有元素的像素值,确定出第一X轴特征向量与第二X轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num1,并根据第一Y轴特征向量与第二Y轴特征向量中所有元素的像素值,确定出第一Y轴特征向量与第二Y轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num2。
该第二预定条件是基于第一梯度幅度图对应的边缘检测算子的优先级信息和第二梯度幅度图对应的边缘检测算子的优先级信息得出的。
示例性的,若第一梯度幅度图对应的第一算子的优先级高于第二梯度幅度图对应的第二算子的优先级,则图像检测装置会将第一梯度幅度图与第二梯度幅度图中相同区域内的第一梯度幅度图对应的第一X轴特征向量中的元素的像素值大于第二梯度幅度图对应的第二X轴特征向量中的元素的像素值,且第一X轴特征向量中元素的像素值与第二X轴特征向量中的元素的像素值间的差值小于第三预定阈值的像素点筛选出来,该筛选出来的点的个数记为Num1;同时将第一梯度幅度图与第二梯度幅度图中相同区域内的第一梯度幅度图对应的第一Y轴特征向量中的元素的像素值大于第二梯度幅度图对应的第二Y轴特征向量中的元素的像素值,且第一Y轴特征向量中元素的像素值与第二Y轴特征向量中的元素的像素值间的差值小于第四预定阈值的像素点筛选出来,该筛选出来的点的个数记为Num2,并根据Num1和Num2确定待检测图像是否经过缩放处理。
若第一梯度幅度图对应的第一算子的优先级低于第二梯度幅度图对应的第二算子的优先级,则图像检测装置会将第一梯度幅度图与第二梯度幅度图中相同区域内的第一梯度幅度图对应的第一X轴特征向量中的元素的像素值小于第二梯度幅度图对应的第二X轴特征向量中的元素的像素值,且第一X轴特征向量中元素的像素值与第二X轴特征向量中的元素的像素值间的差值小于第三预定阈值的像素点,筛选出来,该筛选出来的点的个数记为Num1;同时将第一梯度幅度图与第二梯度幅度图中相同区域内的第一梯度幅度图对应的第一Y轴特征向量中的元素的像素值小于第二梯度幅度图对应的第二Y轴特征向量中的元素的像素值,且第一Y轴特征向量中元素的像素值与第二Y轴特征向量中的元素的像素值间的差值小于第四预定阈值的像素点筛选出来,该筛选出来的点的个数记为Num2,并根据Num1和Num2确定待检测图像是否经过缩放处理。
104b3、图像检测装置根据满足第二预定条件的元素的个数Num1与Num2确定待检测图像是否经过缩放处理。
示例性的,若第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第二预定条件的元素的个数大于第五预定阈值时,则判定待检测图像为经过缩放处理的图像;若第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第二预定条件的元素的个数小于或等于第五预定阈值时,则判定待检测图像为未经过缩放处理的图像。
需要说明的是,上述的第三预定阈值、第四预定阈值以及第五预定阈值均是根据实验结果得到的经验值。
示例性的,若以两个梯度幅度图为例,且这里将第一梯度幅度图记为GC,将第二梯度幅度图记为GCD。具体的,参照图5所示的特征投影变换示意图,步骤104b1中的梯度幅度图的降维(即特征投影变换:将图像分别沿着x轴或y轴进行投影)过程如下所述。
(1)沿着x轴向y轴投影
GC沿着x轴向y轴投影得到:
GCD沿着x轴向y轴投影得到:
其中,sgcy(i)是变换后的特征向量SGCY(第一Y轴特征向量)的第i个元素,sgcdy(i)是变换后的特征向量SGCDY(第二Y轴特征向量)的第i个元素,w是输入图像宽度,i是当前像素的y坐标。假设是4Kx2k的情况,SGCY和SGCDY均为2k维的向量。
(2)沿着y轴向x轴投影
GC沿着y轴向x轴投影得到:
GCD沿着y轴向x轴投影得到:
其中,sgcx(i,j)是变换后的特征向量SGCX(第一X轴特征向量)的第i个元素,sgcdx(i,j)是变换后的特征向量SGCDX(第二X轴特征向量)的第i个元素,h是输入图像高度,i是当前像素的x坐标。假设是4Kx2k的情况,向量SGCX和SGCDX均为4k维的向量。
示例性的,以Canny算子和高通算子为例,这里将第一梯度幅度图记为GC,将第二梯度幅度图记为GCD,对GC和GCD分别进行x轴和y轴方向的投影得到第一X轴特征向量SGCX、第一Y轴特征向量SGCY、第二X轴特征向量SGCDX和第二Y轴特征向量SGCDY。
1)、统计SGCX和SGCDX相同位置处,SGCX值比SGCDX值大,且差值的绝对值小于THh的个数,具体程序如下所示:
for(i=0;i<w;i++)
{if(sgcx(i)>sgcdx(i)&|sgcx(i)-sgcdx(i)|<THh)
{num_h++;
}
}
其中,w是图像宽度,THh为第三预定阈值,可以取默认值100,可以配置,随着图像分辨率的增大相应变大。
2)、统计SGCY和SGCDY相同位置处,SGCY值比SGCDY值大,且差值的绝对值小于THv的个数,具体程序如下所示:
for(i=0;i<h;i++)
{if(sgcy(i)>sgcdy(i)&|sgcy(i)-sgcdy(i)|<THv)
{num_v++;
}
}
其中,h是图像高度,THv第四预定阈值,可以取默认值100,可以配置,随着图像分辨率的增大相应变大;
3)、对num_h与num_v进行归一化处理
N0=num_h/w
