CN117252783A - 一种失焦模糊图像的清晰度计算方法、装置和设备 - Google Patents

Abstract

本申请公开了一种失焦模糊图像的清晰度计算方法、装置和设备。方法包括：将图像划分为若干个第一区域；计算每个第一区域的亮度和；从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域；对每个第二区域中包含的各个第一区域的亮度和进行排序；根据排序结果计算每个第二区域的清晰度值；将每个第二区域的清晰度值相加，得到图像的图像清晰度值。装置包括：第一图像划分模块、第一计算模块、第二图像划分模块、亮度和排序模块、第一清晰度计算模块和第二清晰度计算模块。本申请具有失焦模糊图片清晰度计算简便，准确度高的技术效果，能够有效避免出现图像越模糊，整体亮度均值高而导致的错误判断清晰度值的问题。

Description

一种失焦模糊图像的清晰度计算方法、装置和设备

技术领域

本申请涉及图像处理技术领域，特别涉及一种失焦模糊图像的清晰度计算方法。

背景技术

现有的图像清晰度评价方法基本使用边缘检测方法，包括频率域、空域等，这类方法核心思想均依靠图像场景中物体边缘的锐度来判断图像清晰度。原理是越靠近准焦点，边缘锐度越大，图像越清晰。但是，在远离准焦点的图像失焦位置，图像极度模糊，没有明确的物体纹理。依靠边缘检测的方法往往无法给出准确的清晰度判断。进而导致无法自动对焦。在远焦位置用边缘检测的清晰度评价方法，往往会出现以下问题：图像越模糊，清晰度值反而越高。原因是越模糊图像整体亮度均值越高。此时受亮度的影响，边缘检测值也会略高一些。采用单像素的亮度方差也无法在极度模糊的场景得到准确的清晰度评价。因为单像素的邻域像素值几乎一样。且亮度方差的方法受噪声干扰明显。

发明内容

有鉴于此，本申请提供的一种失焦模糊图像的清晰度计算方法、装置和设备，以期解决上述图像清晰度判断不准确的技术问题。

具体的，本申请的技术方案如下：

一种失焦模糊图像的清晰度计算方法，包括步骤：

将图像划分为若干个第一区域；

计算每个第一区域的亮度和；

从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域；

对每个第二区域中包含的各个第一区域的亮度和进行排序；

根据排序结果计算每个第二区域的清晰度值；

将每个第二区域的清晰度值相加，得到图像的图像清晰度值。

在一些实现中，一种失焦模糊图像的清晰度计算方法，计算每个第一区域的亮度和具体包括：

根据第一区域的高度、第一区域的宽度和图像的灰度值，计算每个第一区域的亮度和。

在一些实现中，根据排序结果计算每个第二区域的清晰度值，具体包括：

排序后得到每个第二区域中包含的第一区域的亮度和的最大值、最小值、次最大值和次最小值；

在每个第二区域中，根据最大值和最小值计算第一亮度差值与第一亮度比值，根据次最大值和次最小值计算第二亮度差值与第二亮度比值。

在一些实现中，一种失焦模糊图像的清晰度计算方法，

第一亮度差值为最大值减去最小值，第二亮度差值为次最大值减去次最小值；

第一亮度比值为最大值比最小值，第二亮度比值为次最大值比次最小值。

在一些实现中，一种失焦模糊图像的清晰度计算方法，每个第二区域的清晰度值为第一亮度差值、第二亮度差值、第一亮度比值和第二亮度比值之间相乘得到。

在一些实现中，一种失焦模糊图像的清晰度计算方法，从全部第一区域中划分若干个第二区域，具体包括：

选取第一区域中四周均具有相邻第一区域的区域为第二区域的中心第一区域；根据若干个中心第一区域从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域。

