CN107610101B - 一种测量数字图像视觉平衡质量的方法 - Google Patents
一种测量数字图像视觉平衡质量的方法 Download PDFInfo
- Publication number
- CN107610101B CN107610101B CN201710732837.9A CN201710732837A CN107610101B CN 107610101 B CN107610101 B CN 107610101B CN 201710732837 A CN201710732837 A CN 201710732837A CN 107610101 B CN107610101 B CN 107610101B
- Authority
- CN
- China
- Prior art keywords
- visual
- image
- digital image
- visual balance
- balance
- 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
Images
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种测量数字图像视觉平衡质量的方法,属于数字图像处理与数据分析技术领域。本发明采用图像挖掘对数字图像进行预处理并获取数据进行分析,然后基于力矩平衡原理兼顾视觉平衡理论建立模型用于定量测量数字图像视觉平衡质量,选取能达到视觉平衡的图像进行特征提取及计算并获得判断该类数字图像是否视觉平衡的阈值K,进一步比较要测量数字图像的视觉平衡质量指标Qr与对应阈值K的大小,从而判定图像视觉平衡质量的好坏。本发明使数字图像视觉平衡质量的定性评估转化为定量评估,并可进一步对数字图像进行视觉平衡质量排序,同时针对非视觉平衡图像亦可给出其沿横轴和纵轴视觉重量的偏重情况,操作方便,方法简单,使用效果好。
Description
技术领域
本发明涉及一种测量数字图像视觉平衡质量的方法,属于数字图像处理与数据分析技术领域。
背景技术
近年来,随着计算机技术的不断发展,数字图像的应用领域越来越广泛,从图像中获取大量的有用信息进行研究成为便捷有效的一种途径。视觉平衡作为衡量数字图像美学质量的准则之一,在艺术设计中有着导向的作用,同时在保持图像作品易阅读及美观方面也具有重要意义。设计作品时,视觉平衡度把握的好,可以使图像中各要素间关系合理、协调,实现意想不到的视觉效果。但由于人心理的刻画很难有一个统一的标准,图像的视觉平衡质量一直很难被量化,致使定量描述视觉平衡简单可行的模型较为缺乏,那么,如何使数字图像的设计使用更加有效,在满足其可用的前提下使得图像更为美观且易阅读性更强,就必须使得数字图像整体的视觉平衡质量较好。
目前,在对视觉作品评估时及现有的视觉平衡质量测量模型存在着一些不足,具体如下:
(1)大多数数字图像设计人员在设计中主要依靠其长期的经验对作品的视觉平衡质量做出定性评估,这种方法主观性较强,常常出现不同的设计者结论不统一的现象,也必然会对设计的过程及结果产生严重的影响;
(2)在设计者判断作品视觉平衡质量优劣时常常无法进行排序,也会有的设计者做出评估却无法找寻依据;
(3)图像作品的视觉平衡质量较差却不知如何修改。
发明内容
本发明克服了上述方法的不足,提供一种具有较高的应用价值的、简便可行的用于定量测量数字图像视觉平衡质量的新方法。有效的解决了数字图像视觉平衡质量在设计中无法定量测量的问题,本方法从数字图像中获取信息,基于力矩平衡理论将定性转变为定量的测量,在图像视觉平衡质量的排序方面具有十分重要的实用价值,而且对图像作品的有效使用也具有现实的理论意义。
本发明的技术方案是:一种测量数字图像视觉平衡质量的方法,采用图像挖掘对数字图像进行预处理并获取数据进行分析,然后基于力矩平衡原理兼顾视觉平衡理论建立模型用于定量测量数字图像视觉平衡质量,选取能达到视觉平衡的图像进行特征提取及计算并获得判断该类数字图像是否视觉平衡的阈值K,进一步比较要测量数字图像的视觉平衡质量指标Qr与对应阈值K的大小,从而判定图像视觉平衡质量的好坏。
所述方法的具体步骤如下:
Step1、由模拟图像数字化得到的数字图像;
Step2、对数字图像的图像数据采集和获取用于数据挖掘的原始图像数据集并对图像进行灰度化处理;再对图像数据进行分析获取图像特征;
Step3、根据力矩平衡原理结合视觉平衡理论,将对应的视觉重量、视觉重力矩及视觉平衡质量进行明确,建立图像视觉平衡质量定量测量模型:
其中,m、n分别为地图图像像素块灰度矩阵的行数和列数,gij为图像中第i行j列像素块的视觉重量,xij为第i行j列像素块中心点的横坐标值,其中原点为图像几何中心,gijxij为第i行j列像素块在横轴上的视觉重力矩;同理,yij为第i行j列像素块中心点的纵坐标值, gijyij为第i行j列像素块在纵轴上的视觉重力矩;Q1、Q2分别为图像在横轴和纵轴方向上的视觉平衡质量指标,其正负号反映图像整体在横轴和纵轴方向上视觉重量的偏重情况;Q为图像整体的视觉平衡质量指标;另外,由于图像的视觉中心点位于几何中心偏上方,选取在视觉注意中心区域,几何中心周围0.2×0.2的矩形范围内达到的最佳视觉平衡质量指标Qr作为判断图像是否达到视觉平衡的指标,Qr为视觉注意中心区域内Q的最小值;
