一种图像清晰度评估方法、装置及电子设备制造方法及图纸

本公开提供了图像清晰度评估方法、装置及电子设备。涉及计算机视觉技术领域，尤其涉及图像清晰度评价技术领域。具体实现方案为：计算目标图像的算法清晰度，作为目标算法清晰度；根据所述目标算法清晰度，确定匹配样本图像中清晰样本图像的占比，作为所述目标图像的视觉清晰度，其中，所述匹配样本图像为算法清晰度与所述目标算法清晰度匹配的样本图像，所述清晰样本图像为标注为清晰的样本图像。能够准确评估图像是否清晰。准确评估图像是否清晰。准确评估图像是否清晰。

【技术实现步骤摘要】
一种图像清晰度评估方法、装置及电子设备


[0001]本公开涉及计算机视觉
，尤其涉及图像清晰度评价


技术介绍

[0002]清晰的图像能够使得用户更容易地从图像中获取信息，因此图像的清晰度是衡量图像质量的重要指标。

技术实现思路

[0003]本公开提供了一种用于准确评估图像是否清晰的方法、装置、设备以及存储介质。根据本公开的第一方面，提供了一种图像清晰度评估方法，包括：
[0004]计算目标图像的算法清晰度，作为目标算法清晰度；
[0005]根据所述目标算法清晰度，确定匹配样本图像中清晰样本图像的占比，作为所述目标图像的视觉清晰度，其中，所述匹配样本图像为算法清晰度与所述目标算法清晰度匹配的样本图像，所述清晰样本图像为标注为清晰的样本图像。
[0006]根据本公开的第二方面，提供了一种图像清晰度评估装置，包括：
[0007]算法清晰度确定模块，用于计算目标图像的算法清晰度，作为目标算法清晰度；
[0008]视觉清晰度确定模块，用于根据所述目标算法清晰度，确定匹配样本图像中清晰样本图像的占比，作为所述目标图像的视觉清晰度，其中，所述匹配样本图像为算法清晰度与所述目标算法清晰度匹配的样本图像，所述清晰样本图像为标注为清晰的样本图像。
[0009]根据本公开的第三方面，提供了一种电子设备，包括：
[0010]至少一个处理器；以及
[0011]与所述至少一个处理器通信连接的存储器；其中，
[0012]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面任一项所述的方法。
[0013]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述第一方面中任一项所述的方法。
[0014]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面中任一项所述的方法。
[0015]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0016]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0017]图1是根据本公开提供的图像清晰度评估方法的一种流程示意图；
[0018]图2是根据本公开提供的用于图像清晰度评估的区间划分方法的一种流程示意
图；
[0019]图3是根据本公开提供的基于图像清晰度评估的图像优化方法的一种流程示意图；
[0020]图4是根据本公开提供的基于图像清晰度评估的图像优化方法的另一种流程示意图；
[0021]图5是根据本公开提供的图像清晰度评估装置的一种结构示意图；
[0022]图6是用来实现本公开实施例的图像清晰度评估方法的电子设备的框图。
具体实施方式
[0023]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0024]为了更清楚地对本公开实施例提供的图像清晰度评估方法进行说明，下面将对本公开提供的图像清晰度评估方法的一种可能的应用场景进行示例性说明。可以理解的是，以下示例仅是本公开提供的图像清晰度评估方法的一种可能的应用场景，在其他可能的实施例中，本公开提供的图像清晰度评估方法也可以应用于其他可能的应用场景中，以下示例对此不做任何限制。
[0025]相比于文字，图像能够以更直观的方式向用户展示信息，因此在活动宣传、文化推广、广告投放等需要向用户展示信息的场景中，经常通过图像展示信息。一方面，模糊的图像将导致用户难以从图像中准确地获取信息，另一方面，模糊的图像由于视觉效果较差难以吸引用户的注意力，导致图像中的信息难以有效地被用户获取。
[0026]因此，为使得图像中的信息能够有效地被用户获取，需要使用清晰的图像。为了确定图像是否清晰，相关技术中按照预设清晰度算法计算图像的算法清晰度，并认为算法清晰度越高的图像越清晰。
