CN111161211B - 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
- CN111161211B CN111161211B CN201911229252.0A CN201911229252A CN111161211B CN 111161211 B CN111161211 B CN 111161211B CN 201911229252 A CN201911229252 A CN 201911229252A CN 111161211 B CN111161211 B CN 111161211B
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- pixel points
- width
- edge pixel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims description 103
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 9
- 239000006185 dispersion Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10024—Color 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
- G06T2207/30—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)
- Studio Devices (AREA)
Abstract
一种图像检测方法及装置,在该方法中,首先获取包括多个像素点的第一图像,然后,将图像的各个边缘像素点根据其像素变化量的大小进行分类,然后根据至少两种类型的边缘像素点的边缘宽度,综合评价该图像是否模糊,从而可以解耦在不同类型的边缘像素点之间的相互影响,例如,在背光场景或者明暗对比较为强烈的场景中,可以通过中梯度边缘像素点判断该图像是否模糊,而在景深较大的场景中,可以通过高梯度边缘像素点判断该图像是否模糊,从而可以提高对图像进行模糊检测的准确度。
Description
技术领域
本申请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
为了方便使用,图像采集装置,例如摄像机、照相机等,越来越智能化。以摄像机为例,摄像机在采集到一帧图像后,可以进行模糊检测,若确定该图像模糊,则可以自动聚 焦或者输出虚焦警告等,以保证后续采集到的图像的清晰度。
目前,对图像进行模糊检测的一种方式是,根据图像的边缘的边缘宽度来判断图像是 否模糊,当图像的边缘的边缘宽度大于预设阈值,则确定该图像为模糊图像;否则,确定 该图像为清晰图像。
然而,在某些场景中,例如,背光场景,即使图像虚焦,但是由于场景中明暗对比强烈,会导致图像的边缘的边缘宽度较小,在这种情况下,使用上述方法则会判断该图像为清晰图像,导致误判。可见,现有技术中的模糊检测算法存在准确性较低的问题。
发明内容
本申请提供一种图像检测方法及装置,用以提高对图像进行模糊检测的准确度。
第一方面,本申请实施例提供一种图像检测方法,在该方法中,首先获取包括多个像 素点的第一图像,然后,从该多个像素点中确定像素变化量大于阈值的像素点为至少两个 边缘像素点,其中,该像素变化量是位于该像素点附近的、在同一条直线上的两个像素点的像素值的变化程度,并根据每个边缘像素点的像素变化量的大小,将所述多个边缘像素 点进行分类,获取包括第一类边缘像素点和第二类边缘像素点的至少两种类型的边缘像素 点。当确定无法根据第一类边缘像素点判断所述第一图像是否为模糊图像,则根据第二类 边缘像素点确定所述第一图像是否为模糊图像,从而输出判断结果。
在上述技术方案中,将图像的各个边缘像素点根据其像素变化量的大小进行分类,然 后根据至少两种类型的边缘像素点的边缘宽度,综合评价该图像是否模糊,从而可以解耦 在不同类型的边缘像素点之间的相互影响,例如,在背光场景或者明暗对比较为强烈的场景中,可以通过中梯度边缘像素点判断该图像是否模糊,而在景深较大的场景中,可以通 过高梯度边缘像素点判断该图像是否模糊,从而可以提高对图像进行模糊检测的准确度。
在一种可能的设计中,该像素值的变化程度是像素值的差值。
上述只是对像素值的变化程度的一种示例,在本申请实施例中限制像素值的变化程度 的具体表现形式。
在一种可能的设计中,在判断所述第一图像是否为模糊图像时,首先根据所述第一类 边缘像素点中每个边缘像素点的边缘宽度,确定与所述第一类边缘像素点对应的第一边缘 宽度评价值,其中,所述第一类边缘像素点中每个边缘像素点的边缘宽度越大,则所述第一边缘宽度评价值越大。若所述第一边缘宽度评价值大于第一宽度阈值且小于第二宽度阈 值,则确定无法根据第一类边缘像素点判断所述第一图像是否为模糊图像,其中,若所述 第一边缘宽度评价值小于所述第一宽度阈值则确定所述第一图像为清晰图像,若所述第一 边缘宽度评价值大于所述第二宽度阈值,则确定所述第一图像为模糊图像。
在上述技术方案中,可以通过每一类边缘像素点中各个边缘像素点的边缘宽度,确定 一种类型的边缘宽度评价值,然后根据评价值来判断该第一图像是否为模糊图像,可以简 化判断过程的复杂度。
在一种可能的设计中,在确定无法根据第一类边缘像素点判断所述第一图像是否为模 糊图像后,则根据所述第二类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第二 类边缘像素点对应的第二边缘宽度评价值,其中,所述第二类边缘像素点中每个边缘像素点的边缘宽度越大,则所述第二边缘宽度评价值越大。若所述第二边缘宽度评价值大于第 三宽度阈值,则确定所述第一图像为模糊图像;或,若所述第二边缘宽度评价值小于第三 宽度阈值,且,所述第一边缘宽度评价值小于第四宽度阈值,则确定所述第一图像为清晰 图像;其中,所述第四宽度阈值大于所述第一宽度阈值,且小于所述第二宽度阈值。
在上述技术方案中,提供了根据不同类型的边缘像素点的边缘宽度评价值,判断第一 图像是否为模糊图像的一种示例,当然,也可以根据不同类型的边缘像素点的其他参数确 定第一图像是否为模糊图像,在此不作限制。
在一种可能的设计中,可以按照像素变化量的范围把所述多个边缘像素点划分成不同 的类。当然,还可以采用其他方式划分边缘像素点的类型,在具体实施过程中,不对划分 边缘像素点的类型的方式进行限制。
在一种可能的设计中,所述至少两种类型的边缘像素点还包括第三类边缘像素点,则 在确定无法根据所述第二类边缘像素点判断所述第一图像是否为模糊图像后,根据所述第 三类边缘像素点确定所述第一图像是否为模糊图像。
在上述技术方案中,可以通过多种类型的边缘像素点综合判断第一图像是否为模糊图 像,可以进一步提高判断的准确性。
在一种可能的设计中,在确定无法根据所述第二类边缘像素点判断所述第一图像是否 为模糊图像后,若所述第一类边缘像素点的边缘宽度评价值大于第四宽度阈值且小于所述 第二宽度阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三类边缘像素点的边缘宽度评价值小于第五宽度阈值时,确定所述第一图像为清晰图 像;或,若所述第一类边缘像素点的边缘宽度评价值大于所述第四宽度阈值且小于所述第 二宽度阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述 第三类边缘像素点的边缘宽度评价值大于所述第五宽度阈值时,确定所述第一图像为模糊图像。
在上述技术方案中,提供了根据第三类边缘像素点确定第一图像是否为模糊图像的一 种示例,当然,也可以采用其他方式根据第三类像素点确定第一图像是否为模糊图像,上 述示例不应理解为对根据第三类边缘像素点确定第一图像是否为模糊图像的限制。
在一种可能的设计中,与所述每种类型的边缘像素点对应的边缘宽度评价值,为所述 类型的边缘像素点所包括的至少一个边缘像素点的至少一个边缘宽度的最大值或平均值。
第二方面,提供一种图像检测装置,该图像检测装置包括获取单元、确定单元、分类 单元和判断单元,这些单元可以执行上述第一方面任一种设计示例中的所执行的相应功能, 具体的:
获取单元,用于获取第一图像,所述第一图像包括多个像素点;
确定单元,用于从所述多个像素点中确定至少两个边缘像素点,所述边缘像素点为所 述多个像素点中像素变化量大于阈值的像素点,其中,所述像素变化量是位于所述像素点 附近的、在同一条直线上的两个像素点的像素值的变化程度;
分类单元,用于根据每个边缘像素点的像素变化量的大小,将所述多个边缘像素点进 行分类,获取至少两种类型的边缘像素点,所述至少两种类型的边缘像素点包括第一类边 缘像素点和第二类边缘像素点;
判断单元,用于当确定无法根据第一类边缘像素点中每个边缘像素点的边缘宽度判断 所述第一图像是否为模糊图像,根据第二类边缘像素点确定所述第一图像是否为模糊图像;
输出单元,用于输出判断结果。
在一种可能的设计中,对像素值的变化程度的说明与第一方面中相应的内容相同,在 此不再赘述。
在一种可能的设计中,所述判断单元具体用于:
根据所述第一类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第一类边缘像 素点对应的第一边缘宽度评价值,其中,所述第一类边缘像素点中每个边缘像素点的边缘 宽度越大,则所述第一边缘宽度评价值越大;
