一種圖像清晰度檢測方法及裝置制造方法
【專利摘要】本發(fā)明提供一種圖像清晰度檢測方法及裝置。本發(fā)明的圖像清晰度檢測方法包括如下步驟：獲取原始圖像，并將所述原始圖像轉(zhuǎn)換為灰度圖像；在所述灰度圖像中選擇M個圖像塊，其中M為大于或等于1的整數(shù)；計算所述M個圖像塊中每個圖像塊的梯度幅度圖并轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，然后計算所述每個圖像塊的清晰度度量值；當(dāng)M=1時，將所述清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果，當(dāng)M>1時，對所有圖像塊的清晰度度量值取均值以獲取綜合清晰度度量，將所述綜合清晰度度量作為所述原始圖像的清晰度檢測結(jié)果。本發(fā)明以邊緣梯度為基礎(chǔ)建立衡量圖像清晰度的指標(biāo)，面對千差萬別的圖像場景，具有通用性。
【專利說明】一種圖像清晰度檢測方法及裝置
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種圖像清晰度檢測方法及裝置。
【背景技術(shù)】
[0002]實際應(yīng)用中，攝像機或照相機采集到的圖像常常由于各種原因會降低圖像質(zhì)量，造成人眼的視覺感受模糊、不清晰?，F(xiàn)有技術(shù)中常用清晰度評價圖像的質(zhì)量，其中，清晰度是不針對任何特定場景的，由圖像傳感器和鏡頭的客觀性能導(dǎo)致的綜合結(jié)果造成的人們對最終圖像的一種主觀感覺。
[0003]目前，數(shù)碼相機、數(shù)碼攝像機、網(wǎng)絡(luò)攝像頭、帶拍照功能的手機以及平板電腦，其中所有的攝像模塊均由圖像傳感器和鏡頭兩部分組成，為了得到一張成像質(zhì)量清晰度高的圖像，主要通過驅(qū)動鏡頭，實現(xiàn)對焦來完成。對焦的驅(qū)動方法分為手動和自動兩種。當(dāng)采用手動對焦時，通常是由人眼對實時顯示的圖像進行主觀判斷圖像清晰度來完成的。這將受限于取景框和顯示屏幕的尺寸，導(dǎo)致清晰度判斷并不準(zhǔn)確。拍攝得到的圖像經(jīng)放大之后，經(jīng)常發(fā)現(xiàn)并不夠清晰。當(dāng)采用自動對焦時，其原理是基于對某一單峰性的對焦評價函數(shù)進行相對比較來獲取清晰度相對較高的圖像。具體操作中，需要驅(qū)動鏡頭在整個對焦行程內(nèi)前后移動，尋找最大峰值，以確定最佳對焦?fàn)顟B(tài)。當(dāng)拍攝場景不同時，該對焦評價函數(shù)的最大峰值將不再具有可比性，因此無法作為一種通用的圖像清晰度指標(biāo)。
[0004]因此，有必要提供一種不受場景限制的清晰度檢測方法及裝置，從而能夠在任何場景下都能得到具有可比性的清晰度指標(biāo)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的特征和優(yōu)點在下文的描述中部分地陳述，或者可從該描述顯而易見，或者可通過實踐本發(fā)明而學(xué)習(xí)。
[0006]為了克服現(xiàn)有技術(shù)的缺點，本發(fā)明提供一種圖像清晰度檢測方法及裝置，能夠在任何場景下都能對清晰度進行檢測，從而為圖像質(zhì)量判斷提供可靠的參考。
[0007]本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案如下:
[0008]提供一種圖像清晰度檢測方法，包括如下步驟:獲取原始圖像，并將所述原始圖像轉(zhuǎn)換為灰度圖像；在所述灰度圖像中選擇M個圖像塊，其中M為大于或等于I的整數(shù)；計算所述M個圖像塊中每個圖像塊的梯度幅度圖；將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號；根據(jù)所述每個圖像塊的一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號計算所述每個圖像塊的清晰度度量值；當(dāng)M=I時，將所述清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果，當(dāng)M>1時，對所述所有圖像塊的清晰度度量值取均值以獲取綜合清晰度度量，將所述綜合清晰度度量作為所述原始圖像的清晰度檢測結(jié)果。
[0009]提供一種如上所述的方法，所述方法還包括，根據(jù)所述清晰度檢測結(jié)果，結(jié)合給定的經(jīng)驗門限，判定所述原始圖像是否清晰。[0010]提供一種如上所述的方法，所述計算所述M個圖像塊中每個圖像塊的梯度幅度圖，包括:利用梯度算子計算得到所述每個圖像塊水平方向的梯度圖像及垂直方向的梯度圖像，其中，所述梯度算子包括Canny算子、Roberts算子、Prewitt算子或Sobel算子中的一種；根據(jù)所述水平方向的梯度圖像及垂直方向的梯度圖像，計算所述每個圖像塊的梯度幅度圖。