在一些实现中，一种失焦模糊图像的清晰度计算方法，在将每个第二区域的清晰度值相加后，还包括：

选取加权值，乘以第二区域的清晰度值相加结果，得到图像清晰度值。

在一些实现中，一种失焦模糊图像的清晰度计算方法，第一区域为矩形，每个第一区域的高度相同，每个第一区域的宽度相同。

基于相同的技术构思，本申请还提供了一种失焦模糊图像的清晰度计算装置，包括：

第一图像划分模块，用于将图像划分为若干个第一区域；

第一计算模块，用于计算每个第一区域的亮度和；

第二图像划分模块，用于从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域；

亮度和排序模块，用于对每个第二区域中包含的各个第一区域的亮度和进行排序；

第一清晰度计算模块，用于根据排序结果计算每个第二区域中的清晰度值；

第二清晰度计算模块，用于将每个第二区域的清晰度值相加，得到图像的图像清晰度值。

基于相同的技术构思，本申请还提供了一种图像处理设备，包括上述失焦模糊图像的清晰度计算装置。

与现有技术相比，本申请至少具有以下一项有益效果：

1.通过将图像划分为多个第一区域，并根据从全部第一区域中划分出的若干个第二区域，并对每一个第二区域中所包含的第一区域的亮度和进行排序，根据排序结果计算清晰度值，能够有效避免出现图像越模糊，整体亮度均值高而导致的错误判断清晰度值越高的问题。

2.对计算出的整体图片的清晰度值，通过加权值进行计算，进一步提高清晰度值计算结果的可靠性。

3.本申请的方法不依靠边缘锐度来判断图像清晰程度，避免了在远离焦点的图像失焦位置无法给出准确的清晰度值的问题。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对本申请的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本申请一种失焦模糊图像的清晰度计算方法一个实施例的流程图；

图2是本申请一种失焦模糊图像的清晰度计算方法一个实施例的区域划分示意图；

图3是本申请一种失焦模糊图像的清晰度计算装置一个实施例的结构图。

附图标号说明：1-第一区域，2-第二区域，3-中心第一区域。

具体实施方式

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对照附图说明本申请的具体实施方式。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与申请相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本申请通过分析图像亮度，获取统计信息，图像越模糊，整幅图像的最亮区和最暗区的亮度越接近，即在清晰度变化过程中，图像越模糊，图中暗区逐渐越亮，亮区逐渐越暗。因此，可以根据画面整体亮度的变化分布来评价清晰图。

本申请一种失焦模糊图像的清晰度计算方法，参考说明书附图1，包括步骤：

S100，将图像划分为若干个第一区域；

具体的，在获取到图像时，首先将图像分成若干个第一区域，形状既可以是矩形、三角形、五边形等规则图形，也可以是其他不规则图形。每个图形可以大小相同，也可以不同，根据实际需求进行划分。但在划分图像时，需要确保将该图像全部划分完成，提高后续清晰度计算时的准确性，减少未计算的区域出现。

S200，计算每个第一区域的亮度和；

具体的，图像被划分为若干个第一区域后，对其逐一进行图像亮度分析，将每一个第一区域的亮度和进行统计。

S300，从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域；

具体的，再将全部第一区域划分为若干个第二区域，在每一个第二区域中都包含若干个第一区域。比如在步骤S100中将图片划分为9×9的矩形第一区域，然后再以81个第一区域为基础，划分出3×3个矩形第二区域，即9个第二区域，每个第二区域中包括9个第一区域。同时，第二区域的划分是在第一区域的基础之上进行的，其区域轮廓为多个第一区域所组成的，并不将某一第一区域割裂而形成新的区域。

S400，对每个第二区域中包含的各个第一区域的亮度和进行排序；

具体的，在步骤S200中，已经将每一个第一区域的亮度和计算完成，在第二区域中，将其所包含的第一区域的亮度和进行排序，进一步分析图像局部区域中的亮度变化。

S500，根据排序结果计算每个第二区域的清晰度值；

具体的，将图片首先划分为若干个第一区域，再以第一区域为基础划分若干个第二区域，排序每个第二区域中的第一区域的亮度和，并以此为基础，进行每一个第二区域的清晰度值的计算，从更小的角度出发，计算整个图片的清晰度值，提高清晰度值计算的准确性。