N1=num_v/h
4)、计算满足条件的元素对应的置信度参数,其为N0和N1中较大值
Nout=max(N0,N1)
5)、判断flag=Nout>THf?1:0;flag=1表示输入图像被缩放过,flag=0表示输入图像未被缩放处理。
其中,THf为第五预定阈值,该值是通过实验得到,同时输出置信度参数Nout。Nout值越是靠近1表示图像被放大过的可能性越大,Nout值越是接近0,表示图像越接近于原始图像。
本发明的实施例提供的一种图像检测方法,通过获取待检测图像,并提取待检测图像的几何特征,其次,通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征,每组梯度特征对应的边缘检测算子不同;然后,获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图;最后,根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。这样本方案通过对待检测图像的几何特征的多幅梯度幅度图的特征向量进行比对,从而确定出该待检测图像是否进行过缩放处理。这样,当终端对高清图像进行清晰度处理时,便可基于该待检测图像的检测结果,对经过图像放大处理后得到的高清图像和真实的高清图像,分别进行相应的清晰度增强处理,进而使得经过图像放大处理后得到的高清图像在高清电视上显示时不会出现图像失真。
本发明的实施例提供一种图像检测装置,该图像检测装置用于实现上述的图像检测方法,如图6所示,该图像检测装置2包括:第一获取模块21、第一确定模块22、第二获取模块23以及第二确定模块24,其中:
第一获取模块21,用于获取待检测图像,并提取待检测图像的几何特征。
第一确定模块22,用于通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征,每组梯度特征对应的边缘检测算子不同。
第二获取模块23,用于获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图。
第二确定模块24,用于根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。
示例性的,上述梯度特征包括梯度幅值和梯度方向,该待检测图像的每幅梯度幅度图与该待检测图像的图像大小相同。该梯度幅度图的特征向量包括该梯度幅度图中所有元素的像素值,上述至少两组梯度特征包括第一梯度特征和第二梯度特征,该第一梯度特征对应第一梯度幅度图,该第二梯度特征对应第二梯度幅度图。
可选的,上述的第二确定模块24具体用于:
根据第一梯度幅度图中所有元素的像素值与第二梯度幅度图中所有元素的像素值,确定出第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数。
该第一预定条件是基于第一梯度幅度图对应的边缘检测算子的优先级信息和第二梯度幅度图对应的边缘检测算子的优先级信息得出的;
根据第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数确定待检测图像是否经过缩放处理。
可选的,上述第二确定模块24在根据第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数确定待检测图像是否经过缩放处理时,具体用于:
若第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数大于第一预定阈值时,判定待检测图像为经过缩放处理的图像;
若第一梯度幅度图与第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数小于或等于第一预定阈值时,判定待检测图像为未经过缩放处理的图像。
可选的,上述第二确定模块24具体用于:
对每幅梯度幅度图分别沿X轴与Y轴进行特征投影变换,得到第一梯度幅度图的第一Y轴特征向量和第一X轴特征向量与第二梯度幅度图的第二Y轴特征向量和第二X轴特征向量;
根据第一X轴特征向量与第二X轴特征向量中所有元素的像素值,确定出第一X轴特征向量与第二X轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num1,并根据第一Y轴特征向量与第二Y轴特征向量中所有元素的像素值,确定出第一Y轴特征向量与第二Y轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num2。
该第二预定条件是基于第一梯度幅度图对应的边缘检测算子的优先级信息和第二梯度幅度图对应的边缘检测算子的优先级信息得出的;
根据Num1与Num2确定待检测图像是否经过缩放处理。