[0011]提供一種如上所述的方法，所述將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，包括:尋找所述梯度幅度的最大值點；以所述最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；計算所述多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值；將所述每個坐標(biāo)位置的梯度幅度值組成一維圖像邊緣梯度幅度信號；提取所述多個坐標(biāo)位置的灰度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值；將所述每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
[0012]提供一種如上所述的方法，所述將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，包括:尋找所述梯度幅度的最大值點；對所述最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合；在所述曲面擬合所得的曲面內(nèi)沿法線方向?qū)ふ襾喯袼丶壸鴺?biāo)位置的梯度幅度最大值點；以所述亞像素級坐標(biāo)位置的梯度幅度最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；計算所述多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值；將所述每個坐標(biāo)位置的梯度幅度值組成一維圖像邊緣梯度幅度信號；提取所述多個坐標(biāo)位置的灰度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值；將所述每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
[0013]提供一種如上所述的方法，對所述最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合，包括:以所述梯度幅度的最大值點為中心，取NXN鄰域，其中N為大于I的整數(shù)；利用Facet模型對所述梯度幅度的最大值點及所述NXN鄰域進行關(guān)于所述梯度幅度的曲面擬合。
[0014]還提供一種圖像清晰度檢測裝置，包括:圖像獲取單元，用于獲取原始圖像；灰度轉(zhuǎn)換單元，用于將所述圖像獲取單元獲取的原始圖像轉(zhuǎn)換為灰度圖像；圖像塊選擇單元，用于在所述灰度轉(zhuǎn)換單元轉(zhuǎn)換的灰度圖像中選擇M個圖像塊，其中M為大于或等于I的整數(shù)；梯度計算單元，用于計算出所述圖像塊選擇單元選擇的每個圖像塊的梯度幅度圖；一維信號提取單元，用于根據(jù)所述梯度計算單元計算的每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號；度量值計算單元，用于根據(jù)所述一維信號提取單元獲取的每個圖像塊的一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號計算所述每個圖像塊的清晰度度量值；結(jié)果處理單元，用于在當(dāng)M=I時，將所述度量值計算單元計算的清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果，以及在當(dāng)M>1時，對所述度量值計算單元計算得到的所有圖像塊的清晰度度量值取均值以獲取綜合清晰度度量，將所述綜合清晰度度量作為所述原始圖像的清晰度檢測結(jié)果。
[0015]提供一種如上所述的圖像清晰度檢測裝置，所述裝置還包括:判斷單元，用于根據(jù)所述結(jié)果處理單元獲取的清晰度檢測結(jié)果，結(jié)合給定的經(jīng)驗門限，判定所述原始圖像是否清晰。
[0016]提供一種如上所述的圖像清晰度檢測裝置，所述梯度計算單元包括:梯度算子模塊，用于利用梯度算子計算得到所述每個圖像塊水平方向的梯度圖像及垂直方向的梯度圖像，其中，所述梯度算子包括Canny算子、Roberts算子、Prewitt算子或Sobel算子中的一種；計算模塊，用于根據(jù)所述梯度算子模塊計算的水平方向的梯度圖像及垂直方向的梯度圖像，計算所述每個圖像塊的梯度幅度圖。