Step4、阈值K的统计计算,根据式(1)中数字图像类型限定条件,选取能达到视觉平衡的图像k张,对所有符合条件的图像进行特征提取及计算并获得每个图像对应的Qr值,则取所有Qk值的平均值作为该类数字图像的阈值K,公式如下:
Step5、比较数字图像的视觉平衡质量指标Qr与该类图像对应的阈值K,若Qr≥K,则该图像达到了视觉平衡,并根据Qr值对图像的视觉平衡质量进行排序;若Qr<K,则该图像未达到视觉平衡,即其视觉平衡质量较差,此时根据所算出的视觉平衡质量分指标Q1和Q2,判断地图图像沿横轴和纵轴视觉重量的偏重情况;
当|Q1|<K且Q1<0,横轴方向上该地图图像在视觉注意中心左侧区域内视觉重量偏重较大;
当|Q1|<K且0≤Q1<K,可知在其右侧偏重较大;
当|Q1|≥K,可知横轴方向上该地图图像无明显偏重;
当|Q2|<K且Q2<0,纵轴方向上该地图图像在视觉注意中心上方区域内视觉重量偏重较大;
当|Q2|<K且0≤Q2<K,可知在其下方偏重较大;
当|Q2|≥K,可知纵轴方向上该地图图像无明显偏重。
所述步骤Step3中,所有像素块的视觉重力矩是决定数字图像整体上是否达到视觉平衡的关键因素,像素块的视觉重力矩为其视觉重力乘以像素块中心点到图像视觉中心的距离,其中视觉重力为每个像素块的权重,由其灰度值组成,白色被记为255,黑色记为0,期间为其他灰度值。
本方法模型中的元素为数字图像的像素,兼顾图像中影响视觉重量的因素:位置、形式、大小、色调以及颜色亮度、对比度、与支点的接近度等,故经相机或手机翻拍纸质照片获得的电子图像不在本方法适用范围内。
图像数据采集和获取是从已有的数字图像作品中采集获取用于数据挖掘的原始图像数据集;取得原图像后利用现有的Photoshop软件对图像进行像素统一处理,为增加实验的可视性及简便计算,可对其进行前期像素统一并控制在较小范围内(经实验测试所截图像素块的多少不影响视觉平衡质量的测量,只是实验所测数值精度不同);在现有的Matlab软件中用函数 rgb2gray()对图像进行灰度化处理,并用函数imread()读取灰度图像文件中的灰度值数据,并以矩阵的形式呈现。
本发明的有益效果是:
1、该方法简单可行,操作方便、使用效果好,有视觉平衡理论做支撑,具有很高的实用价值;
2、该方法将对数字图像视觉平衡质量的定性评估转化为定量评估;
3、该方法可对数字图像的视觉平衡质量进行排序;
4、对未达到视觉平衡标准的数字图像本模型亦可给出其在水平和竖直方向上视觉重量的偏重情况,从而为进一步改进提供依据;
5、本发明应用在数字图像视觉平衡质量的定量测量中,为定量测量图像视觉平衡效果提供了一种可靠实用的方法,本方法也可应用在在艺术作品的设计创作、数字广告的内容定位、照片裁剪等方面;
6、本方法通过处理图像处理技术获取相关信息,模型中相关参数均通过数理统计获得,易操作且结果较为客观;本方法不仅可将数字图像视觉平衡质量的定性评估转化为定量评估、其数值指标用于对数字图像视觉平衡程度做出排序,再者还可为非视觉平衡图像提供修改的参考建议。
附图说明
图1为本发明的北美洲地图;
图2为本发明北美洲地图图像在二维坐标系下灰度图;
图3为本发明确定最佳视觉平衡质量时的视觉中心点放大图;
图4为本发明从地图集中获取的数据条形图。
具体实施方式
实施例1:如图1-4所示,一种测量数字图像视觉平衡质量的方法,所述方法的具体步骤为:
(1)获取数字图像北美洲地图如图1所示;
(2)对地图图像进行处理得到灰度图像并将其置于二维坐标中如图2,取一个像素大小的长度和宽度作为一个刻度单位。其中,几何中心(即坐标系原点O)周围0.2×0.2个单位区域为视觉中心区域如图3。
获取北美洲地图该像素块的灰度矩阵为
(3)读取矩阵中的数据信息后应用于模型中,可分别计算得出北美洲地图图像沿横轴和纵轴的视觉平衡质量判定指标Q1和Q2分别为-0.196和0.167,以及地图图像的最佳视觉平衡质量指标Qr为81.85%;
进一步的,所述步骤3中,所有像素块的视觉重力矩是决定数字图像整体上是否达到视觉平衡的关键因素,像素块的视觉重力矩为其视觉重力乘以像素块中心点到图像视觉中心的距离,其中视觉重力为每个像素块的权重,由其灰度值组成,白色被记为255,黑色记为0,期间为其他灰度值。
(4)从国家测绘地理信息局标准地图服务网站(http://bzdt.nasg.gov.cn/)上下载50张标准地图图像,这50张地图的图像纵横比是不完全相同的且为RGB颜色,图像大小在973×1201~3348×2347之间不等。从中选取所有相关专业人员都认为能达到视觉平衡的图像 46张,为增加实验的可视性及简便计算,用Photoshop软件分别对其进行前期像素缩小并控制在16×22~20×32px之间,然后,用现有的Matlab软件进一步对图像处理,将获取数据用于模型计算并汇总出如图4条形图,获取衡量图像是否达到视觉平衡的阈值K为58.5%;