若所述第一边缘宽度评价值大于第一宽度阈值且小于第二宽度阈值,则确定无法根据 第一类边缘像素点判断所述第一图像是否为模糊图像,其中,若所述第一边缘宽度评价值 小于所述第一宽度阈值则确定所述第一图像为清晰图像,若所述第一边缘宽度评价值大于所述第二宽度阈值,则确定所述第一图像为模糊图像。
在一种可能的设计中,所述判断单元具体用于:
根据所述第二类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第二类边缘像 素点对应的第二边缘宽度评价值,其中,所述第二类边缘像素点中每个边缘像素点的边缘 宽度越大,则所述第二边缘宽度评价值越大;
若所述第二边缘宽度评价值大于第三宽度阈值,则确定所述第一图像为模糊图像;或, 若所述第二边缘宽度评价值小于第三宽度阈值,且,所述第一边缘宽度评价值小于第四宽 度阈值,则确定所述第一图像为清晰图像;
其中,所述第四宽度阈值大于所述第一宽度阈值,且小于所述第二宽度阈值。
在一种可能的设计中,所述分类单元具体用于:
按照像素变化量的范围把所述多个边缘像素点划分成不同的类。
在一种可能的设计中,所述至少两种类型的边缘像素点还包括第三类边缘像素点,所 述判断单元还用于:
在确定无法根据所述第二类边缘像素点判断所述第一图像是否为模糊图像后,根据所 述第三类边缘像素点确定所述第一图像是否为模糊图像。
在一种可能的设计中,所述判断单元具体用于:
若所述第一类边缘像素点的边缘宽度评价值大于第四宽度阈值且小于所述第二宽度阈 值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三类边 缘像素点的边缘宽度评价值小于第五宽度阈值时,确定所述第一图像为清晰图像;或,
若所述第一类边缘像素点的边缘宽度评价值大于所述第四宽度阈值且小于所述第二宽 度阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三 类边缘像素点的边缘宽度评价值大于所述第五宽度阈值时,确定所述第一图像为模糊图像。
在一种可能的设计中,对与所述每种类型的边缘像素点对应的边缘宽度评价值的说明 与第一方面中相应的内容相似,在此不再赘述。
第三方面,提供一种图像检测装置,该图像检测装置包括至少一个处理器,所述至少 一个处理器与至少一个存储器耦合;所述至少一个处理器,用于执行所述至少一个存储器 中存储的计算机程序或指令,以使得所述装置执行上述第一方面描述的方法。
在一种可能的设计中,该至少一个处理器在执行至少一个存储器中存储的计算机程序 或指令时,执行如下步骤:
获取第一图像,所述第一图像包括多个像素点;
从所述多个像素点中确定至少两个边缘像素点,所述边缘像素点为所述多个像素点中 像素变化量大于阈值的像素点,其中,所述像素变化量是位于所述像素点附近的、在同一 条直线上的两个像素点的像素值的变化程度;
根据每个边缘像素点的像素变化量的大小,将所述多个边缘像素点进行分类,获取至 少两种类型的边缘像素点,所述至少两种类型的边缘像素点包括第一类边缘像素点和第二 类边缘像素点;
当确定无法根据第一类边缘像素点中每个边缘像素点的边缘宽度判断所述第一图像是 否为模糊图像,根据第二类边缘像素点确定所述第一图像是否为模糊图像;
输出判断结果。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存 储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所 述计算机执行第一方面中任意一项所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品存储有计算 机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机 执行第一方面中任意一项所述的方法。
第六方面,本申请提供了一种芯片***,该芯片***包括处理器,还可以包括存储器, 用于实现第一方面所述的方法。该芯片***可以由芯片构成,也可以包含芯片和其他分立 器件。
上述第二方面至第六方面及其实现方式的有益效果可以参考对第一方面的方法及其实 现方式的有益效果的描述。
附图说明
图1为图像包括的多个像素点的一种示例的示意图;
图2为模糊图像的一种示例的示意图;
图3为本申请实施例中提供的图像采集装置的一种示例的结构框图;
图4为本申请提供的图像检测方法的一种示例的流程图;
图5为本申请实施例中当图像采集装置在虚焦的情况下通过光学镜头获取的图像在各 个方向上的像素点弥散程度的一种示例的示意图;
图6为本申请实施例中确定像素点的水平方向的梯度和垂直方向的梯度的一种示例的 示意图;
图7为本申请实施例中根据第一角度阈值和第二角度阈值确定边缘像素点的一种示例 的示意图;
图8为本申请实施例中对水平方向上的全局梯度边缘像素点的水平梯度进行直方图统 计得到的直方图的一种示例的示意图;
图9为本申请实施例中确定边缘像素点的边缘宽度的示例的示意图;
图10为本申请实施例中处理器320根据三种类型中每种类型的边缘像素点的边缘宽度 评价值确定该第一图像是否模糊的一种示例的流程图;
图11为本申请实施例提供的图像检测装置的一种示例的结构示意图;
图12为本申请实施例提供的图像检测装置的另一种示例的结构示意图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实 施例作进一步地详细描述。
为便于本领域技术人员理解,下面对本申请所涉及的技术术语进行说明。
1)图像的边缘,包括图像的在各个方向上存在的所有的边缘像素点。图像的边缘像素 点是根据图像中某一方向上与一个像素点相邻的两个像素点的像素值的差值(简称像素差 值)确定的。若沿某一个方向,与某一个像素点相邻的两个像素点的像素差值的绝对值大 于目标阈值,则该像素点可以认为是该图像的一个边缘像素点。例如,如图1所示,图1 中每一个小方格可以看成是一个像素点,依次标记为像素点1~像素点9,且像素点1~像素点9的像素值依次为255、200、190、180、120、100、210、120、200。在水平方向上,像 素点2分别与像素点1和像素点3相邻,像素点5分别与像素点4和像素点6相邻,以此 类推。在垂直方向上,像素点4分别与像素点1和像素点7相邻,像素点5分别为像素点2 和像素点8相邻,以此类推。设定目标阈值为50,通过计算可以得到,像素点1和像素点 3的像素差值为65>50,像素点2和像素点8之间的像素差值为80>50,从而得到水平方向 上的边缘像素点为像素点2,垂直方向上的边缘像素点为像素点5。当然,还可以通过计算 其他方向上的像素差值来确定边缘像素点,例如,可以是与水平方向或者垂直方向呈任意 一个夹角的方向上的像素差值,进而确定边缘像素点,在此不作限制。
需要说明的是,除了像素差值之外,还可以有其他的方法描述像素值的变化程度,例 如像素的差值除以定值。为方便说明,下文中概括为像素变化量,像素变化量越大表明想 像素值的变化量越大,像素值的差值是像素变化量中的一种。
2)对焦,是指,图像采集装置可以发射射线,该射线可以是红外线或者紫外线等,若 该射线经物体反射后的光子能量能够在一个较小的区域内收敛,则说明该图像采集装置对 焦或者聚焦,否则,说明该图像采集装置失焦或者虚焦。图像采集装置在失焦情况下获取的图像为模糊图像,在对焦情况下获取的图像为清晰图像。在图像采集装置处于失焦情况 下,由于光子能量无法在一个较小的区域内收敛,从而导致该图像中像素点能量(即像素 值)的分布较分散,也可以称为像素点弥散,其中,像素点弥散在图像的边缘像素点处表 现最为明显,其中,图像采集装置的失焦越严重,则获取的图像的边缘像素点越弥散。
3)本申请实施例中“多个”是指两个或两个以上,鉴于此,本申请实施例中也可以将 “多个”理解为“至少两个”。“至少一个”,可理解为一个或多个,例如理解为一个、两个或更多个。例如,包括至少一个,是指包括一个、两个或更多个,而且不限制包括的是哪几个,例如,包括A、B和C中的至少一个,那么包括的可以是A、B、C、A和B、A和 C、B和C、或A和B和C。“和/或”,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,字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
除非有相反的说明,本申请实施例提及“第一”、“第二”等序数词用于对多个对象进 行区分,不用于限定多个对象的顺序、时序、优先级或者重要程度。
图像采集装置的智能化发展,要求图像采集装置在获取图像后,能够对图像进行模糊 检测,确定获取的图像是否模糊,这样,当确定图像为模糊图像时,可以对图像采集装置 的焦距进行调整,以在后续的图像采集过程中获得清晰的图像。由于在失焦情况下,图像采集装置获取的图像的边缘像素点弥散较为明显,因此,对图像进行模糊检测时,是通过对图像的边缘进行检测来确定的。
作为一种示例,现有技术中是采用对图像的边缘的边缘宽度进行检测确定图像是否模 糊。具体做法是:首先获取一帧图像的所有边缘像素点,并根据每个边缘像素点周边的像 素点的像素值大小,确定每个边缘像素点的边缘宽度。然后,获取该多个边缘的边缘宽度的统计值,该统计值可以是该多个边缘宽度的平均值等。若该边缘宽度的统计值大于或等 于预设阈值,则确定该图像为模糊图像,否则,确定该图像为清晰图像。
