CN113344843A - 一种图像质量测评方法、装置和*** - Google Patents
一种图像质量测评方法、装置和*** Download PDFInfo
- Publication number
- CN113344843A CN113344843A CN202110383595.3A CN202110383595A CN113344843A CN 113344843 A CN113344843 A CN 113344843A CN 202110383595 A CN202110383595 A CN 202110383595A CN 113344843 A CN113344843 A CN 113344843A
- Authority
- CN
- China
- Prior art keywords
- image
- evaluation
- evaluated
- dimension
- comparison
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 486
- 238000012790 confirmation Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000013499 data model Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 210000001508 eye Anatomy 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
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
- G06T2207/30—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 Analysis (AREA)
Abstract
本发明公开了一种图像质量测评方法、装置和***。所述方法包括:根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重;将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。能够实现自动化的画像质量测评,测评准确率和工作效率大大提高,且能够满足不同图像类型、不同客户需求的测评要求,通用性更高。
Description
技术领域
本发明涉及计算机视觉技术领域,特别涉及一种图像质量测评方法、装置和***。
背景技术
在图像的获取、处理、传输和记录的过程中,由于成像设备、处理方法、传输介质和记录设备等并不十分完美,加之物体运动、噪声污染、拍摄环境等因素的影响,使得拍摄的图像不可避免存在失真和降质,因此,对图像进行画质测评,从而对成像、处理、传输、记录等环节的参数和流程进行调整,以获取更高质量的图像是很有必要的。对图像画质进行测评有主观测评和客观测评两种方式。
主观测评以人作为观测者,对图像进行测评,力求能够真实地反映人的视觉感知;这种方式,一般是观测者将待测评图像与对比机拍摄图像进行比较,通过对多组拍摄设备拍摄的多组图像进行比对,来评判图像质量。这种人工测评的方式准确性低,工作效率差。
客观测评则是借助数学模型,反映人眼的主观感知,给出基于数字计算的测评结果,例如:公开号为US20190080443A1美国专利申请公开了通过计算机提取参考图像,通过比较参考图像与目标图像评估目标图像的质量;又例如:公开号为CN108596901A的中国专利申请公开了采用机器学习的方式,使用数据模型进行画质测评;现有客观测评的方式通过学习专家以及机器的测评进行汇总制作基准数据模型,前期准备工作耗费量较大,并且由于客户需求不同,无法做到将基准模型适配所有客户需求。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像质量测评方法、装置和***。
本发明实施例提供一种图像质量测评方法,其特征在于,包括:
根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重;
将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,所述根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重,包括:
根据待测评图像的图像类型和选择的第一图像属性,确定选定的各评判维度的初始权重;
根据至少一个第二图像属性,对各评判维度的初始权重进行至少一次调整,得到各评判维度的确认权重。
在一些可选的实施例中,所述图像属性包括图像场景、图像内容、图像内容特征、拍摄设备、拍摄参数中的至少一个;
所述评判维度包括色彩、亮度、清晰度、噪声、饱和度、对比度、锐度、动态范围中的至少一个。
在一些可选的实施例中,将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果,包括:
对待测评图像进行区域划分,针对划分出的图像区域或区域交叉点进行图像特征提取;
将提取出的图像特征与对比图像对应区域或区域交叉点的图像特征进行比较,得到待测评图像每个对应区域或区域交叉点相对于对比图像的在各评判维度对比结果;
根据所述对比结果得到待测评图像与对比图像在各评判维度的测评结果。
在一些可选的实施例中,当所述对比图像为一幅时,所述根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果,包括:
将各评判维度的测评结果和相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,当所述对比图像不止一幅时,所述根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果,包括:
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,确定所述待测评图像与各幅对比图像的测评结果的均值,得到所述待测评图像与对比图像的综合测评结果;或
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,作为所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,将每个测评维度的综合测评结果与相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,作为所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,上述方法还包括:
基于所述测评图像与对比图像的综合测评结果,添加测评描述信息,将所述综合测评结果和测评描述信息提供给用户。
本发明实施例还提供一种图像质量测评装置,包括:
权重确定模块,用于根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重;
第一测评模块,用于将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
第二测评模块,用于根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,所述权重确定模块,具体用于:
根据待测评图像的图像类型和选择的第一图像属性,确定选定的各评判维度的初始权重;
根据至少一个第二图像属性,对各评判维度的初始权重进行至少一次调整,得到各评判维度的确认权重。
在一些可选的实施例中,所述第一测评模块,具体用于:
对待测评图像进行区域划分,针对划分出的图像区域或区域交叉点进行图像特征提取;
将提取出的图像特征与对比图像对应区域或区域交叉点的图像特征进行比较,得到待测评图像每个对应区域或区域交叉点相对于对比图像的在各评判维度对比结果;
根据所述对比结果得到待测评图像与对比图像在各评判维度的测评结果。
在一些可选的实施例中,所述第一测评模块,具体用于:
当所述对比图像为一幅时:
将各评判维度的测评结果和相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果;
当所述对比图像不止一幅时:
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,确定所述待测评图像与各幅对比图像的测评结果的均值,得到所述待测评图像与对比图像的综合测评结果;或
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,作为所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,将每个测评维度的综合测评结果与相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,作为所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,上述装置还包括:
结果输出模块,用于基于所述测评图像与对比图像的综合测评结果,添加测评描述信息,将所述综合测评结果和测评描述信息提供给用户。
本发明实施例还提供一种图像质量测评方法,其特征在于,包括:
根据待测评图像的图像类型和图像场景,确定选定的各评判维度的初始权重;
根据待测评图像的图像内容,对各评判维度的初始权重进行调整,得到各评判维度的确认权重;
将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,得到各评判维度的确认权重之前,还包括:
根据拍摄所述待测评图像时使用的拍摄设备的摄像头类型和/或图像中包括的人物性别、人物年龄中的至少一项对首次调整后的初始权重进行至少一次调整。
本发明实施例还提供一种图像质量测评装置,包括:
权重确定模块,用于根据待测评图像的图像类型和图像场景,确定选定的各评判维度的初始权重;根据待测评图像的图像内容,对各评判维度的初始权重进行调整,得到各评判维度的确认权重;
第一测评模块,用于将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
第二测评模块,用于根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,所述权重确定模块,具体用于:
根据拍摄所述待测评图像时使用的拍摄设备的摄像头类型和/或图像中包括的人物性别、人物年龄中的至少一项对首次调整后的初始权重进行至少一次调整。
本发明实施例还提供一种图像质量测评***,包括:测试机、至少一个对比机和上述的图像质量测评装置;
所述图像质量测评装置,用于从所述测试机获取待测评图像和从所述对比机获取对比图像;对获取的待测评图像和对比图像进行测评,得到所述待测评图像与对比图像的综合测评结果。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述的图像质量测评方法。
本发明实施例还提供一种电子设备,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的图像质量测评方法。
本发明实施例提供的上述技术方案的有益效果至少包括:
根据待测评图像的图像类型和图像属性,确定各评判维度的确认权重,对待测评图像与对比图像在各个评判维度进行比对后,基于确定的确认权重和各评判维度的测评结果得到待测评图像与对比图像的综合测评结果;从权重确定到图像比对以及得到测评结果,各个阶段均可以自动实现,大大减少了人力资源投入,图像测评的工作效率和准确性大大提高;且该方案不需要大量学习样本数据制作数据模型,大大减少了前期准备工作的工作量,可以根据不同的需求选择不同的评判维度和权重进行测评,评判维度和权重可以基于图像类型和图像属性来选择确定,即针对不同的待测评图像可以使用不同的评判维度以及在各评判维度使用不同确认权重,从而满足不同类型、不同客户需求的测评要求,能够适配各种不同的测评需求。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例一中图像质量测评方法的流程图;
图2为本发明实施例一中图像存储形式示例图;
图3为本发明实施例一中图像存储命名编码示例图;
图4为本发明实施例二中图像质量测评方法的流程图;
图5为本发明实施例二中第一次权重确认的流程图;
图6为本发明实施例二中第二次权重确认的流程图;
图7为本发明实施例二中反差示对焦原理的示意图;
图8为本发明实施例二中RGB色彩模型的示例图;
图9为本发明实施例二中不同对比度的图像示例图;
图10为本发明实施例二中图像直方图的示例图;
图11为本发明实施例中一种图像质量测评装置的结构示意图;
图12为本发明实施例中另一种图像质量测评装置的结构示意图;
图13为本发明实施例中图像质量测评***的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了解决现有技术中人工进行图像画质测评存在的准确性低、工作效率差,借助数学模型进行测评工作量大、不能满足不同客户需求等问题,本发明实施例提供一种图像质量测评方法,根据不同图像类型、不同客户需求进行不同的权重设置,基于权重进行图像画质测评,能够实现自动化的智能的图像画质测评,不需要大量前期准备工作,可以适配各种不同的测评需求,测评准确度和工作效率高。