[0017]提供一種如上所述的圖像清晰度檢測裝置，所述一維信號提取單元包括:查找模塊，用于尋找所述梯度幅度的最大值點；坐標(biāo)位置獲取模塊，用于以所述查找模塊尋找的最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；梯度幅度值獲取模塊，用于計算所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值；一維圖像邊緣梯度幅度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的梯度幅度值，組成一維圖像邊緣梯度幅度信號；灰度值獲取模塊，用于提取所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值；一維圖像邊緣灰度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
[0018]提供一種如上所述的圖像清晰度檢測裝置，所述一維信號提取單元包括:第一查找模塊，用于尋找所述梯度幅度的最大值點；擬合模塊，用于對所述第一查找模塊尋找的最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合；第二查找模塊，用于在所述擬合模塊進行曲面擬合所得的曲面內(nèi)沿法線方向?qū)ふ襾喯袼丶壸鴺?biāo)位置的梯度幅度最大值點；坐標(biāo)位置獲取模塊，用于以所述第二查找模塊獲取的亞像素級坐標(biāo)位置的梯度幅度最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；梯度幅度值獲取模塊，用于計算所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值；一維圖像邊緣梯度幅度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的梯度幅度值，組成一維圖像邊緣梯度幅度信號；灰度值獲取模塊，用于提取所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值；一維圖像邊緣灰度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
[0019]提供一種如上所述的圖像清晰度檢測裝置，所述擬合模塊包括:鄰域獲取子模塊，用于以所述第一查找模塊尋找的最大值點為中心，取NXN鄰域，其中N為大于I的整數(shù)；曲面擬合子模塊，用于利用Facet模型對所述梯度幅度的最大值點及所述鄰域獲取子模塊獲取的NXN鄰域進行關(guān)于所述梯度幅度的曲面擬合。
[0020]與現(xiàn)有技術(shù)相比，本發(fā)明提供的一種圖像清晰度檢測方法及裝置，以邊緣梯度為基礎(chǔ)建立衡量圖像清晰度的指標(biāo)，面對不同的圖像場景，具有通用性；同時將二維圖像處理轉(zhuǎn)化為一維信號處理，提高了算法的處理速度，具有實時性；并且以邊緣所處的灰度范圍對邊緣梯度進行歸一化處理，可以使清晰度指標(biāo)在不同亮度和對比度情況下具有可比性。
[0021]通過閱讀說明書，本領(lǐng)域普通技術(shù)人員將更好地了解這些技術(shù)方案的特征和內(nèi)容。
【專利附圖】

【附圖說明】
[0022]下面通過參考附圖并結(jié)合實例具體地描述本發(fā)明，本發(fā)明的優(yōu)點和實現(xiàn)方式將會更加明顯，其中附圖所示內(nèi)容僅用于對本發(fā)明的解釋說明，而不構(gòu)成對本發(fā)明的任何意義上的限制，在附圖中:
[0023]圖1為本發(fā)明實施例一提供的一種圖像清晰度檢測方法的流程示意圖。
[0024]圖2為本發(fā)明實施例二提供的一種圖像清晰度檢測方法的流程示意圖。
[0025]圖3為本發(fā)明實施例三提供的一種圖像清晰度檢測方法的流程示意圖。
[0026]圖4為本發(fā)明實施例四提供的一種圖像清晰度檢測裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0027]請參閱圖1，本發(fā)明實施例一提供的圖像清晰度檢測方法包括如下步驟:
[0028]S110、獲取原始圖像，并將所述原始圖像轉(zhuǎn)換為灰度圖像。
[0029]S120、在所述灰度圖像中選擇M個圖像塊，其中M為大于或等于I的整數(shù)。
[0030]S130、計算所述M個圖像塊中每個圖像塊的梯度幅度圖。
[0031]S140、將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號。
[0032]S150、根據(jù)所述每個圖像塊的一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號計算所述每個圖像塊的清晰度度量值。