然而,在某些场景中,采用上述方法对图像进行模糊检测时,会出现误判。例如,如图2所示的图像,图像主体是树叶,图像背景是窗外的天空,从图中可以明显看出该图像 的图像主体是模糊的,因此,人眼主观感受认为该图像是一张模糊图像。但是,由于图像主体的颜色为深色,而图像背景的颜色为浅色,两者的明暗对比较为强烈,超过了图像传 感器所能表达的动态范围,从而该图像不会呈现较为明显的像素点弥散。在这种情况下, 对该图像进行模糊检测时,得到的边缘宽度较小,例如,得到的边缘宽度小于用于判断图 像是否模糊的预设阈值,从而,采用上述方法确定该图像为清晰,即出现误判。可见,现有技术中的模糊检测算法存在准确性较低的问题。
鉴于此,本申请提供一种图像检测方法,用以提高对图像进行模糊检测的准确度。下 面,结合附图对本申请提供的图像检测方法进行说明。
本申请提供的图像检测方法可以应用于包括图像采集装置中,该图像采集装置包括但 不限于相机、摄像机、智能移动终端(例如移动电话、平板电脑)、视频监控***中的摄像设备(例如网络摄像机)、服务器集群、或者视频监控***中云端服务器等,在此不对图像采集装置的具体形式进行限制。
请参考图3,为本申请实施例中提供的图像采集装置的一种示例的结构框图。在图3中, 包括至少一个摄像头310以及处理器320。在申请实施例中不对摄像头310的数量进行限制。 在图3中,以图像采集装置包括一个摄像头为例。
摄像头310包括光学镜头3101以及图像传感器3102,图像传感器可以是红外光传感器, 也可以是可见光图像传感器等。镜头和传感器的数量可以根据实际需要设置,例如,摄像头和图像传感器的数量可以均为一个,或者,图像传感器可以包括多个,而镜头可以只包 括一个,在此不作限制。在图3中,以摄像头包括一个光学镜头和一个图像传感器为例。
图像传感器可以是电荷耦合元件(charge-coupled device,CCD)、互补金属氧化物半导 体(complementary metal oxide semiconductor,CMOS)以及接触式图像传感器(contact image sensor,CIS)等。
处理器320可以包括以下一项或者多项:通用处理器、图像信号处理器(imagesignal processor,ISP)、微处理器、数字信号处理器(digital signal processor,DSP)、现场可编程 门阵列(field-programmable gate array,FPGA)等。处理器320还可以是多个物理处理器 的组合。
示例性地,图像采集装置中还可以包括视频编码器。图像采集装置中还可以包括存储 器330。存储器330可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有 指令或数据结构形式的期望的程序代码并能够由该装置存取的任何其他介质,但不限于此。 存储器可以是独立存在,通过总线与处理器相连接(如图3所示)。存储器330也可以和处 理器集成在一起。
其中,所述存储器330可以用于存储执行本申请方案的应用程序代码,并由处理器320 来控制执行,也就是说,所述处理器320用于执行所述存储器330中存储的应用程序代码 实现本申请实施例中的图像检测方法。在一些实施例中,处理器320内部也可以拥有存储 代码的能力,不借助存储器330就可以执行存储代码。
下面结合图3所示的图像采集装置,介绍本申请实施例提供的图像检测方法。请参考 图4,为本申请提供的一种图像检测方法的流程图,该流程图的描述如下:
S41、处理器320获取第一图像。
当图像采集装置处于工作状态后,图像采集装置中的摄像头310则可以周期性获取当 前场景下的图像,例如,以每秒10帧的频率获取当前场景的图像,然后,将采集到的图像 发送给图像采集装置的处理器320。摄像头310可以在获取每一帧图像后,则将获取的图像发送给处理器320,也可以是在周期性向处理器320发送获取的多帧图像,例如,每隔1秒向处理器320发送该1秒内采集到的图像,在此不作限制。
该第一图像可以用于泛指摄像头310采集到的任意一帧图像,例如,可以是摄像头310 采集到的第一帧图像,或者,若图像采集装置需要对获取的每一帧图像都进行模糊检测, 则该第一图像则可以是摄像头310获取的每一帧图像,在此不作限制。
S42、处理器320获取第一图像的边缘像素点。
为了降低处理器320的计算量,在处理器320获取第一图像的边缘像素点之前,可以 先对该第一图像进行灰度处理,获取与第一图像对应的灰度图像,然后,根据与第一图像 对应的灰度图像,获取该第一图像的边缘像素点。
另外,为了保证准确性,在获取第一图像后,还可以对第一图像进行图像信号处理(image signal processing,ISP),例如,进行降噪处理,锐化处理,白平衡等处理,然后再对进行ISP 处理后的图像进行灰度处理,从而获取与第一图像对应的灰度图像。然后,则根据获取的 灰度图像确定第一图像的边缘像素点。其中,该边缘像素点为该多个像素点中像素变化量 大于阈值的像素点。针对某一个边缘像素点来说,该边缘像素点的像素变化量是位于该像 素点附近的、在同一条直线上的两个像素点的像素值的变化程度。附近可以理解为以该像素点为中心且与该像素点的距离在预设距离内的一个区域,像素值的变化程度可以是像素 值的差值,或者像素值的差值乘以固定系数,或者,可以是对前述数值进行归一化处理后 的差值等,在此不作限制。
在本申请实施例中,根据获取的灰度图像确定第一图像的边缘像素点可以包括但不限 于如下两种方式:
第一种方式:
由于光学镜头的材料或者制作工艺的差异,当图像采集装置在虚焦的情况下,通过光 学镜头获取的图像在各个方向上的像素点弥散程度可能不同。例如,由5中左边的图像可 知,图像采集装置获取的图像为模糊图像。将5中左边的图像中一个模糊区域放大得到图5 中右边的图像,在图5中右边的图像中,白色像素点在水平方向上的分布情况相较于在垂 直方向上的分布情况较为集中,因此,该图像采集装置在虚焦的情况下,垂直方向上像素点弥散的程度要高于水平方向上像素点弥散的程度。
考虑上述情况,为了更加准确地获取第一图像的边缘像素点,在获取与第一图像对应 的灰度图像后,处理器320则根据每个像素点在各个方向上的像素变化量确定该第一图像 的边缘像素点,该各个方向可以是水平方向、垂直方向、与水平方向呈45°的方向等等, 在此不作限制。以该像素变化量是指在某一个方向上与一个像素点相邻的两个像素点的像 素值(或者灰度值)的差值为例,在本申请实施例中,也可以将某一个像素点在一个方向上的像素变化量称为该像素点在该方向的梯度。
下面,以水平方向和垂直方向为例,对像素点A在不同方向的梯度进行说明。假设像 素点A的坐标为(X,Y),如图6(a)所示,则像素点A的水平方向梯度Tx(A)满足如下表达式:
Tx(A)=L(X+1,Y)-L(X-1,Y) (1)
其中,L(X+1,Y)为该第一图像中与像素点A相邻且位于像素点A右边的一个像素点的 像素值,横轴的取值水平向右增加;L(X-1,Y)为该第一图像中与像素点A相邻且位于像素 点A左边的一个像素点的像素值。
如图6(b)所示,像素点A的垂直方向梯度Ty(A)满足如下表达式:
Ty(A)=L(X,Y+1)-L(X,Y-1) (2)
其中,L(X,Y+1)为该第一图像中与像素点A相邻且位于像素点A下边的一个像素点的 像素值,纵轴的取值垂直向下增加;L(X,Y-1)为该第一图像中与像素点A相邻且位于像素点 A上边的一个像素点的像素值。
针对其他方向的梯度,其计算方式与上述水平方向的梯度和垂直方向的梯度的计算方 式相似,在此不再赘述。
采用上述方式,获取每个像素点在各个方向上的梯度。然后,确定每个像素点在各个 方向上的梯度是否大于或等于梯度阈值,若大于该梯度阈值,则确定该像素点是在该方向 上的边缘像素点。该梯度阈值可以根据使用需求进行设置,例如,可以为50或者100等。作为一种示例,梯度阈值为50,像素点A在水平方向上的梯度为100,由于100>50,因此, 确定该像素点A为水平方向上的边缘像素点。以此类推,从而确定每个方向上的边缘像素 点,即第一图像的边缘像素点。
在上述第一种方式中,需要计算每个像素点在不同方向上的梯度,计算量较大。而水 平方向和垂直方向上的像素点弥散,对人眼造成的模糊感受最为明显,因此,为了降低处 理器320的计算量,提出第二种方式,在第二种方式中可以只确定水平方向和垂直方向上的边缘像素点,下面对第二种方式的具体过程进行说明。
第二种方式:
首先,采用图6(a)和图6(b)所示的方式,确定每个像素点在水平方向的梯度以及在垂直 方向的梯度。然后,确定像素点在水平方向的梯度或在垂直方向的梯度是否大于或等于梯 度阈值,若为是,则根据该像素点在垂直方向的梯度和水平方向的梯度的比值,确定该像 素点的偏移角度,若该偏移角度与预设角度的角度差值小于或等于角度阈值,则确定该像素点为第一图像的边缘像素点。若像素点在水平方向的梯度和在垂直方向的梯度均小于该 梯度阈值,则可以确定该像素点不是第一图像的边缘像素点。
在这种方式中,图像的边缘像素点包括在水平反向的边缘像素点和在垂直方向上的边 缘像素点。具体来讲,根据像素点的偏移角度与预设角度的角度差值是否小于或等于角度 阈值,来确定该像素点是否为第一图像的边缘像素点的方式,可以包括但不限于如下三种情况。
第一种情况:
预设角度包括第一预设角度,第一预设角度为与水平线的夹角为0°或者-180°或者 180°的角度,若像素点的偏移角度与该第一预设角度的角度差值小于或等于第一角度阈值, 则确定该像素点为垂直方向上的边缘像素点。