实施例一
本发明实施例一提供一种图像质量测评方法,其流程如图1所示,包括如下步骤:
步骤S101:根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重。
该步骤中,识别图像类型,针对不同的图像类型可以确定使用哪些评判维度进行测评,以及针对不同的图像类型在综合测评时在每个评判维度使用不同的权重。此外还可以根据图像属性进行一次或多次权重调整,从而确定最终用于综合测评时的确认权重。
其中,图像类型可以包括原图类图像、算法类图像等类型中的至少一种;图像属性包括图像场景、图像内容、图像内容特征、拍摄设备、拍摄参数中的至少一个;评判维度包括色彩、亮度、清晰度、噪声、饱和度、对比度、锐度、动态范围中的至少一个,当然也不限于这些图像类型、图像属性和评判维度,具体应用中可以根据需要进行增加或减少。也就是说,图像评判的维度可以根据需求增加,评判的权重确认的调整次数也可以根据需求增加,比如:根据场景划分或者根据人物性别,根据年龄等等限制进行一次或多次的确认。
具体的,可以根据待测评图像的图像类型和选择的第一图像属性,确定选定的各评判维度的初始权重;根据至少一个第二图像属性,对各评判维度的初始权重进行至少一次调整,得到各评判维度的确认权重。例如:第一图像属性可以选择图像场景,第二图像属性可以选择图像内容。
步骤S102:将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果。
该步骤中,对测试机拍摄的待测评图像和一个对比机或者多个对比机拍摄的对比图像进行对比。在对比时,可以对待测评图像进行分区,针对划分出的区域进行比对,或比对区域交叉点处的特征。具体的,对待测评图像进行区域划分,针对划分出的图像区域或区域交叉点进行图像特征提取;将提取出的图像特征与对比图像对应区域或区域交叉点的图像特征进行比较,得到待测评图像每个对应区域或区域交叉点相对于对比图像的在各评判维度对比结果;根据对比结果得到待测评图像与对比图像在各评判维度的测评结果。
在进行图像比对时,针对不同评判维度可以选择不同的方式进行比对。例如,对色彩或饱和度进行比对,可以采用RGB色彩模型进行比对的方式;对亮度进行比对,可以采用直方图方式;对清晰度进行比对可以采用反差量柱状图来进行比对。对噪声进行比对可以通过计算图像中的信噪比(Signal Noise Ratio,SNR)进行比对。
步骤S103:根据各评判维度的测评结果和各评判维度的确认权重,确定待测评图像与对比图像的综合测评结果。
上述得到待测评图像与对比图像在各评判维度的测评结果后,可以根据各评判维度的确认权重进行综合处理,得到综合测评结果。通常为了是测评结果更佳准确,会选用多个对比机拍摄的图像作为对比图像,与待测评图像进行比对,因此,在对各评判维度的测评结果进行综合整理时,也会有不同的方式。
当对比图像为一幅时,将各评判维度的测评结果和相应维度的确认权重进行加权计算,得到待测评图像与对比图像的综合测评结果。即对于一幅对比图像的情况,可以基于加权计算后得到的综合测评结果形成一份测评报告;可选的,也可以不进行加权计算,直接将各评判维度的测评结果和相应维度的确认权重作为综合测评结果,形成一份测评报告。
当对比图像不止一幅时,可以先对每幅对比图像进行测评结果整理,再综合各对比图像的测评结果,得到综合测评结果,形成一份测评报告;也可以先对各评判维度的测评结果进行整理,在综合各测评维度的测评结果,得到综合测评结果,形成一份测评报告;当然也可以不进行综合处理,直接将各对比图像各评判维度的测评结果和相应的确认权重作为综合测评结果,形成一份测评报告。采用下列任意一种或几种方式得到待测评图像与对比图像的综合测评结果:
方式一:
针对每幅对比图像,将各评判维度的测评结果和相应评判维度的确认权重进行加权计算,分别得到待测评图像与每幅对比图像的测评结果,确定待测评图像与各幅对比图像的测评结果的均值,得到待测评图像与对比图像的综合测评结果。
该方式先整理待测评图像与每幅对比图像的测评结果,例如,有两个对比图像1和2时,可以将待测评图像与对比图像1各评判维度的测评结果与相应评判维度的确认权重进行加权计算,得到待测评图像与对比图像1的测评结果1,同样的,将待测评图像与对比图像2各评判维度的测评结果与相应评判维度的确认权重进行加权计算,得到待测评图像与对比图像2的测评结果2,然后将测评结果1和测评结果2的均值作为待测评图像与对比图像的综合测评结果。
方式二:
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到待测评图像与每幅对比图像的测评结果,作为待测评图像与对比图像的综合测评结果。
该方式先整理待测评图像与每幅对比图像的测评结果,例如,有两个对比图像1和2时,可以将待测评图像与对比图像1各评判维度的测评结果与相应评判维度的确认权重进行加权计算,得到待测评图像与对比图像1的测评结果1,同样的,将待测评图像与对比图像2各评判维度的测评结果与相应评判维度的确认权重进行加权计算,得到待测评图像与对比图像2的测评结果2,然后将测评结果1和测评结果2作为待测评图像与对比图像的综合测评结果。
方式三:
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,将每个测评维度的综合测评结果与相应维度的确认权重进行加权计算,得到待测评图像与对比图像的综合测评结果。
该方式先整理待测评图像与各幅对比图像在每个评判维度的测评结果,例如,有两个对比图像1和2时,分别在评判维度1、2和3进行比对,可以计算待测评图像与对比图像1、对比图像2在评判维度1的测评结果的均值1,待测评图像与对比图像1、对比图像2在评判维度2的测评结果的均值2,待测评图像与对比图像1、对比图像2在评判维度3的测评结果的均值3,将均值1、均值2和均值3与相应评判维度的确认权重进行加权计算,得到待测评图像与对比图像的综合测评结果。
方式四:
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,作为待测评图像与对比图像的综合测评结果。