(5)将Qr值与K值进行比较,可知Qr>K,即北美洲地图达到视觉平衡标准。另外,其数值81.85%亦可用作量化地图图像视觉平衡质量及用于不同数字图像视觉平衡质量排序;计算结果指标Q1和Q2值的正负号可分别反映数字地图图像视觉重量沿横轴和纵轴方向的偏重情况,即若Q1<0,则表明地图图像沿水平方向视觉注意中心区域左侧视觉重量偏重较大;若Q1>0,则表明右侧偏重较大;同理可知Q2<0和Q2>0的情况,从而在数字地图图像未达到视觉平衡标准的情况下,可依据此判断进行分析或改进。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种测量数字图像视觉平衡质量的方法,其特征在于:采用图像挖掘对数字图像进行预处理并获取数据进行分析,然后基于力矩平衡原理兼顾视觉平衡理论建立模型用于定量测量数字图像视觉平衡质量,选取能达到视觉平衡的图像进行特征提取及计算并获得判断数字图像是否视觉平衡的阈值K,进一步比较要测量数字图像的视觉平衡质量指标Qr与对应阈值K的大小,从而判定图像视觉平衡质量的好坏;
所述方法的具体步骤如下:
Step1、由模拟图像数字化得到的数字图像;
Step2、对数字图像的图像数据采集和获取用于数据挖掘的原始图像数据集并对图像进行灰度化处理;再对图像数据进行分析获取图像特征;
Step3、根据力矩平衡原理结合视觉平衡理论,将对应的视觉重量、视觉重力矩及视觉平衡质量进行明确,建立图像视觉平衡质量定量测量模型:
其中,m、n分别为地图图像像素块灰度矩阵的行数和列数,gij为图像中第i行j列像素块的的视觉重量,xij为第i行j列像素块中心点的横坐标值,其中原点为图像几何中心,gijxij为第i行j列像素块在横轴上的视觉重力矩;同理,yij为第i行j列像素块中心点的纵坐标值,gijyij为第i行j列像素块在纵轴上的视觉重力矩;Q1、Q2分别为图像在横轴和纵轴方向上的视觉平衡质量指标,其正负号反映图像整体在横轴和纵轴方向上视觉重量的偏重情况;Q为图像整体的视觉平衡质量指标;另外,由于图像的视觉中心点位于几何中心偏上方,选取在视觉注意中心区域,几何中心周围0.2×0.2的矩形范围内达到的最佳视觉平衡质量指标Qr作为判断图像是否达到视觉平衡的指标,Qr为视觉注意中心区域内Q的最小值;
Step4、阈值K的统计计算,根据式(1)中数字图像类型限定条件,选取能达到视觉平衡的图像k张,对所有符合条件的图像进行特征提取及计算并获得每个图像对应的Qr值,则取所有Qk值的平均值作为判断数字图像是否视觉平衡的阈值K,公式如下:
Step5、比较数字图像的视觉平衡质量指标Qr与判断数字图像是否视觉平衡的阈值K,若Qr≥K,则该图像达到了视觉平衡,并根据Qr值对图像的视觉平衡质量进行排序;若Qr<K,则该图像未达到视觉平衡,即其视觉平衡质量较差,此时根据所算出的视觉平衡质量分指标Q1和Q2,判断地图图像沿横轴和纵轴视觉重量的偏重情况;
当|Q1|<K且Q1<0,横轴方向上该地图图像在视觉注意中心左侧区域内视觉重量偏重较大;
当|Q1|<K且0≤Q1<K,可知在其右侧偏重较大;
当|Q1|≥K,可知横轴方向上该地图图像无明显偏重;
当|Q2|<K且Q2<0,纵轴方向上该地图图像在视觉注意中心上方区域内视觉重量偏重较大;
当|Q2|<K且0≤Q2<K,可知在其下方偏重较大;
当|Q2|≥K,可知纵轴方向上该地图图像无明显偏重。
2.根据权利要求1所述的测量数字图像视觉平衡质量的方法,其特征在于:所述步骤Step3中,像素块的视觉重力矩为其视觉重力乘以像素块中心点到图像视觉中心的距离,其中视觉重力为每个像素块的权重,由其灰度值组成,白色被记为255,黑色记为0,期间为其他灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710732837.9A CN107610101B (zh) | 2017-08-24 | 2017-08-24 | 一种测量数字图像视觉平衡质量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710732837.9A CN107610101B (zh) | 2017-08-24 | 2017-08-24 | 一种测量数字图像视觉平衡质量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107610101A CN107610101A (zh) | 2018-01-19 |
CN107610101B true CN107610101B (zh) | 2020-08-25 |
Family
ID=61064164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710732837.9A Active CN107610101B (zh) | 2017-08-24 | 2017-08-24 | 一种测量数字图像视觉平衡质量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610101B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798457B (zh) * | 2020-06-10 | 2021-04-06 | 上海众言网络科技有限公司 | 图像视觉重量确定方法、装置和图像评价方法 |
CN117911796B (zh) * | 2024-03-18 | 2024-06-21 | 深圳市玛塔创想科技有限公司 | 一种基于图像识别的智能化数据处理***及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789737A (zh) * | 2012-08-11 | 2012-11-21 | 中国人民解放军信息工程大学 | 基于力矩平衡原理建立地图视觉平衡模型的方法 |