例如,假设如图6(a)和图6(b)所示的像素点A,其垂直方向的梯度为5,水平方向的梯 度为50,第一预设角度阈值为22.5°。像素点A的垂直方向的梯度与水平方向的梯度的比值为像素点A的偏移角度的正切函数tan的取值,记为tan(A),则tan(A)=5/50=1/10=0.1, 对tan(A)进行反正切函数运算,确定像素A的偏移角度约为5.7°,即该偏移角度与水平线 的夹角为5.7°,可知,其与第一预设角度的角度差值小于22.5°,从而确定像素点A是垂 直方向上的边缘像素点。
第二种情况:
预设角度包括第二预设角度,该第二预设角度为与水平线的夹角为90°或者-90°的角 度,若像素点的偏移角度与该第二预设角度的角度差值小于或等于第二角度阈值,则确定 该像素点为水平方向上的边缘像素点。
例如,假设如图6(a)和图6(b)所示的像素点A,其垂直方向的梯度为60,水平方向的 梯度为24,第二预设角度阈值为22.5°。像素点A的垂直方向的梯度与水平方向的梯度的比值为像素点A的偏移角度的正切函数tan的取值,记为tan(A),则tan(A)=60/24=2.5,对tan(A)进行反正切函数运算,确定像素A的偏移角度约为68.2°,即该偏移角度与水平线的夹角为68.2°,可知,其与第二预设角度的角度差值小于22.5°,从而确定像素点A是水 平方向上的边缘像素点。
第三种情况:
若某一个像素点的偏移角度不满足第一种情况且不满足第二种情况,则确定该像素点 即不是垂直方向上的边缘像素点,也不是水平方向上的边缘像素点,在这种情况下,则可 以舍弃该像素点,即在后续过程中不对该像素点进行任何处理。
例如,假设如图6(a)和图6(b)所示的像素点A,其垂直方向的梯度为60,水平方向的 梯度为50,第一角度阈值和第二角度阈值均为22.5°,预设角度包括第一预设角度和第二 预设角度,对第一预设角度和第二预设角度的说明可以参照第一种情况和第二种情况。像 素点A的垂直方向的梯度与水平方向的梯度的比值为像素点A的偏移角度的正切函数tan 的取值,记为tan(A),则tan(A)=60/50=1.2,对tan(A)进行反正切函数运算,确定像素A的 偏移角度约为50°,即该偏移角度与水平线的夹角为50,可知,其与第一预设角度的角度 差值大于22.5°且与第二预设角度的角度差值大于22.5°,从而确定像素点A不是水平方 向上的边缘像素点且不是垂直方向上的边缘像素点,则在后续处理过程中不对该像素点A 进行处理。
需要说明的是,第一角度阈值和第二角度阈值可以相同,也可以不相同,在此不作限 制。
针对上述三种情况,以图7所示的示意图进行说明。在图7中,以第一角度阈值和第二角度阈值相同,且取值为22.5°为例,与第二预设角度的角度差值在22.5°以内的偏移 角度的范围为(-112.5°,-67.5°)和(67.5°,112.5°),形成第一阴影区域,偏移角度属于该 第一阴影区域的像素点即为水平方向上的边缘像素点。与第一预设角度的角度差值在22.5°以内的偏移角度的范围为(-157.5°,157.5°)和(-22.5°,22.5°),形成第二阴影区域,偏 移角度属于该第二阴影区域的像素点即为垂直方向上的边缘像素点。而对于偏移角度位于第一阴影区域或第二阴影区域之外的区域的像素点,则不对该像素点进行处理。也就是说,上述方式减少了对第一图像中属于第三种情况的像素点的处理过程,可以减少处理器320的计算量。
通过上述方式确定的在水平方向上的边缘像素点和在垂直方向上的边缘像素点,即第 一图像的边缘像素点。
S43、处理器320将第一图像的边缘像素点进行分类,获取至少两种类型的边缘像素点。
当处理器320获取第一图像在各个方向的边缘像素点后,按照像素变化量的范围把所 述多个边缘像素点划分成不同的类。作为一种示例,该像素变化量为各个方向上的梯度的 取值,则可以根据像素点在各个方向的梯度的取值大小,将边缘像素点分为多种类型的边缘像素点。例如,针对水平方向的边缘像素点,若边缘像素点在水平方向的梯度大于一个 较小的梯度值且小于一个较大的梯度值,则将该边缘像素点划分为第一类边缘像素点;若 边缘像素点在水平方向的梯度大于该较大的梯度值,则将该边缘像素点划分为第二类边缘 像素点。针对其他方向上的边缘像素点,其判断方式与水平方向相似,在此不一一说明。当然,根据梯度值的大小,划分边缘像素点的类型的方式有多种,本申请中不作限制。
作为一种示例,下文中以边缘像素点的类型包括第一类边缘像素点、第二类边缘像素 点以及第三类边缘像素点这三种类型的边缘像素点为例进行说明。为方便说明,下文中, 将该第一类边缘像素点~第三类边缘像素点分别标记为全局梯度边缘像素点、中梯度边缘像素点以及高梯度边缘像素点。在此不对各种类型的边缘像素点的名称进行限制。由于对各 个方向上的边缘像素点的划分方式相似,因此,下文中,以针对水平方向和垂直方向上的 边缘像素点的划分方式为例。
1、全局梯度边缘像素点的确定。
针对水平方向上的边缘像素点:
若水平方向上的边缘像素点的水平方向的梯度大于第一水平梯度阈值,则确定该边缘 像素点为全局梯度边缘像素点。其中,第一水平梯度阈值的取值可以根据实际情况进行设 置,例如,可以为5或者4等。
针对垂直方向上的边缘像素点:
若垂直方向上的边缘像素点的垂直方向的梯度大于第一垂直梯度阈值,则确定该边缘 像素点为全局梯度边缘像素点。其中,第一垂直梯度阈值的设置方式与第一水平梯度阈值 的设置方式相似,在此不再赘述。
2、中梯度边缘像素点的确定。
针对水平方向上的边缘像素点:
若水平方向上的边缘像素点的水平方向的梯度大于或等于第二水平梯度阈值,且小于 或等于第三水平梯度阈值,则确定该边缘像素点为中梯度边缘像素点。其中,第二水平梯 度阈值和第三水平梯度阈值,可以是根据水平方向上的最大梯度值与预设权重确定的。例如,针对水平方向,分别设置两个权重,第一权重用于确定第二水平梯度阈值,第二权重 用于确定第三水平梯度阈值,例如,可以将第一权重标记为HPmin,将第二权重标记为HPmax,HPmin和HPmax可根据使用需求和图像采集装置所使用的图像传感器的参数进行 调整。该图像传感器的参数例如为图像传感器所能呈现的像素值的范围等。例如,针对8 位拜耳(bayer)图像传感器,其水平方向的最大梯度值为255,即图像传感器所能呈现的像素值的范围为[0,255],在这种情况下,HPmin的取值为可以设置为7.843%,HPmax的取 值可以设置为39.21%,从而得到第二水平梯度阈值为20,第三水平梯度阈值为100,也就 是说,当边缘像素点的水平方向的梯度值位于[20,100]范围内,则该边缘像素点被划分为中 梯度边缘像素点。当然,该第一权重和第二权重还可以根据其他参数进行设置,在此不作 限制。
针对垂直方向上的边缘像素点:
若垂直方向上的边缘像素点的垂直方向的梯度大于或等于第二垂直梯度阈值,且小于 或等于第三垂直梯度阈值,则确定该边缘像素点为中梯度边缘像素点。
垂直方向上的边缘像素点的划分方式与水平方向上的边缘像素点的划分方式相似,在 此不再赘述。
3、高梯度边缘像素点的确定。
针对水平方向上的边缘像素点:
若水平方向上的边缘像素点的水平方向的梯度大于或等于第四水平梯度阈值,则确定 该边缘像素点为高梯度边缘像素点。其中,水平方向上的所有全局梯度边缘像素点中,水 平梯度小于该第四水平梯度阈值的部分全局梯度边缘像素点的数量与所有全局梯度边缘像素点的总数量的比值大于或等于水平梯度占比阈值。该水平梯度占比阈值可以是根据使用 需求或者图像采集装置所使用的图像传感器的参数预先设置的,该图像传感器的参数例如 为图像传感器所能呈现的像素值的范围等。例如,当图像传感器所能呈现的像素值的范围 为[0,255],则该水平梯度占比阈值可以为10%;当图像传感器所能呈现的像素值的范围为 [0,200],则该水平梯度占比阈值可以为8%,在此不作限制。
由于无法提前预知第一图像中每个边缘像素点的水平梯度,因此,该第四水平梯度阈 值是根据预先设置的水平梯度占比阈值以及第一图像中的全局梯度边缘像素点,实时确定 的。例如,可以对水平方向上的全局梯度边缘像素点的水平梯度进行直方图统计,以水平梯度为横轴,以个数为纵轴,得到如图8所示的直方图。然后,遍历直方图的横坐标,统 计当前遍历的每个横坐标对应的纵坐标的取值之和,且每遍历一个横坐标,则判断当前统 计的纵坐标的取值之和与所有全局梯度边缘像素点的总数量的比值是否大于或等于预设的 水平梯度占比阈值,若为是,则确定当前遍历的横坐标对应的最大水平梯度即为该第四水平梯度阈值。在图8所示的直方图中,可以用阴影部分的面积作为所遍历的横坐标对应的 纵坐标的取值之和,当遍历的横坐标的取值为A时,阴影部分的面积与直方图的总面积之 比首次大于该水平梯度占比阈值,则第四水平梯度阈值即为A。当然也可以通过其他方式 获取该第四水平梯度阈值,在此不一一列举。
针对垂直方向上的边缘像素点:
若垂直方向上的边缘像素点的垂直方向的梯度大于或等于第四垂直梯度阈值,则确定 该边缘像素点为高梯度边缘像素点。其中,垂直方向上的所有全局梯度边缘像素点中,垂 直梯度小于该第四垂直梯度阈值的部分全局梯度边缘像素点的数量与所有全局梯度边缘像素点的总数量的比值大于或等于垂直梯度占比阈值。
垂直方向上的边缘像素点的划分方式与水平方向上的边缘像素点的划分方式相似,在 此不再赘述。