该方式先整理待测评图像与各幅对比图像在每个评判维度的测评结果,例如,有两个对比图像1和2时,分别在评判维度1、2和3进行比对,可以计算待测评图像与对比图像1、对比图像2在评判维度1的测评结果的均值1,待测评图像与对比图像1、对比图像2在评判维度2的测评结果的均值2,待测评图像与对比图像1、对比图像2在评判维度3的测评结果的均值3,将均值1、均值2和均值3作为待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,上述方法还包括:
基于测评图像与对比图像的综合测评结果,添加测评描述信息,将综合测评结果和测评描述信息提供给用户。即可以形成一份包括综合测评结果和测评描述信息的测评报告,测评描述信息可以是色彩偏红、清晰度比对比机略好、噪声较大等类似的描述信息。
本实施例的上述方法可以测评一台测试机与一台(或者多台)对比机进行对比的画质测评,评判维度可以包括清晰度,色彩,亮度,噪声等大项类目,以及由此引申出的评判维度,包括对比度、动态范围、饱和度、锐度等。以一台测试机和两台对比机为例,在电子设备中可以按照图2和图3所示的形式存储相关图像,如图2所示的,测试机、对比机1和对比机2所拍摄的图像分别存储在文件夹名称为测试机、对比机1和对比机2的文件夹中,每个文件中的图像可以按场景进行命名编号,如图2所示的,测试机、对比机1和对比机2的文件夹中相对应的图像使用相同的命名编号,在对比时,提取各文件中命名编号相同的图像进行比对。这种方式,方便提取对比,当然也可以采用其他的命名存储组织方式进行存储,只需建立相应的对应关系,能够提取到对应的图像进行比对即可。
本实施例的上述方法中,根据待测评图像的图像类型和图像属性,确定各评判维度的确认权重,对待测评图像与对比图像在各个评判维度进行比对后,基于确定的确认权重和各评判维度的测评结果得到待测评图像与对比图像的综合测评结果;从权重确定到图像比对以及得到测评结果,各个阶段均可以自动实现,大大减少了人力资源投入,图像测评的工作效率和准确性大大提高;且该方案不需要大量学习样本数据制作数据模型,大大减少了前期准备工作的工作量,可以根据不同的需求选择不同的评判维度和权重进行测评,评判维度和权重可以基于图像类型和图像属性来选择确定,即针对不同的待测评图像可以使用不同的评判维度以及在各评判维度使用不同确认权重,从而满足不同类型、不同客户需求的测评要求,能够适配各种不同的测评需求。
实施例二
本发明实施例二提供图像质量测评方法的一种具体实现过程,其流程如图4所示,包括如下步骤:
步骤S201:根据待测评图像的图像类型和图像场景,确定选定的各评判维度的初始权重。
本实施例中以进行两次权重确认为例进行描述,实际应用中不限于两次。
参照图5所示的,先确定图像类型,是原图类图像或算法类图像。在进行测评时,确定是算法类(美颜/HDR/夜景......)或是原图类图像,以便进行后续各评判维度的权重确认。本实施例中以原图类图像进行阐述说明,算法类图像进行测评的方法类似,区别在于各评判维度的权重设置可能有差异。
然后进行首次权重确认,此时,需要确认图像场景,例如是图像中的场景是白天或者夜晚的场景,图像中有人或者无人,从而确认得到图像场景可能是白天有人、白天无人、夜晚有人或夜晚无人中的一个。然后根据图像场景确定各评判维度的初始权重,即各评判维度在评判时所占的比例。
上述根据白天或者黑夜,有人或者无人,进行第一次权重确认,此为根据大场景不同进行大方向确认:例如夜景有人场景,在评判时会加重人物面部亮度权重;在评判时白天无人场景会加重画面整体色彩,整体亮度的权重;此权重可以是固定性权重确认。
步骤S202:根据待测评图像的图像内容,对各评判维度的初始权重进行调整,得到各评判维度的确认权重。
在进行首次权重确认后,得到各评判维度的初始权重,可以对初始权重进行一次或多次调整。以一次调整为例,参照图6所示的,进行第二次权重确认,此时需要识别图像中的内容,根据图像内容进行权重调整。比如识别图像内容是建筑/风景、动物/人物、物体/文字、或其他(比如艺术元素,水墨画等),根据识别出的图像内容进行第二次图像确认,即识别完毕后进行权重调整,图像内容不同时,各评判维度的权重可以不同。当然图像内容不限于所列举的几种。二次权重确认可根据客户需求或主要方向目标进行对应更改。如客户希望风景照色彩饱和度更艳丽,便会加重风景照色彩模块的评判权重。
步骤S203:将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果。
本实施例中,对图像进行比对获取测评结果时,以测评结果为对比评分为例进行描述,实际应用中不限于对比评分,可以采用不同的测评参数,输出相应的测评结果。
各评判维度的权重确认完毕后开始进行图像的对比评分。每个场景对比的评分可以设置为1-10或1-100等分值范围。
以色彩维度为例,可以提取所要对比的待测评图像和对比图像的像素点RGB信息,提取模式会针对有人/无人场景进行对应区分:针对无人场景可以将画面等分为N(较佳的N≥16)个模块,在等分的交叉点位置提取像素点的RGB信息,进行RGB数值对比,得到色彩维度的评分,综合得出图像整体色彩测评结果。据此还可以得到色彩维度的评判描述,比如色彩偏色等。
针对有人场景,可以对人物面部进行对应提取像素点的RGB信息,以及对图像其他部分提取像素点的RGB信息。将两个部分提取出的像素点进行RGB数值对比,得到色彩维度的评分,综合得出图像整体色彩测评结果。据此还可以得到色彩维度的评判描述,例如整体偏色或部分偏色。
饱和度、亮度维度的对比和色彩维度类似,也是提取所要对比的待测评图像和对比图像的像素点RGB信息进行比对。以亮度维度的评判为例,若待测评图像所有提取的G值都大于对比图像的G值,即可判定待测评图像亮度>对比图像亮度。
上述饱和度维度的对比评判,可以参考或者直接导入RGB色彩模型来进行评判,亮度维度的评判可以采用图像直方图或者RGB中G数值来进行评判,直方图上某一点越高就是这个亮度下的点越多,此外对比度的评判也可以采用图像直方图。
清晰度维度的对比评判,可以对整个图像进行比对,也可以选取图像中的部分区域进行比对,清晰度的对比可以采用反差量柱状图来进行对比,如图7所示的,反差式对焦基本原理,对图像中的眼睛区域进行比对,图7中最左边一列可以看出对焦点为眼睛中黑眼珠和白眼球的黑白分界线位置,左边第二列的为AF比较范围,第三列为比较范围内的计算反差量,最右边一列为反差量柱图,从图3中可以看出,左边一列眼睛部分的7个图像中,最下边一个的清晰度最好。
噪声维度的对比评判可以通过计算图像中的信噪比SNR进行对比。一般选取图像中的平坦区域或黑暗区域作为计算样本区域,此计算需要引入算法公式,可以使用目前已有算法计算出SNR值。
步骤S204:根据各评判维度的测评结果和各评判维度的确认权重,确定待测评图像与对比图像的综合测评结果。
