图像模糊度评估方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种图像模糊度评估方法、装置、电子设备和存储介质，其中，该方法包括：获取目标的第一图像序列，其中，第一图像序列用于合成第二图像；基于第一图像序列中的间隔预设帧数的两帧第一图像，得到两帧第一图像中目标的运动矢量；利用目标的运动矢量，对第二图像的模糊度进行评估。通过上述方式，本申请能够量化合成图像的模糊度，且准确性较高。且准确性较高。且准确性较高。

【技术实现步骤摘要】
图像模糊度评估方法、装置、电子设备和存储介质


[0001]本申请涉及图像
，特别是涉及一种图像模糊度评估方法、装置、电子设备和存储介质。

技术介绍

[0002]随着科技的发展，在图像检测领域出现了利用模糊估计(或模糊检测)算法来检测图像的模糊程度，其中，需要不仅能区分清晰图和模糊图，还需要量化模糊图的模糊程度(例如轻微、中度、严重等)。
[0003]当前，采用AI(深度学习)的模糊检测方法相比传统算法可以更有效地解决上述问题。但是，AI算法伴随而来的是对一定规模的标记数据的依赖，如何生产出与实际应用场景匹配的真实模糊图像并且准确地标记其对应的模糊程度一直是行业研究的重点工作。

技术实现思路

[0004]本申请第一方面提供了一种图像模糊度评估方法，该方法包括：获取目标的第一图像序列，其中，第一图像序列用于合成第二图像；基于第一图像序列中的间隔预设帧数的两帧第一图像，得到两帧第一图像中目标的运动矢量；利用目标的运动矢量，对第二图像的模糊度进行评估。
[0005]本申请第二方面提供了一种图像模糊度评估装置，该装置包括：获取模块，用于获取目标的第一图像序列，其中，第一图像序列用于合成第二图像；运动矢量模块，用于基于第一图像序列中的间隔预设帧数的两帧第一图像，得到两帧第一图像中目标的运动矢量；评估模块，用于利用目标的运动矢量，对第二图像的模糊度进行评估。
[0006]本申请第三方面提供了一种电子设备，该电子设备包括处理器以及与处理器连接的存储器，存储器用于存储程序数据，处理器用于执行程序数据以实现前述的方法。
[0007]本申请第四方面提供了一种计算机可读存储介质，该计算机可读存储介质中存储有程序数据，程序数据在被处理器执行时，用以实现前述的方法。
[0008]本申请的有益效果是：区别于现有技术的情况，本申请通过获取目标的第一图像序列，其中，第一图像序列用于合成第二图像，然后基于第一图像序列中的间隔预设帧数的两帧第一图像，得到两帧第一图像中目标的运动矢量，最后利用目标的运动矢量，对第二图像的模糊度进行评估。其中，由于第二图像的模糊是基于第一图像序列的合成，而第二图像的模糊度与目标在第一图像序列中的运动矢量有关，故通过选取第一图像序列中的间隔预设帧数的两帧第一图像并获取目标在所述两帧第一图像中的运动矢量能够反映出第二图像的模糊度，此外基于目标的运动矢量还可以对第二图像的模糊度进行量化，由此，不仅可以获得真实模糊图像，还可以准确对该图像进行标记，且节省了人工标记的成本。
附图说明
[0009]为了更清楚地说明本申请中的技术方案，下面将对实施例描述中所需要的附图作
简单的介绍，显而易见地，下面描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来说，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。其中：
[0010]图1是本申请图像模糊度评估方法一实施例的流程示意图；
[0011]图2是本申请第一图像序列和第二图像的示意图；
[0012]图3是图像模糊度评估方法一实施例的另一流程示意图；
[0013]图4是图1中步骤S13的另一实施方式的流程示意图；
[0014]图5是本申请图像模糊度评估方法另一实施例的流程示意图；
[0015]图6是本申请图像模糊度评估方法又一实施例的流程示意图；
[0016]图7是第一运动矢量和第二运动矢量对应的运动矢量图和第二图像的示意图；
[0017]图8是本申请图像模糊度评估装置一实施例的结构示意框图；
[0018]图9是本申请电子设备一实施例的结构示意框图；