作为一种示例,处理器320确定第一图像中包括100个边缘像素点,其中,50个边缘像素点为水平方向的边缘像素点,另外50个边缘像素点为垂直方向的边缘像素点。以水平方向上的边缘像素点为例进行说明,该50个水平方向上的边缘像素点的水平方向的梯度的取值分布如表1所示。在表1中,水平方向的梯度的取值为50的边缘像素点有1个,水平 方向的梯度的取值为55的边缘像素点有1个,水平方向的梯度的取值为60的边缘像素点 有5个,在此不对表格中的每一项一一说明。
表1
水平方向的梯度的取值 | 数量 |
50 | 1 |
55 | 1 |
60 | 5 |
70 | 2 |
75 | 1 |
80 | 5 |
85 | 10 |
100 | 10 |
120 | 10 |
150 | 5 |
然后,对水平方向上的边缘像素点进行分类。假设第一水平梯度阈值为5,第二水平梯 度阈值为20,第三水平梯度阈值为100,水平梯度占比阈值为10%,处理器320确定每个 边缘像素点的梯度值均大于5,从而确定该50个边缘像素点均为全局像素点。然后,确定水平方向的梯度的取值位于[20,100]之间的35个边缘像素点为中梯度边缘像素点。由于水平方向上的边缘像素点的总数为50个,水平梯度占比阈值为10%,对该50个边缘像素点进行直方图统计,遍历直方图的每一个水平方向的梯度,确定当水平方向的梯度的取值为60时,所遍历的边缘像素点的总个数与水平方向上的边缘像素点的总个数的比值为7/50>10%, 因此,确定水平方向的梯度的取值大于或等于60的48个边缘像素点均为高梯度边缘像素点。
采用上述相同的方式,对垂直方向上的边缘像素点进行分类,在此不再赘述。
S44、处理器320根据至少两种类型的边缘像素点对应的边缘宽度评价值,确定该第一 图像是否模糊。
作为一种示例,当处理器320确定无法根据第一类边缘像素点判断所述第一图像是否 为模糊图像,根据第二类边缘像素点确定所述第一图像是否为模糊图像,从而输出判断结 果。
作为另一种示例,当处理器320确定无法通过第一类边缘像素点和第二类边缘像素点 确定第一图像是否为模糊图像,则还可以根据第三类边缘像素点确定该第一图像是否为模 糊图像。
在本申请实施例中,不限制用于判断第一图像是否为模糊图像所使用的边缘像素点的 类型的数量,可以通过两种类型的边缘像素点确定判断结果,也可以通过三种类型的边缘 像素点确定判断结果。
作为一种示例,可以根据每一种类型的边缘像素点中每个边缘像素点的边缘宽度判断 第一图像是否为模糊图像。具体来讲,可以先根据每一种类型的边缘像素点中每个边缘像 素点的边缘宽度,确定与每一种类型的边缘像素点对应的边缘宽度评价值,然后根据该边缘宽度评价值来确定第一图像是否为模糊图像。
下面,对处理器320确定与每种类型的边缘像素点对应的边缘宽度评价值的方法进行 说明。处理器320确定每种类型的边缘像素点的边缘宽度评价值的方式包括但不限于如下 方式。
在本申请实施例中,可以根据边缘像素点所在的方向,例如,水平方向的边缘像素点 所在的方向即为水平方向,垂直方向上的边缘像素点所在的方向即为垂直方向,确定每个 边缘像素点的边缘宽度。具体方式为:确定该边缘像素点在其所在的方向上的像素值的极大值或极小值,根据极大值对应的像素点和/或极小值对应的像素点,确定该边缘像素点的 边缘宽度。
作为一种示例,以边缘像素点B为例,当边缘像素点B为水平方向上的边缘像素点,则获取与该边缘像素点B相邻且在该边缘像素点B左边的一个像素点的像素值,标记为像素点B-1的像素值,若对第一图像进行灰度处理,则或者该像素点的灰度值,在本申请中 以像素值为例进行说明。然后,确定该像素点B-1的像素值是否大于或等于像素点B-2的像素值且大于边缘像素点B的像素值,若为是,则确定该像素点B-1为极大值所在的像素 点,其中,像素点B-2为与像素点B-1相邻且位于像素点B-1左边的像素点。以及,确定 该像素点B-1的像素值是否小于或等于像素点B-2的像素值且小于边缘像素点B的像素值, 若为是,则确定该像素点B-1为极小值所在的像素点。采用这种方式,以边缘像素点B为 起点,分别向左以及向左遍历距离边缘像素点B预设范围内的每一个像素点,确定该多个 像素点中的像素值的极大值和像素值的极小值,然后根据极大值和极小值对应的像素点的 位置,确定该边缘像素点B的边缘宽度。
如图9(a)所示,确定出像素值极小值为像素点B-X,以及像素值极大值为像素点B+Y, 则边缘像素点B的边缘宽度极大值的像素点的坐标与极小值的边缘像素点的横坐标之差。 或者,边缘宽度也可以通过若干个像素单元进行表示,B-X表示以边缘像素点B为起点,向左移动X个像素单元,B+Y表示以边缘像素点B为起点,向右移动Y个像素单元,则边 缘像素点B的边缘宽度为Y+X。在本申请实施例中,不限制极大值的像素点和极小值的像 素点所在的位置,例如,在图9(a)中,极大值的像素点位于边缘像素点右边,而极小值的像 素点位于边缘像素点左边,虚线表示每一个像素点额像素值。在另一些实施例中,极大值 的像素点也可以位于边缘像素点左边,而极小值的像素点位于边缘像素点右边,如图9(b) 所示。或者,在距离边缘像素点B预设范围内的多个像素点中只存在极大值或者只存在极小值,如图9(c)所示,在边缘像素点B的左边存在一个极小值,在边缘像素点的右边存在 另一个极小值,则可以根据这两个极小值确定该边缘像素点的边缘宽度。或者,如图9(d) 所示,在边缘像素点B的左边存在一个极大值,在边缘像素点的右边存在另一个极大值, 则可以根据这两个极大值确定该边缘像素点的边缘宽度。或者,在距离边缘像素点B预设 范围内的多个像素点中不存在极大值或极小值,则确定边缘像素点B的边缘宽度即为该预设范围,例如,该预设范围为距离边缘像素点B左边5个像素单元以及距离边缘像素点B 右边5个像素单元的范围,则该边缘像素点B的边缘宽度即为10个像素单元,在图9中未 示出。
在确定每个边缘像素点的边缘宽度后,则可以根据同一种类型的多个边缘像素点中每 个边缘像素点的边缘宽度,确定该类型的边缘像素点的边缘宽度评价值。其中,某种类型 的边缘像素点中每个边缘像素点的边缘宽度越大,则该类型的边缘宽度评价值越大。一种类型的边缘像素点的边缘宽度评价值,可以理解为,根据该类型的每个边缘像素点的边缘 宽度确定出的边缘宽度的统计值,该统计值可以是平均值或者最大值等,在下文中以最大 值为例进行说明。
例如,第一图像包括50个水平方向的边缘像素点,处理器320确定该50个边缘像素点为均为全局梯度边缘像素点,则获取与这50个边缘像素点对应的50个边缘宽度的最大值,例如为10个像素单元,则确定全局梯度边缘像素点的边缘宽度评价值为10个像素单元。然后,根据水平方向的梯度的取值位于[20,100]之间的35个边缘像素点对应的边缘宽度 的最大值,确定中梯度边缘像素点的边缘宽度评价值,以及,根据水平方向的梯度的取值大于或等于60的48个边缘像素点对应的边缘宽度的最大值,确定高梯度边缘像素点的边缘宽度评价值。
在介绍完与每一种类型的边缘像素点的边缘宽度评价值之后,则可以根据与至少两种 类型的边缘像素点的边缘宽度评价值,确定该第一图像是否为模糊图像。
作为一种示例,采用两种类型的边缘像素点确定第一图像是否为模糊图像的方式可以 包括但不限于如下方式:
确定与所述第一类边缘像素点对应的第一边缘宽度评价值,若所述第一边缘宽度评价 值大于第一宽度阈值且小于第二宽度阈值,则确定无法根据第一类边缘像素点判断所述第 一图像是否为模糊图像。然后,确定与所述第二类边缘像素点对应的第二边缘宽度评价值,若所述第二边缘宽度评价值大于第三宽度阈值,则确定所述第一图像为模糊图像;或,若 所述第二边缘宽度评价值小于第三宽度阈值,且,所述第一边缘宽度评价值小于第四宽度 阈值,则确定所述第一图像为清晰图像;
其中,所述第四宽度阈值大于所述第一宽度阈值,且小于所述第二宽度阈值。此外, 可选的:若所述第一边缘宽度评价值小于所述第一宽度阈值则确定所述第一图像为清晰图 像,若所述第一边缘宽度评价值大于所述第二宽度阈值,则确定所述第一图像为模糊图像。
作为另一种示例,采用三种类型的边缘像素点确定第一图像是否为模糊图像的方式可 以包括但不限于如下方式:
确定与所述第一类边缘像素点对应的第一边缘宽度评价值,若所述第一边缘宽度评价 值大于第一宽度阈值且小于第二宽度阈值,则确定无法根据第一类边缘像素点判断所述第 一图像是否为模糊图像。然后,确定与所述第二类边缘像素点对应的第二边缘宽度评价值,若所述第二边缘宽度评价值大于第三宽度阈值,则确定所述第一图像为模糊图像。此外, 可选的,若所述第二边缘宽度评价值小于第三宽度阈值,且,所述第一边缘宽度评价值小 于第四宽度阈值,则确定所述第一图像为清晰图像;
若无法根据该第二类边缘像素点的边缘像素评价值确定该第一图像是否为模糊图像, 则进一步确定第一类边缘像素点的边缘宽度评价值大于第四宽度阈值且小于所述第二宽度 阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三类边缘像素点的边缘宽度评价值小于第五宽度阈值时,确定所述第一图像为清晰图像;或,
若所述第一类边缘像素点的边缘宽度评价值大于所述第四宽度阈值且小于所述第二宽 度阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三 类边缘像素点的边缘宽度评价值大于所述第五宽度阈值时,确定所述第一图像为模糊图像。
其中,所述第四宽度阈值大于所述第一宽度阈值,且小于所述第二宽度阈值。
下面,以一种具体的实例,对处理器320确定第一图像是否为模糊图像的过程进行说 明。沿用上述示例,以处理器320将所有的边缘像素点分为全局梯度边缘像素点、中梯度边缘像素点以及高梯度边缘像素点三种类型,且处理器320根据这三种类型中每种类型的边缘像素点的边缘宽度评价值,确定该第一图像是否模糊为例,请参考图10,具体流程如下:
S1001、确定全局梯度边缘像素点的边缘宽度评价值是否小于第一宽度阈值,若为是, 则确定第一图像为清晰图像,判断结束;若为否,则执行步骤S1002。
该第一宽度阈值可以是一个较小的值,例如,可以与现有技术中用于判断图像是否模 糊的边缘宽度相同,为5个像素单元或3个像素单元等。
S1002、确定全局梯度边缘像素点的边缘宽度评价值是否大于第二宽度阈值,若为是, 则确定该第一图像为模糊图像,判断结束;若为否,则执行步骤S1003。
该第二宽度阈值可以是一个较大的值,例如,可以为15个像素单元或20个像素单元 等。
S1003、确定中梯度边缘像素点的边缘宽度评价值是否大于第三宽度阈值,若为是,则 确定该第一图像为模糊图像,判断结束;若为否,则执行步骤S1004。
在本申请实施例中,不对第三宽度阈值进行限制,例如,该第三宽度阈值可以大于第 一宽度阈值,且小于第二宽度阈值,或者,该第三宽度阈值可以是任意一种取值。
若全局梯度边缘像素点的边缘宽度评价值介于第一宽度阈值和第二宽度阈值之间,则 通过全局梯度边缘像素点不能确定该第一图像是否模糊,从而通过中梯度边缘像素点来确 定。通过步骤S1003,可以排除由于全局梯度边缘像素点的边缘宽度评价值较小而造成的将 模糊图像判断为清晰图像的情况。
S1004、确定全局梯度边缘像素点的边缘宽度评价值是否小于第四宽度阈值,若为是, 则确定该第一图像为清晰图像;若为否,则执行步骤S1005。
该第四宽度阈值大于第一宽度阈值,且小于第二宽度阈值。
S1005、确定高梯度边缘像素点的边缘宽度评价值是否小于第五宽度阈值,若为是,则 确定第一图像为清晰图像;若为否,则确定该第一图像为模糊图像,判断结束。
在本申请实施例中,不对第五宽度阈值进行限制,例如,该第五宽度阈值可以大于第 一宽度阈值,且小于第二宽度阈值,或者,该第五宽度阈值可以是任意一种取值。
当从所有的边缘像素点中过滤了中梯度边缘像素点后,仍然无法通过全局梯度边缘像 素点的边缘宽度评价值确定该第一图像是否模糊,则可以通过高梯度边缘像素点的边缘宽 度评价值判断第一图像是否模糊。高梯度边缘像素点相当于显著性区域,通过对该显著性区域的边缘宽度可以降低在第一图像的景深较大而导致第一图像的部分图像模糊以及部分 图像清晰时产生的误判的概率。
需要说明的是,图10所示的判断逻辑只是一种示例,本申请不限制根据该多种类型的 边缘像素点的边缘宽度评价值确定图像是否模糊的判断逻辑。例如,图10所示的判断逻辑 中,是按照全局梯度边缘像素点→中梯度边缘像素点→高梯度边缘像素点的次序进行判断的,在其他示例中,也可以根据高梯度边缘像素点→中梯度边缘像素点→全局梯度边缘像 素点的次序进行判断,或者,也可以只使用其中的两种类型的边缘像素点的边缘宽度评价 值进行判断,在此不一一举例。
S45、处理器320输出判断结果。
具体来讲,若图像采集装置300包括显示屏,则处理器320可以通过显示屏输出判断 结果,例如,在该显示屏上弹出对话框,该对话框中显示“清晰图像”或“模糊图像”,具体显示的内容由步骤S44中的判断结果决定。或者,若该图像采集装置300包括指示灯, 则处理器320也可以通过控制指示灯的亮度或者颜色,输出判断结果。例如,当指示灯为 红色时,表示判断结果为“模糊图像”,当指示灯为绿色时,表示判断结果为“清晰图像”。 或者,处理器320也可以通过其他方式输出该判断结果,例如,可以通过语音输出该判断 结果等,在此不一一举例。
在上述技术方案,将图像的各个边缘像素点根据其梯度的大小进行分类,然后根据至 少两种类型的边缘像素点的边缘宽度,综合评价该图像是否模糊,从而可以解耦在不同类 型的边缘像素点之间的相互影响,例如,在背光场景或者明暗对比较为强烈的场景中,可以通过中梯度边缘像素点判断该图像是否模糊,而在景深较大的场景中,可以通过高梯度 边缘像素点判断该图像是否模糊,从而可以提高对图像进行模糊检测的准确度。
上述本申请提供的实施例中,为了实现上述本申请实施例提供的方法中的各功能,图 像处理装置可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件 模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件。
图11示出了一种图像检测装置1100的结构示意图。其中,图像检测装置1100可以用 于实现图4所示的实施例中图像采集装置的功能。图像检测装置1100可以是硬件结构、软 件模块、或硬件结构加软件模块。图像检测装置1100可以由芯片***实现。本申请实施例 中,芯片***可以由芯片构成,也可以包含芯片和其他分立器件。
图像检测装置1100可以包括获取单元1101、确定单元1102、分类单元1103、判断单元1104以及输出单元1105。
获取单元1101可以用于执行图4所示的实施例中的步骤S41,和/或用于支持本文所描 述的技术的其它过程。一种可能的实现方式,获取单元1101可以用于与确定单元1102通信,或者,获取单元1101可以用于图像检测装置1100和其它模块进行通信,其可以是电路、器 件、接口、总线、软件模块、收发器或者其它任意可以实现通信的装置。
确定单元1102可以用于执行图4所示的实施例中的步骤S42,和/或用于支持本文所描 述的技术的其它过程。
分类单元1103可以用于执行图4所示的实施例中的步骤S43,和/或用于支持本文所描 述的技术的其它过程。
判断单元1104可以用于执行图4所示的实施例中的步骤S44,和/或用于支持本文所描 述的技术的其它过程。
输出单元1105可以用于执行图4所示的实施例中的步骤S45,和/或用于支持本文所描 述的技术的其它过程。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功 能描述,在此不再赘述。
图11所示的实施例中对模块的划分是示意性的,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,另外,在本申请各个实施例中的各功能模块可以集成在一个处 理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
如图12所示为本申请实施例提供的图像检测装置1200,其中,图像检测装置1200可 以用于实现图4所示的实施例中图像检测装置1200的功能。其中,该图像检测装置1200可以为芯片***。本申请实施例中,芯片***可以由芯片构成,也可以包含芯片和其他分立器件。
图像检测装置1200包括至少一个处理器1220,用于实现或用于支持图像检测装置1200 实现图4所示的实施例中图像检测装置1200的功能。示例性地,处理器1220可以根据将 第一图像的边缘像素点进行分类,并根据至少两种类型的边缘像素点确定第一图像是否模 糊,具体参见方法示例中的详细描述,此处不做赘述。
图像检测装置1200还可以包括至少一个存储器1230,用于存储程序指令和/或数据。 存储器1230和处理器1220耦合。本申请实施例中的耦合是装置、单元或模块之间的间接 耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。处理器1220可能和存储器1230协同操作。处理器1220可能执行存储器1230中存储 的程序指令。所述至少一个存储器中的至少一个可以包括于处理器中。
图像检测装置1200还可以包括接口1210,用于与处理器1220通信,或者用于通过传 输介质和其它设备进行通信,从而用于图像检测装置1200可以和其它设备进行通信。示例 性地,该其它设备可以是计算模块。处理器1220可以利用接口1210收发数据。
本申请实施例中不限定上述接口1210、处理器1220以及存储器1230之间的具体连接 介质。本申请实施例在图12中以存储器1230、处理器1220以及接口1210之间通过总线12120连接,总线在图12中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图12 中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
在本申请实施例中,处理器1220可以是通用处理器、数字信号处理器、专用集成电路、 现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件, 可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现 为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
在本申请实施例中,存储器1230可以是非易失性存储器,比如硬盘(hard diskdrive, HDD)或固态硬盘(solid-state drive,SSD)等,还可以是易失性存储器(volatilememory), 例如随机存取存储器(random-access memory,RAM)。存储器是能够用于携带或存储具有 指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。 本申请实施例中的存储器还可以是电路或者其它任意能够实现存储功能的装置,用于存储 程序指令和/或数据。