测评结果的整理,参照实施例一中步骤S103中的相关描述。以一台测试机、一台下限机、一台上限机为例,测试机拍摄的待测评图像和下限机拍摄的对比图像1进行对比,得到待测评图像和对比图像1在各评判维度的对比评分,测试机拍摄的待测评图像和下限机拍摄的对比图像2进行对比,得到待测评图像和对比图像2在各评判维度的对比评分,然后采用步骤S103中的至少一种方式进行汇总整理。在求均值时,也可以进行加权平均,比如测试机与上限机的对比评分、测试机和下限机的对比评分的加权比例为6:4。
当然也可以不计算综合评分,直接将待测评图像与各对比图像在各评判维度的对比评分,汇总在一起,与各评判维度的确认权重一起形成一份测评报告。还可以在测评报告中添加语言描述,例如:画面整体偏红,清晰度比上限机略差比下限机略好,亮度整体和对比机效果持平,整体噪声较多,诸如此类。
在一些可选的实施例中,在步骤S202中得到各评判维度的确认权重之前,还可以再进行至少一次调整,可以根据拍摄待测评图像时使用的拍摄设备的摄像头类型和/或图像中包括的人物性别、人物年龄中的至少一项对首次调整后的初始权重进行至少一次调整,调整后得到各评判维度的确认权重。比如:在确认权重调整时还可以加上测评镜头的区分,例如广角镜头,主摄像镜头,微距镜头,前摄像镜头,长焦摄像镜头等等,根据镜头的特征来对应针对性修改评判权重。
本发明实施例中提到的RGB色彩模型可以参照图8所示,RGB色彩模型的空间是个单位正方体,立方体内的区域各点对应不同的颜色,即从原点开始各点可以对应不同的颜色,用从原点到该点的矢量表示,三个坐标值分别为红(R)、绿(G)、蓝(B)三色的比例,黑色定在原点,白色定在点(1,1,1)处。在数字***中这个单位空间被离散化,通常每个分量都用8位整数表示,这样每个像素需要24位表示。在使用色彩模型进行评判时,可以使用RGB色彩模型,也可以基于YUV,HSV色彩模型进行评判。
本发明实施例中提到的反差对焦原理简单介绍如下:一般图像最清晰的点也是对比度最大的点,相机会驱动镜头,沿着指向被摄物的轴线改变对焦点,并在每个对焦点上获取影像,类似于逐点扫描,先将每一个对焦点上获得的影像数字化,数字化后的影像实际是一个整数矩阵,并传递给图像处理器,然后计算反差量,对比筛选出反差最大的对焦点,驱动镜头,将焦点放置于反差值最大的对焦点上,即得到正确的焦点,并根据反差量最大的值确定是否合焦,即对焦完成。反映在电子设备屏幕上时,则是由模糊到清晰再到模糊,最终清晰的“拉风箱”式的过程。这种判断能获得非常高的对焦精度,实际使用也是如此。这种对焦技术被称为反差式对焦。反差对焦的过程实质上就是一个简单的求最大值的过程,用程序实现也是一个相对简单的事情,其基本宗旨是:以最少的采样次数来完成对焦。
本发明实施例中提到的对比度和直方图简单介绍如下:直方图可以描述图像对比度的情况,对比度是衡量某一图像某一场景中亮区域和暗区域之间亮度差异的尺度。宽广的直方图可以反映某一图像具有较高对比度,反之,较为窄小的直方图反映了某一图像具有较低对比度。这种对比度的差异可能由于光照条件和其他多种因素共同造成。在大雾天气中所拍摄的图像具有低对比度;在某些强光下拍摄的图像具有较高的对比度。如图9所示左半边为低对比度的图像示例,右半边为高对比度的图像示例。
图像直方图是用来表现图像中亮度分布的直方图,给出的是图像中某个亮度或者某个范围亮度下共有几个像素,即统计一幅图某个亮度像素数量。如图10所示为图像直方图的示例,横轴代表0-255的亮度数值,竖轴代表图像中对应亮度的像素数量,直方图的左边为纯黑,右边为纯白,图10所示的直方图,波峰是在中间偏左的位置,说明画面中有很多深灰或者深色部分。。
基于同一发明构思,本发明实施例还提供一种图像质量测评装置,该装置可以设置在电子设备中,例如:终端设备、服务器等,该装置的结构如图11所示,包括:
权重确定模块11,用于根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重。
第一测评模块12,用于将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果。
第二测评模块13,用于根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
可选的,权重确定模块11,具体用于根据待测评图像的图像类型和选择的第一图像属性,确定选定的各评判维度的初始权重;根据至少一个第二图像属性,对各评判维度的初始权重进行至少一次调整,得到各评判维度的确认权重。
可选的,第一测评模块12,具体用于对待测评图像进行区域划分,针对划分出的图像区域或区域交叉点进行图像特征提取;将提取出的图像特征与对比图像对应区域或区域交叉点的图像特征进行比较,得到待测评图像每个对应区域或区域交叉点相对于对比图像的在各评判维度对比结果;根据所述对比结果得到待测评图像与对比图像在各评判维度的测评结果。
可选的,第一测评模块12,具体用于:
当所述对比图像为一幅时:
将各评判维度的测评结果和相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果;
当所述对比图像不止一幅时:
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,确定所述待测评图像与各幅对比图像的测评结果的均值,得到所述待测评图像与对比图像的综合测评结果;或
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,作为所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,将每个测评维度的综合测评结果与相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,作为所述待测评图像与对比图像的综合测评结果。
在一些可选的实施例中,上述装置还包括:
结果输出模块14,用于基于待测评图像与对比图像的综合测评结果,添加测评描述信息,将综合测评结果和测评描述信息提供给用户。
本发明实施例还提供另一种图像质量测评装置,其结构如图12所示,包括:
权重确定模块21,用于根据待测评图像的图像类型和图像场景,确定选定的各评判维度的初始权重;根据待测评图像的图像内容,对各评判维度的初始权重进行调整,得到各评判维度的确认权重。
第一测评模块22,用于将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果。
第二测评模块23,用于根据各评判维度的测评结果和各评判维度的确认权重,确定待测评图像与对比图像的综合测评结果。