[0019]图10是本申请计算机可读存储介质一实施例的结构示意框图。
具体实施方式
[0020]在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0021]本申请中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]本申请在图像模糊度进行评估之前还提供了两种制作模糊图训练样本方法，如下：
[0023]第一种：模糊图像对应的潜在清晰图像可以通过以下公式建模：
[0024]b＝k*s+n，
[0025]其中，b为模糊图像，k为模糊核，s为潜在清晰图像，n为加性噪声。建立上述模型基础上的模糊图像b，其模糊程度可以用公式中的模糊核k的尺寸大小来直接衡量。因此，我们只需要采用模糊核估计算法获取一批不同类型和不同尺寸的模糊核{k
n
}，再和不同场景下的清晰图做卷积操作，便可以得到不同程度的模糊图训练样本，同时可以通过计算对应的模糊核尺寸来直接标记所生成的模糊图的模糊等级。
[0026]第二种：采用去运动模糊数据集的制作方式。其主要原理是：通过相机的高帧率(如240fps)模式去拍摄运动画面视频，再对视频中连续n帧进行累加平均计算，最后输入CRF(Camera Response Function，相机响应函数)变化后，便可以合成一张运动模糊图像。通过此方法，可以更加准确模拟实际相机拍摄运动目标时模糊产生的过程，因此上述方法合成的模糊图像，其模糊类型和模糊程度更加符合真实的模糊场景。但是，无法对该方式合
成的模糊图像的模糊程度进行量化。
[0027]基于此，本申请提供了一种图像模糊度评估方法，用于评估由第一图像序列合成的第二图像的模糊程度。具体地，可以基于第一图像序列中的间隔预设帧数的两帧第一图像中目标的运动矢量，对第二图像的模糊度进行评估。若目标的运动矢量越大，则合成的第二图像的模糊度就越大，反之，第二图像的模糊度就越小。由此，可以实现模糊图像的模糊度的量化。
[0028]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0029]请参阅图1至图3，图1是本申请图像模糊度评估方法一实施例的流程示意图，图2是本申请第一图像序列和第二图像的示意图，图3是图像模糊度评估方法一实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像模糊度评估方法，其特征在于，包括：获取目标的第一图像序列，其中，所述第一图像序列用于合成第二图像；基于所述第一图像序列中的间隔预设帧数的两帧第一图像，得到所述两帧第一图像中目标的运动矢量；利用所述目标的运动矢量，对所述第二图像的模糊度进行评估。2.根据权利要求1中所述的方法，其特征在于，所述基于所述第一图像序列中的间隔预设帧数的两帧第一图像，得到所述两帧第一图像中目标的运动矢量，包括：对所述第一图像序列中的间隔预设帧数的两帧第一图像进行第一预设处理，得到光流矢量图；基于所述光流矢量图，得到所述两帧第一图像中目标对应的光流长度；所述利用所述目标的运动矢量，对所述第二图像的模糊度进行评估，包括：利用所述目标对应的光流长度，对所述第二图像的模糊度进行评估。3.根据权利要求2中所述的方法，其特征在于，所述第一图像包括多个目标，所述利用所述目标的运动矢量，对所述第二图像的模糊度进行评估，包括：利用多个所述目标对应的光流长度进行预设运算，得到光流统计值；利用所述光流统计值，对所述第二图像的模糊度进行评估。4.根据权利要求2中所述的方法，其特征在于，所述方法还包括：利用所述光流矢量图，得到所述第二图像中像素的模糊度。5.根据权利要求1中所述的方法，其特征在于，所述基于所述第一图像序列中的间隔预设帧数的两帧第一图像，得到所述两帧第一图像中目标的运动矢量，包括：对所述第一图像序列中的间隔预设帧数的两帧第一图像进行第二预设处理，分别得到两帧第一图像中目标的角点特征；将两帧所述第一...

【专利技术属性】
技术研发人员：胡杰，
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：