[0033]S160、當(dāng)M=I時，將所述清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果，當(dāng)M>1時，對所述所有圖像塊的清晰度度量值取均值以獲取綜合清晰度度量，將所述綜合清晰度度量作為所述原始圖像的清晰度檢測結(jié)果。
[0034]進一步的，所述方法還包括，根據(jù)所述清晰度檢測結(jié)果，結(jié)合給定的經(jīng)驗門限，判定所述原始圖像是否清晰。
[0035]進一步的，所述計算所述M個圖像塊中每個圖像塊的梯度幅度圖，包括:
[0036]利用梯度算子計算得到所述每個圖像塊水平方向的梯度圖像及垂直方向的梯度圖像，其中，所述梯度算子包括Canny算子、Roberts算子、Prewitt算子或Sobel算子中的一種；
[0037]根據(jù)所述水平方向的梯度圖像及垂直方向的梯度圖像，計算所述每個圖像塊的梯度幅度圖。[0038]進一步的，所述將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，包括:
[0039]尋找所述梯度幅度的最大值點；
[0040]以所述最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；
[0041]計算所述多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值；
[0042]將所述每個坐標(biāo)位置的梯度幅度值組成一維圖像邊緣梯度幅度信號；
[0043]提取所述多個坐標(biāo)位置的灰度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值；
[0044]將所述每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
[0045]進一步的，所述將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，包括:
[0046]尋找所述梯度幅度的最大值點；
[0047]對所述最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合；
[0048]在所述曲面擬合所得的曲面內(nèi)沿法線方向?qū)ふ襾喯袼丶壸鴺?biāo)位置的梯度幅度最大值點；
[0049]以所述亞像素級坐標(biāo)位置的梯度幅度最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；
[0050]計算所述多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值；
[0051]將所述每個坐標(biāo)位置的梯度幅度值組成一維圖像邊緣梯度幅度信號；
[0052]提取所述多個坐標(biāo)位置的灰度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值；
[0053]將所述每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
[0054]具體的，所述對所述最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合，包括，
[0055]以所述梯度幅度的最大值點為中心，取NXN鄰域，其中N為大于I的整數(shù)；
[0056]利用Facet模型對所述梯度幅度的最大值點及所述NXN鄰域進行關(guān)于所述梯度幅度的曲面擬合。
[0057]本實施例提供的一種圖像清晰度檢測方法，以邊緣梯度為基礎(chǔ)建立衡量圖像清晰度的指標(biāo)，面對不同的圖像場景，具有通用性；將二維圖像處理轉(zhuǎn)化為一維信號處理，提高了算法的處理速度，具有實時性；并且以邊緣所處的灰度范圍對邊緣梯度進行歸一化處理，可以使清晰度指標(biāo)在不同亮度和對比度情況下具有可比性。
[0058]請參閱圖2，本發(fā)明實施例二提供的圖像清晰度檢測方法包括如下步驟:
[0059]S210、獲取由攝像頭拍攝得到的原始圖像。[0060]S220、將所述原始圖像轉(zhuǎn)換為灰度圖像I。
[0061]S230、計算灰度圖像I的梯度幅度圖。
[0062]具體的，可以對灰度圖像I運用梯度算子計算得到圖像梯度，其中，圖像梯度包括水平方向的梯度圖像Gx和垂直方向的梯度圖像Gy，并由此求取梯度幅度圖:
【權(quán)利要求】
