CN115393330A - 摄像头图像模糊检测方法、装置、计算机设备及存储介质 - Google Patents
摄像头图像模糊检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115393330A CN115393330A CN202211046744.8A CN202211046744A CN115393330A CN 115393330 A CN115393330 A CN 115393330A CN 202211046744 A CN202211046744 A CN 202211046744A CN 115393330 A CN115393330 A CN 115393330A
- Authority
- CN
- China
- Prior art keywords
- image
- variance
- gray
- camera
- blurred
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 9
- 241001482237 Pica Species 0.000 claims 4
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了摄像头图像模糊检测方法、装置、计算机设备及存储介质,方法包括:将摄像头拍摄的彩色源图像进行灰度处理,转为灰度图;对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;将灰度图的方差与所述去模糊的图像的方差进行比较;当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。本发明的摄像头图像模糊检测方法,可以很快检测到工作状态异常的摄像头,极大提高工作效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及的是一种摄像头图像模糊检测方法、装置、计算机设备及存储介质。
背景技术
随着科技的发展和人们生活水平的不断提高,摄像头的使用越来越普及。
随着智慧城市业务的发展,视频业务不能局限于视频监控的功能,需要结合市场需要开发新功能,比如:通过使用图像处理技术对摄像头捕获的内容进行分析,进而找出工作状态异常的摄像头;现有技术中没有很好的方式来找出工作状态异常的摄像头。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种摄像头图像模糊检测方法、装置、计算机设备及存储介质,本发明的摄像头图像模糊检测方法,可以很快检测到工作状态异常的摄像头,极大提高工作效率。
本发明解决问题所采用的技术方案如下:
一种摄像头图像模糊检测方法,其中,所述方法包括:
获取摄像头拍摄的彩色源图像;
将所述彩色源图像进行灰度处理,转为灰度图;
计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;
计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;
对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;
计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;
当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。
所述的摄像头图像模糊检测方法,其中,所述获取摄像头拍摄的彩色源图像的步骤包括:
获取摄像头拍摄的彩色源图像PicA,并将所述彩色源图像PicA存储到内存。
所述的摄像头图像模糊检测方法,其中,所述将所述彩色源图像进行灰度处理,转为灰度图的步骤包括:
将所述彩色源图像PicA使用opencv函数进行灰度处理,转为灰度图PicB。
所述的摄像头图像模糊检测方法,其中,所述计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像的步骤包括:
计算所述灰度图PicB的方差和均值;
对进行方差和均值计算的灰度图用3x3的拉普拉斯算子进行滤波处理;处理为第一模糊图像PicD。
所述的摄像头图像模糊检测方法,其中,所述计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间值,则初步判定所述灰度图为模糊图像的步骤包括:
计算第一模糊图PicD的方差和均值;
计算所述灰度图PicB的方差与第一模糊图像PicD的方差差值;
当所述灰度图PicB的方差与所述第一模糊图像PicD的方差差值在第一预定区间,则初步判定所述灰度图PicB为模糊图像;
当所述灰度图PicB的方差与所述第一模糊图像PicD的方差差值不处于第一预定区间,则判定为图像正常。
所述的摄像头图像模糊检测方法,其中,所述当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像的步骤包括:
当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像;
当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值不处于第二预定区间,则判定所述摄像头拍摄的彩色源图像不为模糊图像。
所述的摄像头图像模糊检测方法,其中,所述当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像的步骤之后还包括:
根据判定的所述摄像头拍摄的彩色源图像为模糊图像,找出拍摄图像为模糊图像的摄像头,确定拍摄图像为模糊图像的摄像头为工作状态异常的摄像头、并进行相应提醒。
一种摄像头图像模糊检测装置,其中,所述装置包括:
获取模块,用于获取摄像头拍摄的彩色源图像;
灰度处理模块,用于将所述彩色源图像进行灰度处理,转为灰度图;
计算与滤波处理模块,用于计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;
第一判定模块,用于计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;
去模糊处理模块,用于对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;