S600，将每个第二区域的清晰度值相加，得到图像的图像清晰度值。

在一个实施例中，首先将图像划分为32×32个第一区域，每个第一区域的大小相同，形状为矩形；

其次计算每一个第一区域的亮度和，共计得到1024个亮度和结果。图像的亮度通常通过计算图像中每个像素的灰度值来确定。灰度值表示图像中某一点的亮度或灰阶级别。因此，在计算亮度和时需要将第一区域的面积同灰度值建立联系，从而获得亮度和。灰度值是一个介于0(黑色)和255(白色)之间的整数，其中0表示黑色，255表示白色，中间的值表示不同程度的灰度。

在一个实现中，一种失焦模糊图像的清晰度计算方法，计算每个第一区域的亮度和具体包括：

根据第一区域的高度、第一区域的宽度和图像的灰度值，计算每个第一区域的亮度和。

具体的，LumaSum_blki为第一区域的亮度和，p_i为图像的像素灰度值，blk_H为每个第一区域的高度、blk_H为每个第一区域的高度，blk_i表示第一区域的编号，参考公式1，计算每个第一区域的亮度和。

在一个实现中，根据排序结果计算每个第二区域的清晰度值，具体包括：

排序后得到每个第二区域中包含的第一区域的亮度和的最大值、最小值、次最大值和次最小值；

在每个第二区域中，根据最大值和最小值计算第一亮度差值与第一亮度比值，根据次最大值和次最小值计算第二亮度差值与第二亮度比值。

第一亮度差值为最大值减去最小值，第二亮度差值为次最大值减去次最小值；

第一亮度比值为最大值比最小值，第二亮度比值为次最大值比次最小值。

具体的，第一亮度差通过公式2进行计算，第二亮度差通过公式3进行计算。

其中最大值为最小值为/>次最大值为次最小值为/>第一亮度差为/>

第二亮度差为

第一亮度比值通过公式4进行计算，第二亮度比值通过公式5进行计算。

其中，第一亮度比值为第二亮度比值为/>

在一个实现中，一种失焦模糊图像的清晰度计算方法，每个第二区域的清晰度值为第一亮度差值、第二亮度差值、第一亮度比值和第二亮度比值之间相乘得到。

具体的，第二区域的清晰度值通过公式6进行计算。

得到每个第二区域的清晰度值后，通过步骤S600，将每个第二区域的清晰度值相加，得到图像的图像清晰度值，通过公式7进行计算。

其中，FV表示图像的图像清晰度值。

在一个实现中，一种失焦模糊图像的清晰度计算方法，从全部第一区域中划分若干个第二区域，具体包括：

选取第一区域中四周均具有相邻第一区域的区域为第二区域的中心第一区域，根据若干个中心第一区域从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域。

具体的，将图像划分为若干个第一区域后，例如将图片划分为9×9的矩形第一区域，然后再以81个第一区域为基础，划分出3×3个矩形第二区域，即9个第二区域，每个第二区域中包括9个第一区域。选取中心第一区域时，可以选择位置为(2,2)的第一区域作为中心第一区域，即在81个矩形第一区域中，选取左上角横向第二个，纵向第二个的第一区域(即位置为(2,2))，此中心第一区域的左边为位置(1,2)的第一区域，右边为位置(3，2)的第一区域，上方为位置(2,1)的第一区域，下方为位置(2，3)的第一区域，左上角与位置为(1,1)的第一区域相邻，右上角与位置为(3,1)的第一区域相邻，左下角与位置为(1,3)的第一区域相邻，右下角与位置为(3,3)的第一区域相邻，上述的8个相邻第一区域与中心第一区域共同组成了第二区域。

在一个实现中，一种失焦模糊图像的清晰度计算方法，在将每个第二区域的清晰度值相加后，还包括：

选取加权值，乘以第二区域的清晰度值相加结果，得到图像清晰度值。

具体的，引入加权值计算整个图片的清晰度值通过公式8计算得到。

其中，为引入的加权值。

在一个实现中，一种失焦模糊图像的清晰度计算方法，第一区域为矩形，每个第一区域的高度相同，每个第一区域的宽度相同。

在一个实施例中，参考说明书附图2，将图像划分为32×32个矩形的第一区域11，每个矩形的第一区域1的高和宽都相同。根据公式1分别计算1024个第一区域1中每一个第一区域1的亮度和。然后在32×32个第一区域1中，选择若干个中心第一区域3，在本实施例中选取位置为(3,3)的第一区域1作为中心第一区域3，并以此为中心，划定5×5的第一区域1为第一个第二区域2，然后将与位置为(3,3)的中心第一区域3相邻的(3,4)的中心第一区域3作为第二个第二区域2的中心，并以此再次划定5×5的第一区域1为第二个第二区域2，以此类推，形成28×28个第二区域2。