其中,权重确定模块21,具体用于根据拍摄所述待测评图像时使用的拍摄设备的摄像头类型和/或图像中包括的人物性别、人物年龄中的至少一项对首次调整后的初始权重进行至少一次调整。
基于同一发明构思,本发明实施例还提供一种图像质量测评***,该***结构如图13所示,包括:测试机1、至少一个对比机2和图像质量测评装置3;
图像质量测评装置3,用于从测试机1获取待测评图像和从对比机2获取对比图像;对获取的待测评图像和对比图像进行测评,得到待测评图像与对比图像的综合测评结果。
本发明实施例还提供一种计算机存储介质,计算机存储介质中存储有计算机可执行指令,计算机可执行指令被处理器执行时实现上述的图像质量测评方法。
本发明实施例还提供一种电子设备,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的图像质量测评方法。
关于上述实施例中的***和装置,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。
现有技术中主观画质测评一般是使用对比机进行人为主观的进行图像画质测评,需要人工对比多个拍摄设备的多组图片进行图像质量的评判。采用机器学习方式进行测评时,需要进行汇总大量样本数据制作基准数据模型,前期准备工作耗费量较大,无法做到基准模型适配所有客户需求,适应范围较窄。本发明的上述方法可以替代这种人为评判的机制,将评判方式量化,避免人为看图时间较久后会产生评判的不准确性,同时也提高了工作效率,同时也减少了人工看图评判所需要的大量时间及人力成本。
上述图像质量测评方法、***及装置可以进行多台对比机的图像效果对比并给出评分供用户参考或直接使用。不需要前期大量的专家或机器进行标准模型拟定。所有的评判标准量化,使用算法以及图像信息即可以客观的评判图片质量,替代人为看图时间过长后所产生的审美疲劳,评判可能产生失误。此外,还可以对图像进行区域划分从部分像素点或部分图像区域中以多个维度量化性测评来对比画质效果。
上述图像质量测评方法、***及装置评判图像质量时主要通过图像的可交换图像文件(Exchangeable Image File EXIF)信息,平分图像画面,截取各区域交叉点的像素点信息或者某一区域的图像来进行评判对比,可以结合算法以及现有的功能以及原理进行计算对比。EXIF是指图像的详细信息,可以包括图像尺寸、曝光时间、ISO速率等等,此方案也可延申细化到每个小项的单独分析,比如需要分析所有图像的亮度情况,即提取所有图像的柱状图信息进行对比分析,需要分析所有图像的噪声情况,即提取所有图像的平坦区域或暗黑区域图片进行SNR计算对比。更多细化的例如对焦,锐度,饱和度等维度都可以进行单独提取分析,不局限于整体分析测评。
除非另外具体陈述,术语比如处理、计算、运算、确定、显示等等可以指一个或更多个处理或者计算***、或类似设备的动作和/或过程,所述动作和/或过程将表示为处理***的寄存器或存储器内的物理(如电子)量的数据操作和转换成为类似地表示为处理***的存储器、寄存器或者其他此类信息存储、发射或者显示设备内的物理量的其他数据。信息和信号可以使用多种不同的技术和方法中的任何一种来表示。例如,在贯穿上面的描述中提及的数据、指令、命令、信息、信号、比特、符号和码片可以用电压、电流、电磁波、磁场或粒子、光场或粒子或者其任意组合来表示。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
本领域技术人员还应当理解,结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性,上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件,取决于特定的应用和对整个***所施加的设计约束条件。熟练的技术人员可以针对每个特定应用,以变通的方式实现所描述的功能,但是,这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然,处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现,本申请中描述的技术可用执行本申请所述功能的模块(例如,过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内,也可以实现在处理器外,在后一种情况下,它经由各种手段以通信方式耦合到处理器,这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (15)
1.一种图像质量测评方法,其特征在于,包括:
根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重;
将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
2.如权利要求1所述的方法,其特征在于,所述根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重,包括:
根据待测评图像的图像类型和选择的第一图像属性,确定选定的各评判维度的初始权重;
根据至少一个第二图像属性,对各评判维度的初始权重进行至少一次调整,得到各评判维度的确认权重。
3.如权利要求2所述的方法,其特征在于,所述图像属性包括图像场景、图像内容、图像内容特征、拍摄设备、拍摄参数中的至少一个;
所述评判维度包括色彩、亮度、清晰度、噪声、饱和度、对比度、锐度、动态范围中的至少一个。
4.如权利要求1所述的方法,其特征在于,将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果,包括:
对待测评图像进行区域划分,针对划分出的图像区域或区域交叉点进行图像特征提取;
将提取出的图像特征与对比图像对应区域或区域交叉点的图像特征进行比较,得到待测评图像每个对应区域或区域交叉点相对于对比图像的在各评判维度对比结果;
根据所述对比结果得到待测评图像与对比图像在各评判维度的测评结果。
5.如权利要求1所述的方法,其特征在于,当所述对比图像为一幅时,所述根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果,包括:
将各评判维度的测评结果和相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果。
6.如权利要求1所述的方法,其特征在于,当所述对比图像不止一幅时,所述根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果,包括:
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,确定所述待测评图像与各幅对比图像的测评结果的均值,得到所述待测评图像与对比图像的综合测评结果;或
针对每幅对比图像,将各评判维度的测评结果和相应维度的确认权重进行加权计算,分别得到所述待测评图像与每幅对比图像的测评结果,作为所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,将每个测评维度的综合测评结果与相应维度的确认权重进行加权计算,得到所述待测评图像与对比图像的综合测评结果;或
针对每个评判维度,确定待测评图像与各幅对比图像的测评结果的均值,得到每个测评维度的综合测评结果,作为所述待测评图像与对比图像的综合测评结果。
7.如权利要求1-6任一所述的方法,其特征在于,还包括:
基于所述测评图像与对比图像的综合测评结果,添加测评描述信息,将所述综合测评结果和测评描述信息提供给用户。
8.一种图像质量测评装置,其特征在于,包括:
权重确定模块,用于根据待测评图像的图像类型和至少一个图像属性,确定选定的各评判维度的确认权重;
第一测评模块,用于将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
第二测评模块,用于根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
9.如权利要求8所述的装置,其特征在于,还包括:
结果输出模块,用于基于所述测评图像与对比图像的综合测评结果,添加测评描述信息,将所述综合测评结果和测评描述信息提供给用户。
10.一种图像质量测评方法,其特征在于,包括:
根据待测评图像的图像类型和图像场景,确定选定的各评判维度的初始权重;
根据待测评图像的图像内容,对各评判维度的初始权重进行调整,得到各评判维度的确认权重;
将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
11.如权利要求10所述的方法,其特征在于,得到各评判维度的确认权重之前,还包括:
根据拍摄所述待测评图像时使用的拍摄设备的摄像头类型和/或图像中包括的人物性别、人物年龄中的至少一项对首次调整后的初始权重进行至少一次调整。
12.一种图像质量测评装置,其特征在于,包括:
权重确定模块,用于根据待测评图像的图像类型和图像场景,确定选定的各评判维度的初始权重;根据待测评图像的图像内容,对各评判维度的初始权重进行调整,得到各评判维度的确认权重;
第一测评模块,用于将待测评图像与选定的对比图像进行比对,得到待测评图像与对比图像在各评判维度的测评结果;
第二测评模块,用于根据各评判维度的测评结果和各评判维度的确认权重,确定所述待测评图像与对比图像的综合测评结果。
13.一种图像质量测评***,其特征在于,包括:测试机、至少一个对比机和如权利要求8-9、12任一项所述的图像质量测评装置;
所述图像质量测评装置,用于从所述测试机获取待测评图像和从所述对比机获取对比图像;对获取的待测评图像和对比图像进行测评,得到所述待测评图像与对比图像的综合测评结果。
14.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现权利要求1-7、10-11任一项所述的图像质量测评方法。
15.一种电子设备,其特征在于,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-7、10-11任一项所述的图像质量测评方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383595.3A CN113344843B (zh) | 2021-04-09 | 2021-04-09 | 一种图像质量测评方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383595.3A CN113344843B (zh) | 2021-04-09 | 2021-04-09 | 一种图像质量测评方法、装置和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344843A true CN113344843A (zh) | 2021-09-03 |
CN113344843B CN113344843B (zh) | 2024-04-19 |
Family
ID=77467940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110383595.3A Active CN113344843B (zh) | 2021-04-09 | 2021-04-09 | 一种图像质量测评方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344843B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038370A (zh) * | 2021-11-05 | 2022-02-11 | 深圳Tcl新技术有限公司 | 显示参数调整方法、装置、存储介质及显示设备 |
CN115082469A (zh) * | 2022-08-22 | 2022-09-20 | 龙旗电子(惠州)有限公司 | 图片亮度检测方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550145A (zh) * | 2018-04-11 | 2018-09-18 | 北京环境特性研究所 | 一种sar图像质量评估方法和装置 |
CN109509201A (zh) * | 2019-01-04 | 2019-03-22 | 北京环境特性研究所 | 一种sar图像质量评价方法和装置 |
WO2020037932A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳云天励飞技术有限公司 | 一种图像质量评估方法、装置、电子设备及计算机可读存储介质 |
CN111179245A (zh) * | 2019-12-27 | 2020-05-19 | 成都中科创达软件有限公司 | 图像质量检测方法、装置、电子设备和存储介质 |
CN111402229A (zh) * | 2020-03-16 | 2020-07-10 | 焦点科技股份有限公司 | 一种基于深度学习的图像评分的方法及*** |