计算比较模块,用于计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;
第二判定模块,用于当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。
一种计算机设备,其中,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序时,实现任意一项所述的方法的步骤。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行任意一项所述的方法。
本发明的有益效果:本发明实施例提供了一种摄像头图像模糊检测方法、装置、计算机设备及存储介质,由于采用获取摄像头拍摄的彩色源图像;将所述彩色源图像进行灰度处理,转为灰度图;计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。本发明通过检测算法对摄像头采集的图像进行分析,进而查找出模糊的摄像头;并从图像模糊推断出摄像头模糊,从而找出坏的摄像头。通过本发明可以很快检测到工作状态异常的摄像头,极大提高工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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中记载的一些实施例,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是本发明实施例提供的摄像头图像模糊检测方法的流程示意图。
图2是本发明实施例提供的摄像头图像模糊检测方法的分别为所述灰度图PicB和所述灰度图PicB经过拉普拉斯算子滤波后对比图。
图3是本发明实施例提供的摄像头图像模糊检测方法的暗通道先验法去模糊流程示意图。
图4是本发明实施例提供的摄像头图像模糊检测方法的图像判定为模糊图像示意图。
图5是本发明实施例提供的摄像头图像模糊检测装置的原理框图。
图6是本发明实施例提供的计算机设备的内部结构原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
随着智慧城市业务的发展,视频业务不能局限于视频监控的功能,需要结合市场需要开发新功能,比如:通过使用图像处理技术对摄像头捕获的内容进行分析,进而找出工作状态异常的摄像头;现有技术中没有很好的方式来找出工作状态异常的摄像头。
为了解决现有技术的问题,本发明提供一种摄像头图像模糊检测方法,在发明实施例中,通过使用图像处理技术对摄像头捕获的内容进行分析,分析出拍摄图像模糊的摄像头,进而找出工作状态异常的摄像头。
示例性方法
如图1中所示,本发明实施例提供一种摄像头图像模糊检测方法,包括如下步骤:
步骤S100、获取摄像头拍摄的彩色源图像;
本发明实施例主要对摄像头拍摄的图像进行分析,分析摄像头拍摄的图像是否有模糊图像。首先获取摄像头拍摄的彩色源图像PicA,并将所述彩色源图像PicA存储到内存,对应的可以将拍摄的彩色源图像PicA与对应的拍摄摄像头建立对应关系,即记录对应的彩色源图像PicA是由哪个摄像头拍摄的,方便后面查找确认拍摄源。
步骤S200、将所述彩色源图像(PicA)进行灰度处理,转为灰度图(PicB);
本发明实施例中会将所述彩色源图像进行灰度处理,转为灰度图。具体例如将所述彩色源图像PicA使用opencv函数进行灰度处理,转为灰度图PicB。
具体实施时例如可以采用分量法,将彩色源图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。
步骤S300、计算所述灰度图(PicB)的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像(PicD);
本发明实施例中,会计算所述灰度图的方差和均值。其中,灰度的均值代表图像的亮度,方差代表所有像素数值之间的偏差,即本发明实施例中会计算出所述灰度图的亮度值和所有像素数值之间的偏差,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像。
具体地,例如计算所述灰度图PicB的方差和均值;对进行方差和均值计算的灰度图用3x3的拉普拉斯算子进行滤波处理;处理为第一模糊图像PicD。如图2所示,图2左图和右图分别为所述灰度图PicB和所述灰度图PicB经过拉普拉斯算子滤波后对比图。
步骤S400、计算第一模糊图(PicD)的方差和均值,当所述灰度图(PicB)的方差与第一模糊图像(PicD)的方差差值在第一预定区间,则初步判定所述灰度图(PicB)为模糊图像;
本发明实施例中,计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间值,则初步判定所述灰度图为模糊图像。
具体地,先计算第一模糊图PicD的方差和均值;然后计算所述灰度图PicB的方差与第一模糊图像PicD的方差差值;
当所述灰度图PicB的方差与所述第一模糊图像PicD的方差差值在第一预定区间,则初步判定所述灰度图PicB为模糊图像;本发明实施例中,所述第一预定区间可以根据实际场景而定,例如第一预定区间取值(0.3-0.8),当然所述第一预定区间还可以根据场景需要变换。
当所述灰度图PicB的方差与所述第一模糊图像PicD的方差差值不处于第一预定区间(0.3-0.8),则判定为图像正常,即不是模糊图像。
图像的均值表示图像整体的亮暗程度,图像的均值越大图像整体越亮。标准方差表示图像中明暗变化的对比程度,标准差越大表示图像中明暗变化越明显。
本实施例中关于图像的方差和均值计算可以采用现有技术常见方法来计算,本发明在opencv库提供了算法,例如,通过voidmeanStdDev(InputArray src,OutputArraymean,OutputArray stddev,InputArray mask=noArray())计算图像的方差和均值
其中,src:输入矩阵,这个矩阵应该是1-4通道的;
mean:输出参数,计算均值
stddev:输出参数,计算标准差
mask:可选参数。
步骤S500、对判定为模糊的所述灰度图(PicB)进行暗通道先验法去模糊,得到去模糊的图像;