在每一个第二区域2中，对其所包含的第一区域1的亮度和进行排序，比如在第一个第二区域2中，针对其中的25个第一区域1的亮度和进行排序，得到亮度和的最大值、最小值、次最大值和次最小值，在每一个第二区域2中都进行上述的排序，获取排序结果。

根据公式2和公式3分别计算每个第二区域2中的第一亮度差和第二亮度差，根据公式4和公式5分别计算每个第二区域2中的第一亮度比值和第二亮度比值。将上述的4个结果引入公式6，计算每一个第二区域2的清晰度值。

然后将28×28个第二区域2的清晰度值进行求和，得到整个图片的清晰度值，其中，在图片的边缘处均存在没有作为中心第一区域3而建立第二区域2的位置，相对来说存在可以接受的误差，此时可以引入加权值，通过技术人员对加权值进行设计，以提高图像清晰度值的准确性，降低误差。

基于相同的技术构思，本申请还提供了一种失焦模糊图像的清晰度计算装置，参考说明书附图3，包括：

第一图像划分模块10，用于将图像划分为若干个第一区域；

具体的，在第一图像划分模块10获取到图像时，首先将图像分成若干个第一区域，形状既可以是矩形、三角形、五边形等规则图形，也可以是其他不规则图形。每个图形可以大小相同，也可以不同，根据实际需求进行划分。但在划分图像时，需要确保将该图像全部划分完成，提高后续清晰度计算时的准确性，减少未计算的区域出现。

第一计算模块20，用于计算每个第一区域的亮度和；

具体的，图像被划分为若干个第一区域后，第一计算模块20对其逐一进行图像亮度分析，将每一个第一区域的亮度和进行统计，计算每一个第一区域的亮度和。根据划分得到的第一区域的高度、第一区域的宽度和图像的灰度值，计算每个第一区域的亮度和。

第二图像划分模块30，用于从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域；

具体的，第二图像划分模块30将全部第一区域划分为若干个第二区域，在每一个第二区域中都包含若干个第一区域。比如在步骤S100中将图片划分为9×9的矩形第一区域，然后再以81个第一区域为基础，划分出3×3个矩形第二区域，即9个第二区域，每个第二区域中包括9个第一区域。同时，第二区域的划分是在第一区域的基础之上进行的，其区域轮廓为多个第一区域所组成的，并不将某一第一区域割裂而形成新的区域。第二图像划分模块30选取第一区域中四周均具有相邻第一区域的区域为第二区域的中心第一区域，根据若干个中心第一区域从全部第一区域中划分若干个第二区域，每个第二区域至少包括部分第一区域。

亮度和排序模块40，用于对每个第二区域中包含的各个第一区域的亮度和进行排序；

具体的，亮度和排序模块40在第二区域中，将其所包含的第一区域的亮度和进行排序，进一步分析图像局部区域中的亮度变化，从中得到在每一个第二区域中，亮度和的最大值、最小值、次最大值和次最小值。

第一清晰度计算模块50，用于根据排序结果计算每个第二区域中的清晰度值；

具体的，第一清晰度计算模块50将图片首先划分为若干个第一区域，再以第一区域为基础划分若干个第二区域，排序每个第二区域中的第一区域的亮度和，并以此为基础，进行每一个第二区域的清晰度值的计算，从更小的角度出发，计算整个图片的清晰度值，提高清晰度值计算的准确性。在每个第二区域中，根据最大值和最小值计算第一亮度差值与第一亮度比值，根据次最大值和次最小值计算第二亮度差值与第二亮度比值。第一亮度差值为最大值减去最小值，第二亮度差值为次最大值减去次最小值。第一亮度比值为最大值比最小值，第二亮度比值为次最大值比次最小值。