本申请实施例中还提供一种计算机可读存储介质,包括指令,当其在计算机上运行时, 使得计算机执行图4所示的实施例中图像采集装置执行的方法。
本申请实施例中还提供一种计算机程序产品,包括指令,当其在计算机上运行时,使 得计算机执行图4所示的实施例中图像采集装置执行的方法。
本申请实施例提供了一种芯片***,该芯片***包括处理器,还可以包括存储器,用 于实现前述方法中图像采集装置的功能。该芯片***可以由芯片构成,也可以包含芯片和 其他分立器件。
本申请实施例提供了一种图像检测***,该图像处理***包括图11或图12所示的图 像检测装置。
本申请实施例提供的方法中,可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计 算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时, 全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、 专用计算机、计算机网络、网络设备、用户设备或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存 储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通 过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,简称DSL)或无线(例 如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机可以存取的任何可用介质或者是包含一个或多个可 用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软 盘、硬盘、磁带)、光介质(例如,数字视频光盘(digital video disc,简称DVD))、或者半导体介质(例如,SSD)等。
Claims (18)
1.一种图像检测方法,其特征在于,包括:
获取第一图像,所述第一图像包括多个像素点;
从所述多个像素点中确定至少两个边缘像素点,所述边缘像素点为所述多个像素点中像素变化量大于阈值的像素点,其中,所述像素变化量是位于所述像素点附近的、在同一条直线上的两个像素点的像素值的变化程度;
根据每个边缘像素点的像素变化量的大小,将所述多个边缘像素点进行分类,获取至少两种类型的边缘像素点,所述至少两种类型的边缘像素点包括第一类边缘像素点和第二类边缘像素点;
当确定无法根据第一类边缘像素点中每个边缘像素点的边缘宽度判断所述第一图像是否为模糊图像,根据第二类边缘像素点确定所述第一图像是否为模糊图像;
输出判断结果。
2.根据权利要求1所述的图像检测方法,其特征在于,所述像素值的变化程度用像素值的差值描述。
3.根据权利要求1所述的图像检测方法,其特征在于,确定无法根据第一类边缘像素点中每个边缘像素点的边缘宽度判断所述第一图像是否为模糊图像,包括:
根据所述第一类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第一类边缘像素点对应的第一边缘宽度评价值,其中,所述第一类边缘像素点中每个边缘像素点的边缘宽度越大,则所述第一边缘宽度评价值越大;
若所述第一边缘宽度评价值大于第一宽度阈值且小于第二宽度阈值,则确定无法根据第一类边缘像素点判断所述第一图像是否为模糊图像。
4.根据权利要求1-3中任一项所述的图像检测方法,其特征在于,在确定无法根据第一类边缘像素点中每个边缘像素点的边缘宽度判断所述第一图像是否为模糊图像后,根据第二类边缘像素点确定所述第一图像是否为模糊图像,包括:
根据所述第二类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第二类边缘像素点对应的第二边缘宽度评价值,其中,所述第二类边缘像素点中每个边缘像素点的边缘宽度越大,则所述第二边缘宽度评价值越大;
若所述第二边缘宽度评价值大于第三宽度阈值,则确定所述第一图像为模糊图像。
5.根据权利要求1-3中任一项所述的图像检测方法,其特征在于,根据与所述每个边缘像素点对应的像素变化量的大小,将所述多个边缘像素点的进行分类,包括:
按照像素变化量的范围把所述多个边缘像素点划分成不同的类。
6.根据权利要求4所述的图像检测方法,其特征在于,所述至少两种类型的边缘像素点还包括第三类边缘像素点,所述方法还包括:
在确定无法根据所述第二类边缘像素点判断所述第一图像是否为模糊图像后,根据所述第三类边缘像素点确定所述第一图像是否为模糊图像。
7.根据权利要求6所述的图像检测方法,其特征在于,在确定无法根据所述第二类边缘像素点判断所述第一图像是否为模糊图像后,根据所述第三类边缘像素点确定所述第一图像是否为模糊图像,包括:
若所述第一类边缘像素点的边缘宽度评价值大于第四宽度阈值且小于第二宽度阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三类边缘像素点的边缘宽度评价值大于第五宽度阈值时,确定所述第一图像为模糊图像;
其中,所述第四宽度阈值大于第一宽度阈值,且小于所述第二宽度阈值。
8.根据权利要求7所述的图像检测方法,其特征在于,与每种类型的边缘像素点对应的边缘宽度评价值,为所述类型的边缘像素点所包括的至少一个边缘像素点的至少一个边缘宽度的最大值或平均值。
9.一种图像检测装置,其特征在于,包括:
获取单元,用于获取第一图像,所述第一图像包括多个像素点;
确定单元,用于从所述多个像素点中确定至少两个边缘像素点,所述边缘像素点为所述多个像素点中像素变化量大于阈值的像素点,其中,所述像素变化量是位于所述像素点附近的、在同一条直线上的两个像素点的像素值的变化程度;
分类单元,用于根据每个边缘像素点的像素变化量的大小,将所述多个边缘像素点进行分类,获取至少两种类型的边缘像素点,所述至少两种类型的边缘像素点包括第一类边缘像素点和第二类边缘像素点;
判断单元,用于当确定无法根据第一类边缘像素点中每个边缘像素点的边缘宽度判断所述第一图像是否为模糊图像,根据第二类边缘像素点确定所述第一图像是否为模糊图像;
输出单元,用于输出判断结果。
10.根据权利要求9所述的图像检测装置,其特征在于,所述像素值的变化程度是像素值的差值。
11.根据权利要求9所述的图像检测装置,其特征在于,所述判断单元具体用于:
根据所述第一类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第一类边缘像素点对应的第一边缘宽度评价值,其中,所述第一类边缘像素点中每个边缘像素点的边缘宽度越大,则所述第一边缘宽度评价值越大;
若所述第一边缘宽度评价值大于第一宽度阈值且小于第二宽度阈值,则确定无法根据第一类边缘像素点判断所述第一图像是否为模糊图像。
12.根据权利要求9-11中任一项所述的图像检测装置,其特征在于,所述判断单元具体用于:
根据所述第二类边缘像素点中每个边缘像素点的边缘宽度,确定与所述第二类边缘像素点对应的第二边缘宽度评价值,其中,所述第二类边缘像素点中每个边缘像素点的边缘宽度越大,则所述第二边缘宽度评价值越大;
若所述第二边缘宽度评价值大于第三宽度阈值,则确定所述第一图像为模糊图像。
13.根据权利要求9-11中任一项所述的图像检测装置,其特征在于,所述分类单元具体用于:
按照像素变化量的范围把所述多个边缘像素点划分成不同的类。
14.根据权利要求12所述的图像检测装置,其特征在于,所述至少两种类型的边缘像素点还包括第三类边缘像素点,所述判断单元还用于:
在确定无法根据所述第二类边缘像素点判断所述第一图像是否为模糊图像后,根据所述第三类边缘像素点确定所述第一图像是否为模糊图像。
15.根据权利要求14所述的图像检测装置,其特征在于,所述判断单元具体用于:
若所述第一类边缘像素点的边缘宽度评价值大于第四宽度阈值且小于第二宽度阈值,且,所述第二类边缘像素点的边缘宽度评价值小于第三宽度阈值,则在所述第三类边缘像素点的边缘宽度评价值大于第五宽度阈值时,确定所述第一图像为模糊图像;
其中,所述第四宽度阈值大于第一宽度阈值,且小于所述第二宽度阈值。
16.根据权利要求15所述的图像检测装置,其特征在于,与每种类型的边缘像素点对应的边缘宽度评价值,为所述类型的边缘像素点所包括的至少一个边缘像素点的至少一个边缘宽度的最大值或平均值。
17.一种图像处理装置,其特征在于,包括至少一个处理器,所述至少一个处理器与至少一个存储器耦合;所述至少一个处理器,用于执行所述至少一个存储器中存储的计算机程序或指令,以使得所述装置执行如权利要求1至8中任一项所述的方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序或指令,当计算机读取并执行所述计算机程序或指令时,使得计算机执行如权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911229252.0A CN111161211B (zh) | 2019-12-04 | 2019-12-04 | 一种图像检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911229252.0A CN111161211B (zh) | 2019-12-04 | 2019-12-04 | 一种图像检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161211A CN111161211A (zh) | 2020-05-15 |