1.一種圖像清晰度檢測方法，其特征在于，包括如下步驟: 獲取原始圖像，并將所述原始圖像轉(zhuǎn)換為灰度圖像； 在所述灰度圖像中選擇M個圖像塊，其中M為大于或等于I的整數(shù)； 計算所述M個圖像塊中每個圖像塊的梯度幅度圖； 將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號； 根據(jù)所述每個圖像塊的一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號計算所述每個圖像塊的清晰度度量值； 當(dāng)M=I時，將所述清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果，當(dāng)M>1時，對所有圖像塊的清晰度度量值取均值以獲取綜合清晰度度量值，將所述綜合清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果。
2.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括，根據(jù)所述清晰度檢測結(jié)果，結(jié)合給定的經(jīng)驗門限，判定所述原始圖像是否清晰。
3.如權(quán)利要求1或2所述的方法，其特征在于，所述計算所述M個圖像塊中每個圖像塊的梯度幅度圖，包括: 利用梯度算子計算得到所述每個圖像塊水平方向的梯度圖像及垂直方向的梯度圖像，其中，所述梯度算子包括Canny算子、Roberts算子、Prewitt算子或Sobel算子中的一種；根據(jù)所述水平方向的梯度圖像及垂直方向的梯度圖像，計算所述每個圖像塊的梯度幅度圖。
4.如權(quán)利要求1或2所述的方法，其特征在于，所述將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，包括: 尋找所述梯度幅度的最大值點； 以所述最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置； 計算所述多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值； 將所述每個坐標(biāo)位置的梯度幅度值組成一維圖像邊緣梯度幅度信號； 提取所述多個坐標(biāo)位置的灰度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值； 將所述每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
5.如權(quán)利要求1或2所述的方法，其特征在于，所述將所述每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號，包括: 尋找所述梯度幅度的最大值點； 對所述最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合； 在所述曲面擬合所得的曲面內(nèi)沿法線方向?qū)ふ襾喯袼丶壸鴺?biāo)位置的梯度幅度最大值占.以所述亞像素級坐標(biāo)位置的梯度幅度最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置；計算所述多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值； 將所述每個坐標(biāo)位置的梯度幅度值組成一維圖像邊緣梯度幅度信號； 提取所述多個坐標(biāo)位置的灰度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值； 將所述每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
6.如權(quán)利要求5項所述的方法，其特征在于，所述對所述最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合，包括: 以所述梯度幅度的最大值點為中心，取NXN鄰域，其中N為大于I的整數(shù)； 利用Facet模型對所述梯度幅度的最大值點及所述NXN鄰域進行關(guān)于所述梯度幅度的曲面擬合。
7.一種圖像清晰度檢測裝置，其特征在于，包括: 圖像獲取單元，用于獲取原始圖像； 灰度轉(zhuǎn)換單元，用 于將所述圖像獲取單元獲取的原始圖像轉(zhuǎn)換為灰度圖像； 圖像塊選擇單元，用于在所述灰度轉(zhuǎn)換單元轉(zhuǎn)換的灰度圖像中選擇M個圖像塊，其中M為大于或等于I的整數(shù)； 梯度計算單元，用于計算出所述圖像塊選擇單元選擇的每個圖像塊的梯度幅度圖；一維信號提取單元，用于將所述梯度計算單元計算的每個圖像塊的梯度幅度圖轉(zhuǎn)換為一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號； 度量值計算單元，用于根據(jù)所述一維信號提取單元獲取的每個圖像塊的一維圖像邊緣梯度幅度信號及一維圖像邊緣灰度信號計算所述每個圖像塊的清晰度度量值； 結(jié)果處理單元，用于在M=I時，將所述度量值計算單元計算的清晰度度量值作為所述原始圖像的清晰度檢測結(jié)果，以及在M>1時，對所述度量值計算單元計算得到的所有圖像塊的清晰度度量值取均值以獲取綜合清晰度度量，將所述綜合清晰度度量作為所述原始圖像的清晰度檢測結(jié)果。
