一种应用于智能终端的图像模糊度评价方法及系统技术方案

本发明专利技术公开了一种应用于智能终端的图像模糊度评价方法及系统，包括以下步骤：图像获取；图像灰度化；图像边缘提取；图像处理；图像边缘统计信息计算；图像模糊度指标计算；根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max]；图像模糊度调整；得出最终图像和该图像模糊度评价指标；该应用于智能终端的图像模糊度评价系统包括：模糊度评价模块和模糊度调整模块。本发明专利技术的评价方法从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算滤波处理前后图像边缘统计信息的相对比值作为评价指标，实现了图像模糊度评价的内容无关性和实时性，可以快速准确地评价比较任何图像的模糊度。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种应用于智能终端的图像模糊度评价方法及系统，包括以下步骤：图像获取；图像灰度化；图像边缘提取；图像处理；图像边缘统计信息计算；图像模糊度指标计算；根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围；图像模糊度调整；得出最终图像和该图像模糊度评价指标；该应用于智能终端的图像模糊度评价系统包括：模糊度评价模块和模糊度调整模块。本专利技术的评价方法从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算滤波处理前后图像边缘统计信息的相对比值作为评价指标，实现了图像模糊度评价的内容无关性和实时性，可以快速准确地评价比较任何图像的模糊度。【专利说明】一种应用于智能终端的图像模糊度评价方法及系统
本专利技术属于数字图像处理
，尤其涉及一种应用于智能终端的图像模糊度评价方法及系统。
技术介绍
模糊度是图像质量的一个重要的衡量指标，图像的模糊度评价是图像质量评价领域的重要研究课题。不少已有的传统模糊度评价方法建立在待评价图像自身的结构特点上，比如边缘信息、纹理特征等，可以归纳为一种绝对的评价方法，这样带来的问题就是评价方法对内容有了依赖性，只能局限于比较相同内容图像的模糊度，后来一些可以用于评价不同内容图像模糊度的方法复杂性较高，实时性较差。随着可拍照智能终端的普及，人们越来越多地通过图像来获取存储信息，因此快速对获取的图像进行模糊度评价不但能够丰富智能终端图像获取系统的功能、评估设备的硬件性能，对获取高质量图像也具有重要意义。
技术实现思路
本专利技术实施例的目的在于提供一种应用于智能终端的图像模糊度评价方法，旨在解决传统的评价方法不能用于评价不同内容的图像模糊度的难题。 本专利技术实施例的另一个目的在于提供一种应用于智能终端的高效便捷的图像模糊度评价系统，该应用于智能终端的图像模糊度评价系统包括:用于获取图像，并计算滤波前后图像统计信息比值的模糊度评价模块和与模糊度评价模块连接，用于得出最终图像和图像模糊度评价指标的模糊度调整模块。 本实施例是这样实现的，一种应用于智能终端的图像模糊度评价系统，选择android开发环境进行该应用系统开发，该系统包括两个模块:用于获取图像，并计算滤波前后图像统计信息比值作为评价指标的模糊度评价模块和与模糊度评价模块连接，用于得出最终图像和图像模糊度评价值的模糊度调整模块。然后将开发好的.app文件嵌入到基于安卓系统的智能终端，本实施例选择为安卓手机。 进一步，模糊度评价模块的工作流程包括: 步骤一，图像获取，通过智能终端的成像设备拍照或者直接从内存图像库获取待评价图像； 步骤二，图像灰度化，为方便下面图像的边缘提取，利用数字图像处理中RGB图像R、G、B三通道像素值与灰度图像像素值转换关系将彩色图像转化为灰度图像，公式如下: Gray = R*0.3+G*0.59+Β*0.11 ； 步骤三，图像边缘提取，利用图像处理方法中Roberts算子边缘检测技术作用于灰度图像获取图像的边缘； 步骤四，图像处理，利用高通/低通滤波器对图像进行滤波处理以构造待评价图像的参考图像； 步骤五，图像边缘统计信息计算，分别计算图像滤波前后边缘灰度信息:边缘像素与以边缘像素为中心的某邻域内其他像素的绝对加权像素差之和，这个边缘灰度信息作为计算图像受滤波器影响大小的评测值； 步骤六，图像模糊度指标计算，如步骤五所计算，将图像滤波前后边缘灰度统计信息的比值作为模糊度指标。 进一步，图像模糊度调整模块的工作流程包括: 步骤一，得出模糊度调整范围，利用上述步骤一中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot (value, DM0S)建立评价值与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围； 步骤二，图像模糊度调整:评价模块计算的图像的模糊度大于max说明图像滤波前后统计量变化不大即图像过于模糊，利用高通滤波器进行滤波处理，反之，小于min说明统计量变化很大即原始图像过于清晰，利用低通滤波器进行滤波处理； 步骤三，得出最终图像和该图像的模糊度评价指标。 进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充。 进一步，图像模糊度评价模块工作流程的步骤六中评价指标计算滤波器对待评价原始图像的影响值作为评价依据:边缘灰度统计信息的比值作为评价指标，这个比值越大说明两者相比变化不大，图像受滤波器影响越小，待评价图像越模糊，反之比值越小，图像越清晰。 