[發(fā)明專利]一種應(yīng)用于智能終端的圖像模糊度評(píng)價(jià)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410473073.2
• 申請(qǐng)日: 2014-09-17
• 公開（公告）號(hào): CN104200480B
• 公開（公告）日: 2017-10-03
• 發(fā)明（設(shè)計(jì)）人: 劉剛;楊芳;張媛;朱鵬
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)寧波信息技術(shù)研究院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11350
• 代理人: 湯東鳳

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，尤其涉及一種應(yīng)用于智能終端的圖像模糊度評(píng)價(jià)方法及系統(tǒng)。

背景技術(shù)

模糊度是圖像質(zhì)量的一個(gè)重要的衡量指標(biāo)，圖像的模糊度評(píng)價(jià)是圖像質(zhì)量評(píng)價(jià)領(lǐng)域的重要研究課題。不少已有的傳統(tǒng)模糊度評(píng)價(jià)方法建立在待評(píng)價(jià)圖像自身的結(jié)構(gòu)特點(diǎn)上，比如邊緣信息、紋理特征等，可以歸納為一種絕對(duì)的評(píng)價(jià)方法，這樣帶來(lái)的問(wèn)題就是評(píng)價(jià)方法對(duì)內(nèi)容有了依賴性，只能局限于比較相同內(nèi)容圖像的模糊度，后來(lái)一些可以用于評(píng)價(jià)不同內(nèi)容圖像模糊度的方法復(fù)雜性較高，實(shí)時(shí)性較差。隨著可拍照智能終端的普及，人們?cè)絹?lái)越多地通過(guò)圖像來(lái)獲取存儲(chǔ)信息，因此快速對(duì)獲取的圖像進(jìn)行模糊度評(píng)價(jià)不但能夠豐富智能終端圖像獲取系統(tǒng)的功能、評(píng)估設(shè)備的硬件性能，對(duì)獲取高質(zhì)量圖像也具有重要意義。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供一種應(yīng)用于智能終端的圖像模糊度評(píng)價(jià)方法，旨在解決傳統(tǒng)的評(píng)價(jià)方法不能用于評(píng)價(jià)不同內(nèi)容的圖像模糊度的難題。

本發(fā)明實(shí)施例的另一個(gè)目的在于提供一種應(yīng)用于智能終端的高效便捷的圖像模糊度評(píng)價(jià)系統(tǒng)，該應(yīng)用于智能終端的圖像模糊度評(píng)價(jià)系統(tǒng)包括：用于獲取圖像，并計(jì)算濾波前后圖像統(tǒng)計(jì)信息比值的模糊度評(píng)價(jià)模塊和與模糊度評(píng)價(jià)模塊連接，用于得出最終圖像和圖像模糊度評(píng)價(jià)指標(biāo)的模糊度調(diào)整模塊。

本實(shí)施例是這樣實(shí)現(xiàn)的，一種應(yīng)用于智能終端的圖像模糊度評(píng)價(jià)系統(tǒng)，選擇android開發(fā)環(huán)境進(jìn)行該應(yīng)用系統(tǒng)開發(fā)，該系統(tǒng)包括兩個(gè)模塊：用于獲取圖像，并計(jì)算濾波前后圖像統(tǒng)計(jì)信息比值作為評(píng)價(jià)指標(biāo)的模糊度評(píng)價(jià)模塊和與模糊度評(píng)價(jià)模塊連接，用于得出最終圖像和圖像模糊度評(píng)價(jià)值的模糊度調(diào)整模塊。然后將開發(fā)好的.app文件嵌入到基于安卓系統(tǒng)的智能終端，本實(shí)施例選擇為安卓手機(jī)。

進(jìn)一步，模糊度評(píng)價(jià)模塊的工作流程包括：

步驟一，圖像獲取，通過(guò)智能終端的成像設(shè)備拍照或者直接從內(nèi)存圖像庫(kù)獲取待評(píng)價(jià)圖像；

步驟二，圖像灰度化，為方便下面圖像的邊緣提取，利用數(shù)字圖像處理中 RGB圖像R、G、B三通道像素值與灰度圖像像素值轉(zhuǎn)換關(guān)系將彩色圖像轉(zhuǎn)化為灰度圖像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