8.如權(quán)利要求7所述的圖像清晰度檢測裝置，其特征在于，所述裝置還包括: 判斷單元，用于根據(jù)所述結(jié)果處理單元獲取的清晰度檢測結(jié)果，結(jié)合給定的經(jīng)驗門限，判定所述原始圖像是否清晰。
9.如權(quán)利要求7或8所述的圖像清晰度檢測裝置，其特征在于，所述梯度計算單元包括: 梯度算子模塊，用于利用梯度算子計算得到所述每個圖像塊水平方向的梯度圖像及垂直方向的梯度圖像，其中，所述梯度算子包括Canny算子、Roberts算子、Prewitt算子或Sobel算子中的一種； 計算模塊，用于根據(jù)所述梯度算子模塊計算的水平方向的梯度圖像及垂直方向的梯度圖像，計算所述每個圖像塊的梯度幅度圖。
10.如權(quán)利要求7或8所述的圖像清晰度檢測裝置，其特征在于，所述一維信號提取單元包括:查找模塊，用于尋找所述梯度幅度的最大值點； 坐標(biāo)位置獲取模塊，用于以所述查找模塊尋找的最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置； 梯度幅度值獲取模塊，用于計算所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否貝U，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值； 一維圖像邊緣梯度幅度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的梯度幅度值，組成一維圖像邊緣梯度幅度信號； 灰度值獲取模塊，用于提取所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值； 一維圖像邊緣灰度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
11.如權(quán)利要求7或8所述的圖像清晰度檢測裝置，其特征在于，所述一維信號提取單元包括: 第一查找模塊，用于尋找所述梯度幅度的最大值點； 擬合模塊，用于對所述第一查找模塊尋找的最大值點及其鄰域像素坐標(biāo)位置進行關(guān)于所述梯度幅度的曲面擬合； 第二查找模塊，用于在所述擬合模塊進行曲面擬合所得的曲面內(nèi)沿法線方向?qū)ふ襾喯袼丶壸鴺?biāo)位置的梯度幅度最大值點； 坐標(biāo)位置獲取模塊，用于以所述第二查找模塊獲取的亞像素級坐標(biāo)位置的梯度幅度最大值點為中心，沿法線方向，向兩側(cè)各取等間距的多個坐標(biāo)位置； 梯度幅度值獲取模塊，用于計算所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的梯度幅度值，否貝U，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的梯度幅度值進行插值處理，得到每個坐標(biāo)位置的梯度幅度值； 一維圖像邊緣梯度幅度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的梯度幅度值，組成一維圖像邊緣梯度幅度信號； 灰度值獲取模塊，用于提取所述坐標(biāo)位置獲取模塊獲取的多個坐標(biāo)位置的梯度幅度值:如果所述多個坐標(biāo)位置是像素坐標(biāo)位置，則直接提取每個坐標(biāo)位置的灰度值，否則，利用所述多個坐標(biāo)位置的相鄰像素坐標(biāo)位置的灰度值進行插值處理，得到每個坐標(biāo)位置的灰度值； 一維圖像邊緣灰度信號構(gòu)成模塊，用于將所述梯度幅度值獲取模塊得到的每個坐標(biāo)位置的灰度值組成一維圖像邊緣灰度信號。
12.如權(quán)利要求11所述的圖像清晰度檢測裝置，其特征在于，所述擬合模塊包括: 鄰域獲取子模塊，用于以所述第一查找模塊尋找的最大值點為中心，取NXN鄰域，其中N為大于I的整數(shù)；曲面擬合子模塊，用于利用Facet模型對所述梯度幅度的最大值點及所述鄰域獲取子模塊獲 取的NXN鄰域進行關(guān)于所述梯度幅度的曲面擬合。
【文檔編號】G06T7/00GK103793918SQ201410081878
【公開日】2014年5月14日 申請日期:2014年3月7日 優(yōu)先權(quán)日:2014年3月7日
【發(fā)明者】范艷根, 秦文 申請人:深圳市辰卓科技有限公司