本发明的实施例提供的一种图像检测装置,该图像检测装置通过获取待检测图像,并提取待检测图像的几何特征,其次,通过边缘检测算子确定待检测图像的几何特征的至少两组梯度特征,每组梯度特征对应的边缘检测算子不同;然后,获取待检测图像的几何特征的每组梯度特征对应的梯度幅度图;最后,根据待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定待检测图像是否经过缩放处理。相对于现有技术,由于经过缩放处理的图像使用不同边缘检测算子所得到的不同梯度幅度图间的清晰度差距较大,因此,本方案通过对待检测图像的几何特征的基于不同边缘检测算子得到的多幅梯度幅度图的特征向量进行比对,从而便可确定出该待检测图像是否进行过缩放处理。这样,当终端对高清图像进行清晰度处理时,便可基于该待检测图像的检测结果,对经过图像放大处理后得到的高清图像和真实的高清图像,分别进行相应的清晰度增强处理,进而使得经过图像放大处理后得到的高清图像在高清电视上显示时不会出现图像失真。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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***,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。
所述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例方案的目的。
另外,在本发明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包括,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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种图像检测方法,其特征在于,包括:
获取待检测图像,并提取所述待检测图像的几何特征;
通过边缘检测算子确定所述待检测图像的几何特征的至少两组梯度特征,所述每组梯度特征对应的边缘检测算子不同;
获取所述待检测图像的几何特征的每组梯度特征对应的梯度幅度图;所述梯度幅度图的特征向量包括所述梯度幅度图中所有元素的像素值;所述至少两组梯度特征包括第一梯度特征和第二梯度特征,所述第一梯度特征对应第一梯度幅度图,所述第二梯度特征对应第二梯度幅度图;
根据所述待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定所述待检测图像是否经过缩放处理,具体包括:根据所述第一梯度幅度图中所有元素的像素值与所述第二梯度幅度图中所有元素的像素值,确定出所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数;所述第一预定条件是基于所述第一梯度幅度图对应的边缘检测算子的优先级信息和所述第二梯度幅度图对应的边缘检测算子的优先级信息得出的;
根据所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数确定所述待检测图像是否经过缩放处理。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数确定所述待检测图像是否经过缩放处理具体包括:
若所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数大于第一预定阈值时,则判定所述待检测图像为经过缩放处理的图像;
若所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数小于或等于第一预定阈值时,则判定所述待检测图像为未经过缩放处理的图像。
3.一种图像检测方法,其特征在于,包括:
获取待检测图像,并提取所述待检测图像的几何特征;
通过边缘检测算子确定所述待检测图像的几何特征的至少两组梯度特征,所述每组梯度特征对应的边缘检测算子不同;
获取所述待检测图像的几何特征的每组梯度特征对应的梯度幅度图;所述梯度幅度图的特征向量包括所述梯度幅度图中所有元素的像素值;所述至少两组梯度特征包括第一梯度特征和第二梯度特征,所述第一梯度特征对应第一梯度幅度图,所述第二梯度特征对应第二梯度幅度图;
根据所述待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定所述待检测图像是否经过缩放处理,具体包括:对每幅梯度幅度图分别沿X轴与Y轴进行特征投影变换,得到所述第一梯度幅度图的第一Y轴特征向量和第一X轴特征向量与所述第二梯度幅度图的第二Y轴特征向量和第二X轴特征向量;
根据所述第一X轴特征向量与所述第二X轴特征向量中所有元素的像素值,确定出所述第一X轴特征向量与所述第二X轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num1,并根据所述第一Y轴特征向量与所述第二Y轴特征向量中所有元素的像素值,确定出所述第一Y轴特征向量与所述第二Y轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num2;所述第二预定条件是基于所述第一梯度幅度图对应的边缘检测算子的优先级信息和所述第二梯度幅度图对应的边缘检测算子的优先级信息得出的;
根据所述Num1与所述Num2确定所述待检测图像是否经过缩放处理。
4.一种图像检测装置,其特征在于,包括:
第一获取模块,用于获取待检测图像,并提取所述待检测图像的几何特征;
第一确定模块,用于通过边缘检测算子确定所述待检测图像的几何特征的至少两组梯度特征,所述每组梯度特征对应的边缘检测算子不同;
第二获取模块,用于获取所述待检测图像的几何特征的每组梯度特征对应的梯度幅度图;
第二确定模块,用于根据所述待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定所述待检测图像是否经过缩放处理;