本专利技术提供的应用于智能终端的图像模糊度评价方法，不同于传统的评价方法建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标。本专利技术的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。 【专利附图】【附图说明】 图1是本专利技术实施例提供的应用于智能终端的图像模糊度评价方法流程图； 图2是本专利技术实施例提供的应用于智能终端的图像模糊度评价方法概要流程示意图； 图3是本专利技术实施例提供的应用于智能终端的图像模糊度评价系统流程示意图； 图4是本专利技术实施例提供的应用于智能终端的图像模糊度评价系统嵌入安卓手机的应用界面不意图； 图5是本专利技术实施例提供的应用于智能终端的图像模糊度评价系统嵌入安卓设备数据操作流程图； 图6是本专利技术实施例提供的模糊度评价方法用于数字图像处理领域常用的LIVE2图像库中高斯模糊图像集合时的利用低通滤波器处理图像的评价指标与DMOS值的散点拟合图； 图7是本专利技术实施例提供的模糊度评价方法用于数字图像处理领域常用的LIVE2图像库中高斯模糊图像集合时的利用高通滤波器处理图像的评价指标与DMOS值的散点拟合图。 【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。 下面结合附图及具体实施例对本专利技术的应用原理作进一步描述。 如图1所示，本专利技术实施例的应用于智能终端的图像模糊度评价方法具体包括以下步骤: SlOl:图像获取，通过成像设备或者内存图像库获取待评价图像； S102:图像灰度化，将彩色图像转化为灰度图像； S103:图像边缘提取，利用边缘检测技术获取图像的边缘； S104:图像处理，利用高通/低通滤波器对图像进行滤波； S105:图像边缘统计信息计算，分别计算图像滤波前后边缘灰度信息； S106:图像模糊度指标计算，图像滤波前后统计信息的比值作为模糊度指标； S107:根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围； S108:图像模糊度调整，若图像模糊度指标大于max，则利用高通滤波器进行滤波调整；若小于min，则利用低通滤波器进行滤波调整，以达到最佳视觉效果； S109:得出本文档来自技高网...

【技术保护点】
一种应用于智能终端的图像模糊度评价方法，其特征在于，该应用于智能终端的图像模糊度评价方法包括模糊度评价和模糊度调整；具体包括以下步骤：步骤一，图像获取，通过智能手机，笔记本电脑，掌上电脑，平板电脑等可拍照智能终端的成像设备拍照或者直接从其内存图像库选择获取待评价图像；步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：Gray＝R*0.3+G*0.59+B*0.11；步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，我们根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：E(i,j)＝|F(i,j)‑F(i+1,j+1)|+|F(i+1,j)‑F(i,j+1)|；步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：19×111111111;]]>步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：sum_orig＝w1×(|F(i,j)‑F(i‑1,j)|+|F(i,j)‑F(i,j‑1)|+|F(i,j)‑F(i,j+1)|+|F(i,j)‑F(i+1,j)|)          ，+w2×(|F(i,j)‑F(i‑1,j‑1)|+|F(i,j)‑F(i‑1,j+1)|+|F(i,j)‑F(i+1,j‑1)|+|F(i,j)‑F(i+1,j+1)|)sum_filter＝w1×(|F2(i,j)‑F2(i‑1,j)|+|F2(i,j)‑F2(i,j‑1)|+|F2(i,j)‑F2(i,j+1)|+|F2(i,j)‑F2(i+1,j)|)          ，+w2×(|F2(i,j)‑F2(i‑1,j‑1)|+|F2(i,j)‑F2(i‑1,j+1)|+|F2(i,j)‑F2(i+1,j‑1)|+|F2(i,j)‑F2(i+1,j+1)|)其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；步骤六，图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；步骤七，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体方法见权利要求书4之步骤一；步骤八，图像模糊度调整，若图像模糊度指标小于min，根据步骤六，说明图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；同理若大于max，说明图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；步骤九，得出最终图像和该图像模糊度评价指标，并显示在智能终端屏幕。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘刚，杨芳，张媛，朱鹏，
申请(专利权)人：西安电子科技大学宁波信息技术研究院，
类型：发明
国别省市：浙江;33