CN104700416A (zh) * | 2015-03-23 | 2015-06-10 | 河海大学常州校区 | 基于视觉理解的图像分割阈值确定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050254727A1 (en) * | 2004-05-14 | 2005-11-17 | Eastman Kodak Company | Method, apparatus and computer program product for determining image quality |
-
2017
- 2017-08-24 CN CN201710732837.9A patent/CN107610101B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789737A (zh) * | 2012-08-11 | 2012-11-21 | 中国人民解放军信息工程大学 | 基于力矩平衡原理建立地图视觉平衡模型的方法 |
CN104700416A (zh) * | 2015-03-23 | 2015-06-10 | 河海大学常州校区 | 基于视觉理解的图像分割阈值确定方法 |
Non-Patent Citations (1)
Title |
---|
马俊 等.采用力矩平衡原理建立地图视觉平衡模型.《武汉大学学报•信息科学版》.2013,第38卷(第1期), * |
Also Published As
Publication number | Publication date |
---|---|
CN107610101A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059694B (zh) | 电力行业复杂场景下的文字数据的智能识别方法 | |
CN107157447B (zh) | 基于图像rgb颜色空间的皮肤表面粗糙度的检测方法 | |
RU2008105393A (ru) | Основанные на применении компьютера формирование и проверка тренировочных образов, предназначенных для многоточечного теостатистического анализа | |
CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
CN109978854B (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN107743225B (zh) | 一种利用多层深度表征进行无参考图像质量预测的方法 | |
CN102297822A (zh) | 一种通过图像分析预测煤粒灰分的方法 | |
CN111598869B (zh) | 一种对显示屏幕的Mura进行检测的方法、设备及存储介质 | |
JP2023511869A (ja) | マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法並びにシステム | |
CN107610101B (zh) | 一种测量数字图像视觉平衡质量的方法 | |
CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
CN109191386B (zh) | 一种基于BPNN的快速Gamma校正方法及装置 | |
CN112712519A (zh) | 非接触式机制砂石粉含量智能化实时检测方法及装置 | |
CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
CN114882002A (zh) | 目标缺陷检测方法和检测装置、计算机设备、存储介质 | |
CN111950457A (zh) | 油田安全生产图像识别方法及*** | |
CN111626358A (zh) | 一种基于bim图片识别的隧道围岩分级方法 | |
CN111507398A (zh) | 基于目标检测的变电站金属仪器锈蚀识别方法 | |
CN114428110A (zh) | 一种轴承套圈荧光磁粉探伤图像缺陷检测方法及*** | |
CN110751170A (zh) | 面板质量检测方法、***、终端设备及计算机可读介质 | |
CN112749735B (zh) | 基于深度学习的转炉出钢钢流识别方法、***、介质及终端 | |
CN118037865A (zh) | 基于图像数据的城市及其组成元素色彩关联定量分析方法 | |
CN115953330B (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
CN109685757B (zh) | 一种基于灰度差分统计的无参考图像质量评价方法及*** |
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 |