步驟三，圖像邊緣提取，利用圖像處理方法中Roberts算子邊緣檢測(cè)技術(shù)作用于灰度圖像獲取圖像的邊緣；

步驟四，圖像處理，利用高通/低通濾波器對(duì)圖像進(jìn)行濾波處理以構(gòu)造待評(píng)價(jià)圖像的參考圖像；

步驟五，圖像邊緣統(tǒng)計(jì)信息計(jì)算，分別計(jì)算圖像濾波前后邊緣灰度信息：邊緣像素與以邊緣像素為中心的某鄰域內(nèi)其他像素的絕對(duì)加權(quán)像素差之和，這個(gè)邊緣灰度信息作為計(jì)算圖像受濾波器影響大小的評(píng)測(cè)值；

步驟六，圖像模糊度指標(biāo)計(jì)算，如步驟五所計(jì)算，將圖像濾波前后邊緣灰度統(tǒng)計(jì)信息的比值作為模糊度指標(biāo)。

進(jìn)一步，圖像模糊度調(diào)整模塊的工作流程包括：

步驟一，得出模糊度調(diào)整范圍，利用上述步驟一中的模糊度評(píng)價(jià)方法評(píng)價(jià) LIVE2中的174幅高斯模糊圖像，計(jì)算出它們各自的模糊度評(píng)價(jià)值，然后利用擬合工具plot(value,DMOS)建立評(píng)價(jià)值與DMOS之間的映射關(guān)系，根據(jù)最佳視覺效果對(duì)應(yīng)的DMOS范圍得出對(duì)應(yīng)的一個(gè)模糊評(píng)價(jià)值范圍[min，max]；

步驟二，圖像模糊度調(diào)整：評(píng)價(jià)模塊計(jì)算的圖像的模糊度大于max說(shuō)明圖像濾波前后統(tǒng)計(jì)量變化不大即圖像過(guò)于模糊，利用高通濾波器進(jìn)行濾波處理，反之，小于min說(shuō)明統(tǒng)計(jì)量變化很大即原始圖像過(guò)于清晰，利用低通濾波器進(jìn)行濾波處理；

步驟三，得出最終圖像和該圖像的模糊度評(píng)價(jià)指標(biāo)。

進(jìn)一步，濾波器處理圖像不是單一方式處理整幅評(píng)價(jià)圖像，而是鑒于圖像的邊界和中心像素由于位置的不同導(dǎo)致濾波器對(duì)其處理方式的不同，根據(jù)濾波器模板大小相應(yīng)地忽略邊界像素后再利用濾波器處理圖像，然后對(duì)于邊界像素采取原始像素填充。

進(jìn)一步，圖像模糊度評(píng)價(jià)模塊工作流程的步驟六中評(píng)價(jià)指標(biāo)計(jì)算濾波器對(duì)待評(píng)價(jià)原始圖像的影響值作為評(píng)價(jià)依據(jù)：邊緣灰度統(tǒng)計(jì)信息的比值作為評(píng)價(jià)指標(biāo)，這個(gè)比值越大說(shuō)明兩者相比變化不大，圖像受濾波器影響越小，待評(píng)價(jià)圖像越模糊，反之比值越小，圖像越清晰。

本發(fā)明提供的應(yīng)用于智能終端的圖像模糊度評(píng)價(jià)方法，不同于傳統(tǒng)的評(píng)價(jià)方法建立在待評(píng)價(jià)圖像自身結(jié)構(gòu)特點(diǎn)基礎(chǔ)上，從相對(duì)評(píng)價(jià)的角度出發(fā)，利用濾波器構(gòu)造待評(píng)價(jià)圖像的參考圖像，計(jì)算變化前后圖像邊緣統(tǒng)計(jì)信息的比值作為評(píng)價(jià)指標(biāo)。本發(fā)明的原理簡(jiǎn)單，實(shí)現(xiàn)了圖像模糊度評(píng)價(jià)的內(nèi)容無(wú)關(guān)性和實(shí)時(shí)性，可以快速準(zhǔn)確評(píng)價(jià)比較任何圖像之間的模糊度。

附圖說(shuō)明