所述梯度幅度图的特征向量包括所述梯度幅度图中所有元素的像素值;所述至少两组梯度特征包括第一梯度特征和第二梯度特征,所述第一梯度特征对应第一梯度幅度图,所述第二梯度特征对应第二梯度幅度图;
所述第二确定模块具体用于:
根据所述第一梯度幅度图中所有元素的像素值与所述第二梯度幅度图中所有元素的像素值,确定出所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足第一预定条件的元素的个数;所述第一预定条件是基于所述第一梯度幅度图对应的边缘检测算子的优先级信息和所述第二梯度幅度图对应的边缘检测算子的优先级信息得出的;
根据所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数确定所述待检测图像是否经过缩放处理。
5.根据权利要求4所述的装置,其特征在于,所述第二确定模块在根据所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数确定所述待检测图像是否经过缩放处理时,具体用于:
若所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数大于第一预定阈值时,判定所述待检测图像为经过缩放处理的图像;
若所述第一梯度幅度图与所述第二梯度幅度图中相同区域内的元素的像素值满足所述第一预定条件的元素的个数小于或等于第一预定阈值时,判定所述待检测图像为未经过缩放处理的图像。
6.一种图像检测装置,其特征在于,包括:
第一获取模块,用于获取待检测图像,并提取所述待检测图像的几何特征;
第一确定模块,用于通过边缘检测算子确定所述待检测图像的几何特征的至少两组梯度特征,所述每组梯度特征对应的边缘检测算子不同;
第二获取模块,用于获取所述待检测图像的几何特征的每组梯度特征对应的梯度幅度图;
第二确定模块,用于根据所述待检测图像的每幅梯度幅度图的特征向量以及对应的边缘检测算子的优先级信息,确定所述待检测图像是否经过缩放处理;
所述梯度幅度图的特征向量包括所述梯度幅度图中所有元素的像素值;所述至少两组梯度特征包括第一梯度特征和第二梯度特征,所述第一梯度特征对应第一梯度幅度图,所述第二梯度特征对应第二梯度幅度图;
所述第二确定模块具体用于:
对每幅梯度幅度图分别沿X轴与Y轴进行特征投影变换,得到所述第一梯度幅度图的第一Y轴特征向量和第一X轴特征向量与所述第二梯度幅度图的第二Y轴特征向量和第二X轴特征向量;
根据所述第一X轴特征向量与所述第二X轴特征向量中所有元素的像素值,确定出所述第一X轴特征向量与所述第二X轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num1,并根据所述第一Y轴特征向量与所述第二Y轴特征向量中所有元素的像素值,确定出所述第一Y轴特征向量与所述第二Y轴特征向量中相同区域内的元素的像素值满足第二预定条件的元素的个数Num2;所述第二预定条件是基于所述第一梯度幅度图对应的边缘检测算子的优先级信息和所述第二梯度幅度图对应的边缘检测算子的优先级信息得出的;
根据所述Num1与所述Num2确定所述待检测图像是否经过缩放处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610178431.6A CN107231551B (zh) | 2016-03-25 | 2016-03-25 | 一种图像检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610178431.6A CN107231551B (zh) | 2016-03-25 | 2016-03-25 | 一种图像检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107231551A CN107231551A (zh) | 2017-10-03 |
CN107231551B true CN107231551B (zh) | 2019-05-07 |
Family
ID=59932497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610178431.6A Active CN107231551B (zh) | 2016-03-25 | 2016-03-25 | 一种图像检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107231551B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260605B (zh) * | 2019-04-11 | 2020-11-10 | 江苏盛凡信息服务有限公司 | 智能化动作执行方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4860388B2 (ja) * | 2005-09-27 | 2012-01-25 | 株式会社リコー | 画像処理装置、画像処理方法及び該方法を実行させるためのプログラムを格納したコンピュータ読み取り可能な記録媒体 |
CN101916442A (zh) * | 2010-08-05 | 2010-12-15 | 大连理工大学 | 一种利用glcm特征的篡改图像鲁棒定位方法 |
WO2015077946A1 (zh) * | 2013-11-28 | 2015-06-04 | 中国科学院自动化研究所 | 一种基于dct系数的图像篡改定位方法 |