本发明实施例中,对判定为模糊的所述灰度图(PicB)进行暗通道先验法去模糊,得到去模糊的图像。所谓暗通道是一个基本的假设,这个假设认为,在绝大多数的非天空的局部区域中,存在一些像素点(暗像素)在至少一个颜色通道中具有非常低的值,趋近于0。暗通道实际上是在rgb三个通道中取最小值组成灰度图,然后再进行一个最小值滤波得到的。
所述对判定为模糊的所述灰度图(PicB)进行暗通道先验法去模糊(去雾),得到去模糊的图像具体可以采用去雾算法实现去模糊。如图3所示,图3是本发明实施例提供的摄像头图像模糊检测方法的暗通道先验法去模糊流程示意图,对输入的图像,分两部分一部分计算大气光成分值、另一部分计算透射率,例如根据公式,去雾算法可解释为:有雾时,相机获取到的图像为两部分组成,一部分为被拍摄物体发射光线穿过雾霾后的光线,另一部分为大气光被雾霾反射后的光线。被拍摄物体发射光线f(x)通过雾霾,雾霾透射率为t(x),那么被摄物体光线到达相机后值为f(x)*t(x)。原始大气光值为A,大气光的方向可看做与被拍摄物体光线完全相反,大气光一部分穿过雾霾,一部分被雾霾反射,被反射后的光线值即为A-A*t(x))。然后得到去雾结果图。
步骤S600、计算所述去模糊的图像(PicE)的方差,并将所述灰度图(PicB)的方差与所述去模糊的图像的方差进行比较。
即本发明实施例中会计算所述去模糊的图像(PicE)的方差,并将所述灰度图(PicB)的方差与所述去模糊的图像的方差进行比较。
步骤S700、当所述灰度图(PicB)的方差与所述去模糊的图像(PicE)的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。
本发明实施例中,当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值在第二预定区间(较佳地,在部分场景下,所述第二预定区间取(0.4-0.6),则判定所述摄像头拍摄的彩色源图像为模糊图像的。
具体地,例如当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值在第二预定区间(0.4-0.6),则判定所述摄像头拍摄的彩色源图像为模糊图像,如图4所示的图像判定为模糊图像。本发明判定出的模糊图像准确率提高,能够保证通过本发明的方法检测出模糊图像,避免漏检。并且能够在3s的时间内完成2张图片的检测,检测效率高。
当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值不处于第二预定区间(0.4-0.6),则判定所述摄像头拍摄的彩色源图像不为模糊图像。
更进一步地:本发明根据判定的所述摄像头拍摄的彩色源图像为模糊图像,找出拍摄图像为模糊图像的摄像头,确定拍摄图像为模糊图像的摄像头为工作状态异常的摄像头、并进行相应提醒。
示例性设备
如图5中所示,本发明实施例提供一种摄像头图像模糊检测装置,该装置包括:
获取模块510,用于获取摄像头拍摄的彩色源图像;
灰度处理模块520,用于将所述彩色源图像进行灰度处理,转为灰度图;
计算与滤波处理模块530,用于计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;
第一判定模块540,用于计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;
去模糊处理模块550,用于对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;
计算比较模块560,用于计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;
第二判定模块570,用于当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像,具体如上所述。
基于上述实施例,本发明还提供了一种计算机设备,其原理框图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种摄像头图像模糊检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的温度传感器是预先在计算机设备内部设置,用于检测内部设备的运行温度。
本领域技术人员可以理解,图6中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取摄像头拍摄的彩色源图像;
将所述彩色源图像进行灰度处理,转为灰度图;
计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;
计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;
对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;
计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;
当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。
本发明实施例计算机程序被处理器执行时以实现一种摄像头图像模糊检测方法,以下通过具体应用实施例对本发明的一种摄像头图像模糊检测方法程序实现做进一步详细说明:
步骤一、选用合适的开发环境工具,开发一种摄像头图像模糊检测方法的程序。例如选择合适开发工具;在Windows下使VScode进行开发,需要使用到opencv4.5.3库,Linux下开发使用VScode远程连接linux开发环境,使用centos 7进行开发,同样需要准备opencv4.5.3库。
该步骤的好处是,VScode作为一个强大的工具,能够提高工作效率;opencv作为英特尔公司开发出的一个计算机视觉库,提供了许多图像处理相关的函数,比如图像增强、边缘检测、霍夫曼变换等。
步骤二:本发明设置高效检测目标,本发明的检测方法具备以下特性:
1.准确,能够保证检测出来的图像大部分都是有问题的图像;
2.高效;能够在3s的时间内完成2张图片的检测;
3.鲁棒;不会由于外部原因导致程序崩溃;
4.普适;适用于马路、工厂、树林等多种环境。
步骤三:图像模糊检测方法的程序设计目标:
在上一步骤中,明确了实现的算法应该具备的特性,下面进行图像模糊检测方法的程序设计:
特性1是准确,为了实现这个特性,需要对图像进行预处理和预分析;
在整个处理算法流程前使用其他算法,将检测出的没有模糊的图像略过;在使用本算法检测处理有问题的图像中,结合实际与肉眼观察,将判定条件修改为合理的值;
特性2是高效,为了是实现这个特性,需要对算法的分析流程进行合理设计,需要耗时的处理阶段,增加判定条件,从而在整体上提高效率,让用户满意;
特性3是鲁棒,为了是实现这个特性,需要对算法分析过程中出现的异常进行处理,比如输入的图像为单通道图像,又比如图像输入为空。
特性4是普适,由于环境复杂多样,需要考虑各种异常情况并尽可能进行异常处理,使算法能够在图像大小不统一、图像类型不统一、图像内容不统一的等不利条件下也能完成检测。
步骤四:本发明实际使用程序实现图像模糊检测方法包括以下步骤:
(1)读取彩图(PicA)到内存并判断是否读入成功;
(2)原图像彩图(PicA)使用opencv函数进行灰度化,将彩图(PicA)转为灰度图(PicB);
(3)计算此时灰度图(PicB)的方差;
(4)对计算方差的灰度图(PicB)用3x3的拉普拉斯算子进行滤波处理,将图片变得模糊,完成后命名为模糊图PicD;
(5)计算处理后的模糊图PicD的均值和方差,如果PicB图像的方差与所述模糊图PicD的方差差值,在第一预定区间(0.3-0.8)则认定是模糊;否则结束此算法,表示图像正常;
(6)对判定为模糊的所述灰度图(PicB)进行暗通道先验法去模糊,得到去模糊的图像;计算所述去模糊的图像(PicE)的方差,并将所述灰度图(PicB)的方差与所述去模糊的图像的方差进行比较(将PicB和PicE进行比较),当所述灰度图(PicB)的方差与所述去模糊的图像(PicE)的方差差值在第二预定区间(0.4-0.6),则判定所述摄像头拍摄的彩色源图像为模糊图像。根据判定的所述摄像头拍摄的彩色源图像为模糊图像,找出拍摄图像为模糊图像的摄像头,确定拍摄图像为模糊图像的摄像头为工作状态异常的摄像头、并进行相应提醒。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种摄像头图像模糊检测方法、装置、计算机设备及存储介质,由于采用获取摄像头拍摄的彩色源图像;将所述彩色源图像进行灰度处理,转为灰度图;计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。本发明通过检测算法对摄像头采集的图像进行分析,进而查找出模糊的摄像头;并从图像模糊推断出摄像头模糊,从而找出坏的摄像头。通过本发明可以很快检测到工作状态异常的摄像头,极大提高工作效率。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种摄像头图像模糊检测方法,其特征在于,所述方法包括:
获取摄像头拍摄的彩色源图像;
将所述彩色源图像进行灰度处理,转为灰度图;
计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;
计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;
对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;
计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;
当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。
2.根据权利要求1所述的摄像头图像模糊检测方法,其特征在于,所述获取摄像头拍摄的彩色源图像的步骤包括:
获取摄像头拍摄的彩色源图像PicA,并将所述彩色源图像PicA存储到内存。
3.根据权利要求1所述的摄像头图像模糊检测方法,其特征在于,所述将所述彩色源图像进行灰度处理,转为灰度图的步骤包括:
将所述彩色源图像PicA使用opencv函数进行灰度处理,转为灰度图PicB。
4.根据权利要求1所述的摄像头图像模糊检测方法,其特征在于,所述计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像的步骤包括:
计算所述灰度图PicB的方差和均值;
对进行方差和均值计算的灰度图用3x3的拉普拉斯算子进行滤波处理;处理为第一模糊图像PicD。
5.根据权利要求1所述的摄像头图像模糊检测方法,其特征在于,所述计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间值,则初步判定所述灰度图为模糊图像的步骤包括:
计算第一模糊图PicD的方差和均值;
计算所述灰度图PicB的方差与第一模糊图像PicD的方差差值;
当所述灰度图PicB的方差与所述第一模糊图像PicD的方差差值在第一预定区间,则初步判定所述灰度图PicB为模糊图像;
当所述灰度图PicB的方差与所述第一模糊图像PicD的方差差值不处于第一预定区间,则判定为图像正常。
6.根据权利要求1所述的摄像头图像模糊检测方法,其特征在于,所述当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像的步骤包括:
当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像;
当所述灰度图PicB的方差与所述去模糊的图像PicE的方差差值不处于第二预定区间,则判定所述摄像头拍摄的彩色源图像不为模糊图像。
7.根据权利要求1所述的摄像头图像模糊检测方法,其特征在于,所述当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像的步骤之后还包括:
根据判定的所述摄像头拍摄的彩色源图像为模糊图像,找出拍摄图像为模糊图像的摄像头,确定拍摄图像为模糊图像的摄像头为工作状态异常的摄像头、并进行相应提醒。
8.一种摄像头图像模糊检测装置,其特征在于,所述装置包括:
获取模块,用于获取摄像头拍摄的彩色源图像;
灰度处理模块,用于将所述彩色源图像进行灰度处理,转为灰度图;
计算与滤波处理模块,用于计算所述灰度图的方差和均值,并对进行方差和均值计算的灰度图进行滤波处理,处理为第一模糊图像;
第一判定模块,用于计算第一模糊图的方差和均值,当所述灰度图的方差与第一模糊图像的方差差值在第一预定区间,则初步判定所述灰度图为模糊图像;