CN111798421A (zh) * | 2020-06-29 | 2020-10-20 | 浙江同善人工智能技术有限公司 | 一种图像质量判断方法、设备及存储介质 |
CN112215831A (zh) * | 2020-10-21 | 2021-01-12 | 厦门市美亚柏科信息股份有限公司 | 一种用于人脸图像质量的评价方法和*** |
-
2021
- 2021-04-09 CN CN202110383595.3A patent/CN113344843B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550145A (zh) * | 2018-04-11 | 2018-09-18 | 北京环境特性研究所 | 一种sar图像质量评估方法和装置 |
WO2020037932A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳云天励飞技术有限公司 | 一种图像质量评估方法、装置、电子设备及计算机可读存储介质 |
CN109509201A (zh) * | 2019-01-04 | 2019-03-22 | 北京环境特性研究所 | 一种sar图像质量评价方法和装置 |
CN111179245A (zh) * | 2019-12-27 | 2020-05-19 | 成都中科创达软件有限公司 | 图像质量检测方法、装置、电子设备和存储介质 |
CN111402229A (zh) * | 2020-03-16 | 2020-07-10 | 焦点科技股份有限公司 | 一种基于深度学习的图像评分的方法及*** |
CN111798421A (zh) * | 2020-06-29 | 2020-10-20 | 浙江同善人工智能技术有限公司 | 一种图像质量判断方法、设备及存储介质 |
CN112215831A (zh) * | 2020-10-21 | 2021-01-12 | 厦门市美亚柏科信息股份有限公司 | 一种用于人脸图像质量的评价方法和*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038370A (zh) * | 2021-11-05 | 2022-02-11 | 深圳Tcl新技术有限公司 | 显示参数调整方法、装置、存储介质及显示设备 |
CN114038370B (zh) * | 2021-11-05 | 2023-10-13 | 深圳Tcl新技术有限公司 | 显示参数调整方法、装置、存储介质及显示设备 |
CN115082469A (zh) * | 2022-08-22 | 2022-09-20 | 龙旗电子(惠州)有限公司 | 图片亮度检测方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113344843B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8698910B2 (en) | Apparatus, camera, method, and computer-readable storage medium for generating advice for capturing an image | |
US8548257B2 (en) | Distinguishing between faces and non-faces | |
WO2019105154A1 (en) | Image processing method, apparatus and device | |
CN113992861B (zh) | 一种图像处理方法及图像处理装置 | |
CN107451969A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN113344843B (zh) | 一种图像质量测评方法、装置和*** | |
CN108668093A (zh) | Hdr图像的生成方法及装置 | |
CN107172418A (zh) | 一种基于曝光情况分析的色阶映射图像质量评价方法 | |
US20120063697A1 (en) | Image processing method and image processing apparatus | |
CN108156369B (zh) | 图像处理方法和装置 | |
JP2005310123A (ja) | 特定シーンの画像を選別する装置、プログラムおよびプログラムを記録した記録媒体 | |
KR20090111136A (ko) | 최적 영상 선택 방법 및 장치 | |
JP2000137788A (ja) | 画像処理方法、画像処理装置及び記録媒体 | |
CN105812790B (zh) | 图像传感器感光面与光轴垂直度的评测方法及光学测试卡 | |
CN114203087B (zh) | 补偿查找表的配置、补偿方法、装置、设备及存储介质 | |
WO2009007978A2 (en) | System and method for calibration of image colors | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
WO2021128593A1 (zh) | 人脸图像处理的方法、装置及*** | |
CN109741285A (zh) | 一种水下图像数据集的构建方法及*** | |
CN112651945A (zh) | 一种基于多特征的多曝光图像感知质量评价方法 | |
WO2008102296A2 (en) | Method for enhancing the depth sensation of an image | |
CN111291778B (zh) | 深度分类模型的训练方法、曝光异常检测方法以及装置 | |
CN112819017B (zh) | 基于直方图的高精度色偏图像识别方法 | |
CN113132700B (zh) | 一种调节投影机对比度的方法及*** | |
EP3363193B1 (en) | Device and method for reducing the set of exposure times for high dynamic range video imaging |
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 |