CN104182973A (zh) * | 2014-08-11 | 2014-12-03 | 福州大学 | 基于圆形描述算子csift的图像复制粘贴检测方法 |
CN104700360B (zh) * | 2015-04-01 | 2018-06-05 | 北京思朗科技有限责任公司 | 基于边缘自适应的图像缩放方法及*** |
-
2016
- 2016-03-25 CN CN201610178431.6A patent/CN107231551B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107231551A (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Robust image and video dehazing with visual artifact suppression via gradient residual minimization | |
Zhou et al. | Multi-scale weighted gradient-based fusion for multi-focus images | |
US7623683B2 (en) | Combining multiple exposure images to increase dynamic range | |
Lee et al. | Simultaneous localization, mapping and deblurring | |
CN108093221B (zh) | 一种基于缝合线的实时视频拼接方法 | |
Aires et al. | Optical flow using color information: preliminary results | |
US20060165311A1 (en) | Spatial standard observer | |
CN106934806B (zh) | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 | |
CN112308797B (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
CN110268712A (zh) | 用于处理图像属性图的方法和装置 | |
US10475229B2 (en) | Information processing apparatus and information processing method | |
JP2010266982A (ja) | 画像処理装置および方法、並びにプログラム | |
CN110599455A (zh) | 显示屏缺陷检测网络模型、方法、装置、电子设备及存储介质 | |
US9299132B2 (en) | Automatically determining the size of a blur kernel | |
WO2015198368A1 (ja) | 画像処理装置及び画像処理方法 | |
US8126275B2 (en) | Interest point detection | |
CN107231551B (zh) | 一种图像检测方法及装置 | |
JP5928465B2 (ja) | 劣化復元システム、劣化復元方法およびプログラム | |
Zhai et al. | Progressive image restoration through hybrid graph Laplacian regularization | |
Jiang et al. | Sensor-assisted image deblurring of consumer photos on smartphones | |
JP2004133592A (ja) | 画像を拡大するための画像処理装置および画像処理方法および画像処理プログラム | |
US20150131922A1 (en) | Method for removing noise of image signal and image processing device using the same | |
Priyadharshini et al. | Research and analysis on segmentation and thresholding techniques | |
ALAA et al. | Introcduction to image processing with Python | |
Ou et al. | Color edge detection based on data fusion technology in presence of Gaussian noise |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee after: Hisense Video Technology Co.,Ltd. Address before: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee before: HISENSE ELECTRIC Co.,Ltd. |