[0027]但是，算法清晰度只能够用于衡量哪个图像更为清晰，无法衡量哪个图像是清晰图像。示例性的，假设存在图像A和图像B，图像A的算法清晰度为0.8，图像B的算法清晰度为0.9，则根据算法清晰度仅能够确定图像B比图像A更清晰，但是无法确定图像A是否清晰，也无法确定图像B是否清晰。因此，无法根据算法清晰度进一步确定出清晰的图像。即算法清晰度无法准确反映出图像是否清晰。
[0028]基于此，本公开提供了一种图像清晰度评估方法，该方法可以应用于任意具备图像清晰度评估能力的电子设备上，包括但不限于手机、平板电脑、服务器等。本公开提供的图像清晰度评估方法可以如图1所示，包括：
[0029]S101，计算目标图像的算法清晰度，作为目标算法清晰度。
[0030]S102，根据目标算法清晰度，确定匹配样本图像中清晰样本图像的占比，作为目标图像的视觉清晰度，其中，匹配样本图像为算法清晰度与目标算法清晰度匹配的样本图像，清晰样本图像为标注为清晰的样本图像。
[0031]选用该实施例，通过计算目标图像的目标算法清晰度，而确定匹配样本图像中清晰样本图像的占比，由于匹配样本图像的算法清晰度与目标算法清晰度匹配，因此匹配样
本图像可以认为是清晰程度与目标图像相当的图像，而匹配样本图像中清晰样本图像的占比可以认为是匹配样本图像为清晰图像的概率，而由于目标图像与匹配样本图像的清晰程度相当，所以目标图像为清晰图像的概率也与匹配样本图像为清晰图像的概率相当。因此，得到的视觉清晰度能够反映出目标图像为清晰图像的概率，因此视觉清晰度能够用于衡量目标图像是否清晰。
[0032]示例性的，假设确定得到的占比为80％，并且将确定得到的占比作为目标图像的视觉清晰度，则根据视觉清晰度，可以确定出目标图像有80％概率的为清晰图像，有20％的概率为模糊图像。可见，相比于算法清晰度，本公开确定得到的视觉清晰度能够有效地衡量图像是否清晰。
[0033]为了更清楚地对本公开提供的图像清晰度评估方法进行说明，下面将分别对前述S101
‑
S102进行说明：
[0034]在S101中，可以是按照任意清晰度算法计算得到目标图像的算法清晰度，包括但不限于使用Brenneer(一种用于评价图像清晰度的函数)梯度方法、Tenengrad(另一种用于评价图像清晰度的函数)梯度方法、SMD(灰度方差)方法、SMD2(恢复方差乘积)方法等，本实施例对此不做任何限制。
[0035]根据所使用的清晰度算法的不同，计算得到的算法清晰度的取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像清晰度评估方法，包括：计算目标图像的算法清晰度，作为目标算法清晰度；根据所述目标算法清晰度，确定匹配样本图像中清晰样本图像的占比，作为所述目标图像的视觉清晰度，其中，所述匹配样本图像为算法清晰度与所述目标算法清晰度匹配的样本图像，所述清晰样本图像为标注为清晰的样本图像。2.根据权利要求1所述的方法，其中，算法清晰度被预先划分为多个区间；所述匹配样本图像为算法清晰度与所述目标算法清晰度属于同一区间的样本图像。3.根据权利要求2所述的方法，其中，所述算法清晰度被预先按照以下方式划分为多个区间：计算每个样本图像的算法清晰度；针对每个候选阈值，确定第一类样本图像中清晰样本图像的第一占比，以及第二类样本图像中模糊样本图像的第二占比，其中，所述第一类样本图像为算法清晰度大于所述候选阈值的样本图像，所述第二类样本图像为算法清晰度小于所述候选阈值的样本图像，所述模糊样本图像为标注为模糊的样本图像；根据所述第一占比和所述第二占比，确定得分最高的候选阈值作为目标阈值，所述得分与所述第一占比正相关，并且与所述第二占比正相关；将算法清晰度划分为大于所述目标阈值的区间和不大于所述目标阈值的区间。4.根据权利要求1
‑
3任一所述的方法，还包括：根据预设的图像属性与优化策略的对应关系，确定所述目标图像的图像属性所对应的优化策略，作为目标优化策略，所述图像属性包括视觉清晰度；按照所述目标优化策略对所述目标图像进行优化。5.根据权利要求4所述的方法，其中，所述目标图像为客户端上传的图像；所述按照所述目标优化策略对所述目标图像进行优化，包括：向所述客户端发送用于表示所述目标优化策略的引导信息，以使得所述客户端根据所述引导信息，按照所述目标优化策略对所述目标图像进行优化。6.一种图像清晰度评估装置，包括：算法清晰度确定模块，用于计算目标图像的算法清晰度，作为目标算法清晰度；视觉清晰度确定模块，用于根据所述目标算法清晰度，确定匹配样本图像中清晰样本图像的占比，作为所述目标图像的视觉清晰度，其中，所述匹配样本图像为算法清晰度与所述目标算法清晰度匹配的样本图像，...

【专利技术属性】
技术研发人员：李海涛，王雨，韩露，林振兴，马海娜，王存玮，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：