CN111161211B true CN111161211B (zh) | 2023-11-03 |
Family
ID=70556392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911229252.0A Active CN111161211B (zh) | 2019-12-04 | 2019-12-04 | 一种图像检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161211B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723721A (zh) * | 2022-04-18 | 2022-07-08 | 贝塔通科技(北京)有限公司 | 图像清晰度确定方法、***及图像上传方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353985A (zh) * | 2013-03-27 | 2013-10-16 | 西华大学 | 一种图像高斯模糊的测度方法 |
CN104637064A (zh) * | 2015-02-28 | 2015-05-20 | 中国科学院光电技术研究所 | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 |
CN104867128A (zh) * | 2015-04-10 | 2015-08-26 | 浙江宇视科技有限公司 | 图像模糊检测方法和装置 |
JP2015156189A (ja) * | 2014-02-21 | 2015-08-27 | 株式会社ニコン | 画像評価装置、および画像評価プログラム |
CN105488511A (zh) * | 2015-11-25 | 2016-04-13 | 小米科技有限责任公司 | 图像的识别方法及装置 |
CN106296665A (zh) * | 2016-07-29 | 2017-01-04 | 北京小米移动软件有限公司 | 卡片图像模糊检测方法和装置 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN108389215A (zh) * | 2018-03-15 | 2018-08-10 | 京东方科技集团股份有限公司 | 一种边缘检测方法、装置、计算机存储介质及终端 |
CN110232680A (zh) * | 2019-05-30 | 2019-09-13 | 广智微芯(扬州)有限公司 | 一种图像模糊度评价方法及装置 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137982A1 (en) * | 2006-12-06 | 2008-06-12 | Ayahiro Nakajima | Blurring determination device, blurring determination method and printing apparatus |
-
2019
- 2019-12-04 CN CN201911229252.0A patent/CN111161211B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353985A (zh) * | 2013-03-27 | 2013-10-16 | 西华大学 | 一种图像高斯模糊的测度方法 |
JP2015156189A (ja) * | 2014-02-21 | 2015-08-27 | 株式会社ニコン | 画像評価装置、および画像評価プログラム |
CN104637064A (zh) * | 2015-02-28 | 2015-05-20 | 中国科学院光电技术研究所 | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 |
CN104867128A (zh) * | 2015-04-10 | 2015-08-26 | 浙江宇视科技有限公司 | 图像模糊检测方法和装置 |
CN105488511A (zh) * | 2015-11-25 | 2016-04-13 | 小米科技有限责任公司 | 图像的识别方法及装置 |
CN106296665A (zh) * | 2016-07-29 | 2017-01-04 | 北京小米移动软件有限公司 | 卡片图像模糊检测方法和装置 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN108389215A (zh) * | 2018-03-15 | 2018-08-10 | 京东方科技集团股份有限公司 | 一种边缘检测方法、装置、计算机存储介质及终端 |
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 |
CN110232680A (zh) * | 2019-05-30 | 2019-09-13 | 广智微芯(扬州)有限公司 | 一种图像模糊度评价方法及装置 |
Non-Patent Citations (1)
Title |
---|
王竟爽 ; 陈斌 ; 程建 ; .模糊边缘检测算法在水印模糊检测中的应用.计算机应用.2007,(第12期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111161211A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028189B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US11430103B2 (en) | Method for image processing, non-transitory computer readable storage medium, and electronic device | |
US10070053B2 (en) | Method and camera for determining an image adjustment parameter | |
CN108322646B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN107258077B (zh) | 用于连续自动聚焦(caf)的***和方法 | |
US9275464B2 (en) | Method for determining the extent of a foreground object in an image | |
US8184196B2 (en) | System and method to generate depth data using edge detection | |
CN109829859B (zh) | 图像处理方法及终端设备 | |
WO2017215527A1 (zh) | Hdr场景侦测方法、装置和计算机存储介质 | |
KR20220058843A (ko) | 카메라 렌즈의 상태 검출 방법, 장치, 기기 및 저장 매체 | |
CN112601008B (zh) | 一种摄像头切换方法、终端、装置及计算机可读存储介质 | |
KR20170030933A (ko) | 영상 처리 장치 및 그것의 자동 화이트 밸런싱 방법 | |
US20190230269A1 (en) | Monitoring camera, method of controlling monitoring camera, and non-transitory computer-readable storage medium | |
WO2019105254A1 (zh) | 背景虚化处理方法、装置及设备 | |
CN113163123A (zh) | 一种自动聚焦方法、装置、电子设备和存储介质 | |
CN113313626A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112070682B (zh) | 图像亮度补偿的方法和装置 | |
CN111161211B (zh) | 一种图像检测方法及装置 | |
CN110688926B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN111885371A (zh) | 图像遮挡检测方法、装置、电子设备和计算机可读介质 | |
CN111212238A (zh) | 点光源场景下反差式对焦的方法、***、设备及存储介质 | |
WO2021189460A1 (zh) | 图像处理方法、装置及可移动平台 | |
CN110475044B (zh) | 图像传输方法和装置、电子设备、计算机可读存储介质 | |
CN110211085B (zh) | 一种图像融合质量评价方法和*** | |
CN110971825A (zh) | 一种图像矫正方法、电子设备及存储介质 |
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 |