第二清晰度计算模块60，用于将每个第二区域的清晰度值相加，得到图像的图像清晰度值。同时，在第二清晰度计算模块60中还可以引入加权值，以降低在图片的边缘处均存在没有作为中心第一区域而建立第二区域的位置存在的误差，以提高图像清晰度值的准确性，降低误差。

基于相同的技术构思，本申请还提供了一种图像处理设备，上述实施例的失焦模糊图像的清晰度计算装置。

应当说明的是，上述实施例均可根据需要自由组合。以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种失焦模糊图像的清晰度计算方法，其特征在于，包括步骤：

将图像划分为若干个第一区域；

计算每个所述第一区域的亮度和；

从全部所述第一区域中划分若干个第二区域，每个所述第二区域至少包括部分所述第一区域；

对每个所述第二区域中包含的各个所述第一区域的所述亮度和进行排序；

根据排序结果计算每个所述第二区域的清晰度值；

将每个所述第二区域的清晰度值相加，得到所述图像的图像清晰度值。

2.根据权利要求1所述的一种失焦模糊图像的清晰度计算方法，其特征在于，所述计算每个所述第一区域的亮度和具体包括：

根据所述第一区域的高度、所述第一区域的宽度和所述图像的灰度值，计算每个所述第一区域的亮度和。

3.根据权利要求1所述的一种失焦模糊图像的清晰度计算方法，其特征在于，所述的根据排序结果计算每个所述第二区域的清晰度值，具体包括：

排序后得到每个所述第二区域中包含的所述第一区域的所述亮度和的最大值、最小值、次最大值和次最小值；

在每个所述第二区域中，根据所述最大值和所述最小值计算第一亮度差值与第一亮度比值，根据所述次最大值和所述次最小值计算第二亮度差值与第二亮度比值。

4.根据权利要求3所述的一种失焦模糊图像的清晰度计算方法，其特征在于，

所述第一亮度差值为所述最大值减去所述最小值，所述第二亮度差值为所述次最大值减去所述次最小值；

所述第一亮度比值为所述最大值比所述最小值，所述第二亮度比值为所述次最大值比所述次最小值。

5.根据权利要求4所述的一种失焦模糊图像的清晰度计算方法，其特征在于，每个所述第二区域的清晰度值为所述第一亮度差值、所述第二亮度差值、所述第一亮度比值和所述第二亮度比值之间相乘得到。

6.根据权利要求1所述的一种失焦模糊图像的清晰度计算方法，其特征在于，从全部所述第一区域中划分若干个第二区域，具体包括：

选取所述第一区域中四周均具有相邻所述第一区域的区域为所述第二区域的中心第一区域；根据若干个所述中心第一区域从全部所述第一区域中划分若干个所述第二区域，每个所述第二区域至少包括部分所述第一区域。

7.根据权利要求1至6任一项所述的一种失焦模糊图像的清晰度计算方法，其特征在于，在所述将每个所述第二区域的清晰度值相加后，还包括：

选取加权值，乘以所述第二区域的清晰度值相加结果，得到所述图像清晰度值。

8.根据权利要求7所述的一种失焦模糊图像的清晰度计算方法，其特征在于，所述第一区域为矩形，每个所述第一区域的高度相同，每个所述第一区域的宽度相同。

9.一种失焦模糊图像的清晰度计算装置，其特征在于，包括：

第一图像划分模块，用于将图像划分为若干个第一区域；

第一计算模块，用于计算每个所述第一区域的亮度和；

第二图像划分模块，用于从全部所述第一区域中划分若干个第二区域，每个所述第二区域至少包括部分所述第一区域；

亮度和排序模块，用于对每个所述第二区域中包含的各个所述第一区域的所述亮度和进行排序；

第一清晰度计算模块，用于根据排序结果计算每个所述第二区域中的清晰度值；

第二清晰度计算模块，用于将每个所述第二区域的清晰度值相加，得到所述图像的图像清晰度值。

10.一种图像处理设备，其特征在于，包括权利要求9所述的失焦模糊图像的清晰度计算装置。