去模糊处理模块,用于对判定为模糊的所述灰度图进行暗通道先验法去模糊,得到去模糊的图像;
计算比较模块,用于计算所述去模糊的图像的方差,并将所述灰度图的方差与所述去模糊的图像的方差进行比较;
第二判定模块,用于当所述灰度图的方差与所述去模糊的图像的方差差值在第二预定区间,则判定所述摄像头拍摄的彩色源图像为模糊图像。
9.一种计算机设备,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序时,实现如权利要求1-7中任意一项所述的方法的步骤。
10.一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1-7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211046744.8A CN115393330A (zh) | 2022-08-30 | 2022-08-30 | 摄像头图像模糊检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211046744.8A CN115393330A (zh) | 2022-08-30 | 2022-08-30 | 摄像头图像模糊检测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115393330A true CN115393330A (zh) | 2022-11-25 |
Family
ID=84125482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211046744.8A Pending CN115393330A (zh) | 2022-08-30 | 2022-08-30 | 摄像头图像模糊检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115393330A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880300A (zh) * | 2023-03-03 | 2023-03-31 | 北京网智易通科技有限公司 | 图像模糊检测方法、装置、电子设备和存储介质 |
-
2022
- 2022-08-30 CN CN202211046744.8A patent/CN115393330A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880300A (zh) * | 2023-03-03 | 2023-03-31 | 北京网智易通科技有限公司 | 图像模糊检测方法、装置、电子设备和存储介质 |
CN115880300B (zh) * | 2023-03-03 | 2023-05-09 | 北京网智易通科技有限公司 | 图像模糊检测方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3951984B2 (ja) | 画像投影方法、及び画像投影装置 | |
US11156564B2 (en) | Dirt detection on screen | |
CN109997351B (zh) | 用于生成高动态范围图像的方法和装置 | |
CN110661977B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
EP2187620A1 (en) | Digital image processing and enhancing system and method with function of removing noise | |
EP3798975B1 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
EP3176751A1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN108989699B (zh) | 图像合成方法、装置、成像设备、电子设备以及计算机可读存储介质 | |
US11317067B2 (en) | Method and system for inspecting display image | |
CN113781393B (zh) | 屏幕缺陷检测方法、装置、设备及存储介质 | |
CN112419420B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN115393330A (zh) | 摄像头图像模糊检测方法、装置、计算机设备及存储介质 | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN112435223A (zh) | 目标检测方法、装置及存储介质 | |
CN109447942B (zh) | 图像模糊度确定方法、装置、计算机设备及存储介质 | |
US8913845B2 (en) | Method and system for generating output image data | |
US20070009173A1 (en) | Apparatus and method for shading correction and recording medium therefore | |
CN114049549A (zh) | 水下视觉识别方法、***和计算机可读存储介质 | |
CN109785343B (zh) | 基于清晰度的人脸抠图图片的优选方法及装置 | |
CN115278103B (zh) | 一种基于环境感知的安防监控图像补偿处理方法及*** | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
CN115578291A (zh) | 图像的亮度校正方法、存储介质及电子设备 | |
CN114841943A (zh) | 一种零件检测方法、装置、设备及存储介质 | |
JP2009258770A (ja) | 画像処理方法、画像処理装置、画像処理プログラム、撮像装置 |
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 |