【技术实现步骤摘要】
图像清晰度确定方法及装置、存储介质和电子设备
[0001]本公开涉及图像处理
，具体而言，涉及一种图像清晰度确定方法、图像清晰度确定装置、计算机可读存储介质和电子设备。
技术介绍
[0002]随着带有拍摄功能的电子设备的普及，越来越多的用户使用电子设备来获取图像。在应用中，往往需要对拍摄到的图像进行算法处理，以满足不同场景的需求。以人脸图像为例，在拍摄到原始人脸图像后，可以进行美颜、补妆、背景虚化等后续处理。
[0003]由于拍摄场景的不同和不同电子设备相机的差异，拍摄得到的图像的清晰度可能存在较大差异，而在后续处理过程中，并未对图像的清晰度加以区分，导致可能出现图像处理效果差的问题。
[0004]为了解决此问题，可以在后续处理之前确定出图像的清晰度，再根据清晰度来进行差异化处理。然而，目前确定图像清晰度的过程鲁棒性差。
技术实现思路
[0005]本公开提供一种图像清晰度确定方法、图像清晰度确定装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服确定图像清晰度的过程鲁棒性差的问题。
[0006]根据本公开的第一方面，提供了一种图像清晰度确定方法，包括：提取目标对象图像的轮廓信息，对轮廓信息进行梯度计算，得到第一梯度值；基于噪声梯度阈值和过程参数值，确定梯度统计值；其中，过程参数值基于轮廓信息的水平梯度和垂直梯度确定出；对目标对象图像进行梯度计算，得到第二梯度值；结合第一梯度值、梯度统计值、第二梯度值以及目标对象图像的尺寸信息，计算目标对象图像的清晰度评分。>[0007]根据本公开的第二方面，提供了一种图像清晰度确定装置，包括：第一梯度计算模块，用于提取目标对象图像的轮廓信息，对轮廓信息进行梯度计算，得到第一梯度值；梯度统计确定模块，用于基于噪声梯度阈值和过程参数值，确定梯度统计值；其中，过程参数值基于轮廓信息的水平梯度和垂直梯度确定出；第二梯度计算模块，用于对目标对象图像进行梯度计算，得到第二梯度值；清晰度评分计算模块，用于结合第一梯度值、梯度统计值、第二梯度值以及目标对象图像的尺寸信息，计算目标对象图像的清晰度评分。
[0008]根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的图像清晰度确定方法。
[0009]根据本公开的第四方面，提供了一种电子设备，包括处理器；存储器，用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得所述处理器实现上述的图像清晰度确定方法。
[0010]在本公开的一些实施例所提供的技术方案中，提取目标对象图像的轮廓信息，得到与轮廓信息对应的第一梯度值，基于轮廓信息的水平梯度和垂直梯度而确定出的梯度统计值以及一噪声梯度阈值，确定出梯度统计值，直接根据目标对象图像得到第二梯度值，再
结合第一梯度值、梯度统计值和第二梯度值以及目标对象图像尺寸信息来计算目标对象图像的清晰度评分。本公开方案得到的图像清晰度评分是基于图像本身的特性而确定出，无需利用其他参考数据，算法鲁棒性强，可以得到鲁棒的图像清晰度评价结果。另外，基于本公开得到的图像清晰度来进行后续图像处理，可以提升后续图像处理效果。
[0011]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0012]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：
[0013]图1示出了本公开实施例的图像清晰度确定方案的示例性系统架构的示意图；
[0014]图2示出了适于用来实现本公开实施例的电子设备的结构示意图；
[0015]图3示意性示出了根据本公开示例性实施方式的图像清晰度确定方法的流程图；
[0016]图4示出了本公开实施例的计算清晰度评分的示意性框图；
[0017]图5示意性示出了根据本公开一个实施例的确定人脸图像清晰度的整个过程的流程图；
[0018]图6示意性示出了利用评分因子得到人脸图像清晰度的流程图；
[0019]图7示意性示出了根据本公开示例性实施方式的图像清晰度确定装置的方框图；
[0020]图8示意性示出了根据另一本公开示例性实施方式的图像清晰度确定装置的方框图。
具体实施方式
[0021]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
[0022]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0023]附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况
改变。另外，下面所有的术语“第一”、“第二”、“第三”仅是为了区分的目的，不应作为本公开内容的限制。
[0024]在确定图像清晰度的一些技术中，需要结合除图像本身之外的辅助信息来计算清晰度，这些辅助信息如参考图像、多帧视频信息等，并且仅对小尺寸的对象生效，鲁棒性受限，无法满足拍摄高分辨率图像的场景需求。
[0025]鉴于此，本公开提供了一种新的图像清晰度确定方案。
[0026]图1示出了本公开实施例的图像清晰度确定方案的示例性系统架构的示意图。
[0027]如图1所示，系统架构可以包括终端设备11和服务器12。终端设备11与服务器12可以通过网络连接，网络的连接类型可以例如包括有线、无线通信链路或者光纤电缆等。
[0028]应当理解，终端设备11和服务器12的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备和服务器。比如服务器12可以是多个服务器组成的服务器集群等。服务器12还可以被称为云端或云端服务器。
[0029]终端设备11可以通过网络与服务器12交互，以接收或发送消息等。虽然图1中以智能手机本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像清晰度确定方法，其特征在于，包括：提取目标对象图像的轮廓信息，对所述轮廓信息进行梯度计算，得到第一梯度值；基于噪声梯度阈值和过程参数值，确定梯度统计值；其中，所述过程参数值基于所述轮廓信息的水平梯度和垂直梯度确定出；对所述目标对象图像进行梯度计算，得到第二梯度值；结合所述第一梯度值、所述梯度统计值、所述第二梯度值以及所述目标对象图像的尺寸信息，计算所述目标对象图像的清晰度评分。2.根据权利要求1所述的图像清晰度确定方法，其特征在于，结合所述第一梯度值、所述梯度统计值、所述第二梯度值以及所述目标对象图像的尺寸信息，计算所述目标对象图像的清晰度评分，包括：利用所述第一梯度值和所述第二梯度值，计算第一评分因子；利用所述第一梯度值、所述第二梯度值和所述目标对象图像的尺寸信息，计算第二评分因子；利用所述第一梯度值、所述梯度统计值和所述第二梯度值，计算第三评分因子；利用所述第一评分因子、所述第二评分因子和所述第三评分因子，计算所述目标对象图像的清晰度评分。3.根据权利要求2所述的图像清晰度确定方法，其特征在于，利用所述第一评分因子、所述第二评分因子和所述第三评分因子，计算所述目标对象图像的清晰度评分，包括：分别确定所述第一评分因子、所述第二评分因子和所述第三评分因子的权重；对所述第一评分因子、所述第二评分因子和所述第三评分因子进行加权求和，以得到所述目标对象图像的清晰度评分。4.根据权利要求3所述的图像清晰度确定方法，其特征在于，所述第一评分因子的权重和所述第二评分因子与所述目标对象图像对应的感光度呈正相关关系，所述第三评分因子的权重与所述目标对象图像对应的感光度呈负相关关系。5.根据权利要求1所述的图像清晰度确定方法，其特征在于，对所述轮廓信息进行梯度...
【专利技术属性】
技术研发人员：黄加紫，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。