【技术实现步骤摘要】
本申请涉及计算机，特别涉及一种图像检测方法、装置、电子设备及存储介质。
技术介绍
1、基于深度学习的目标检测算法在计算机视觉领域中，占据着极其重要的地位，可以广泛应用于安防、监控等场景。为了提高目标检测算法的准确率，需要对图像进行模糊检测，从而过滤掉模糊的图像。
2、相关技术中，大多采用有监督的方法检测图像是否模糊。但是，该方法需要大量人工标注，导致效率较低。并且，人工检测具有较强的主观性，无法以统一的标准进行模糊检测，导致图像模糊检测的准确率较低。
技术实现思路
1、为了解决上述现有技术中的问题，本申请实施例提供了一种图像检测方法、装置、电子设备及存储介质，用于提高图像模糊检测的效率和准确率。
2、第一方面，本申请实施例提供了一种图像检测方法，所述方法包括：
3、将待检测图像划分为多个子图像；
4、在所述多个子图像中，确定至少一个待检测子图像；
5、分别对所述至少一个待检测子图像中的每个待检测子图像进行模糊检测，确定所述至少一个待检测子图像中模糊子图像的数量；
6、基于所述模糊子图像的数量与所述待检测子图像的数量的比值，确定所述待检测图像是否为模糊图像。
7、在一种可能的实施方式中，所述在所述多个子图像中，确定至少一个待检测子图像，包括：
8、根据预设的区域类型，在所述待检测图像中确定待检测区域；
9、将所述待检测区域内的子图像，作为所述至少一个待检测子图像。
11、针对所述至少一个待检测子图像中的每个待检测子图像，分别执行如下操作：对待检测子图像进行灰度化处理，得到灰度子图像；
12、使用拉普拉斯算子对所述灰度子图像进行锐化处理，得到拉普拉斯图像；并根据所述拉普拉斯图像的方差，确定所述待检测子图像是否为模糊子图像。
13、在一种可能的实施方式中，所述对待检测子图像进行灰度化处理，得到灰度子图像，包括：
14、对所述待检测子图像进行色域转换，得到所述灰度子图像。
15、在一种可能的实施方式中，所述根据所述拉普拉斯图像的方差，确定所述待检测子图像是否为模糊子图像，包括：
16、若所述拉普拉斯图像的方差小于预设的第一阈值，则确定所述待检测子图像为模糊子图像。
17、在一种可能的实施方式中，所述基于所述模糊子图像的数量与所述待检测子图像的数量的比值，确定所述待检测图像是否为模糊图像，包括：
18、若所述模糊子图像的数量与所述待检测子图像的数量的比值大于预设的第二阈值，则确定所述待检测图像为模糊图像；
19、若所述模糊子图像的数量与所述待检测子图像的数量的比值小于或等于预设的第二阈值，则根据所述至少一个待检测子图像对应的各拉普拉斯图像的方差的均值，确定所述待检测图像是否为模糊图像。
20、在一种可能的实施方式中，所述根据所述至少一个待检测子图像对应的各拉普拉斯图像的方差的均值，确定所述待检测图像是否为模糊图像，包括：
21、若所述至少一个待检测子图像对应的各拉普拉斯图像的方差的均值小于预设的第三阈值，则确定所述待检测图像为模糊图像。
22、第二方面，本申请实施例提供了一种图像检测装置，所述装置包括：
23、划分单元，用于将待检测图像划分为多个子图像；
24、确定单元，用于在所述多个子图像中，确定至少一个待检测子图像；
25、检测单元，用于分别对所述至少一个待检测子图像中的每个待检测子图像进行模糊检测，确定所述至少一个待检测子图像中模糊子图像的数量；
26、基于所述模糊子图像的数量与所述待检测子图像的数量的比值，确定所述待检测图像是否为模糊图像。
27、在一种可能的实施方式中，所述确定单元，具体用于：
28、根据预设的区域类型，在所述待检测图像中确定待检测区域；
29、将所述待检测区域内的子图像，作为所述至少一个待检测子图像。
30、在一种可能的实施方式中，所述检测单元，具体用于：
31、针对所述至少一个待检测子图像中的每个待检测子图像，分别执行如下操作：对待检测子图像进行灰度化处理，得到灰度子图像；
32、使用拉普拉斯算子对所述灰度子图像进行锐化处理，得到拉普拉斯图像；并根据所述拉普拉斯图像的方差，确定所述待检测子图像是否为模糊子图像。
33、在一种可能的实施方式中，所述检测单元，具体用于：
34、对所述待检测子图像进行色域转换，得到所述灰度子图像。
35、在一种可能的实施方式中，所述检测单元，具体用于：
36、若所述拉普拉斯图像的方差小于预设的第一阈值，则确定所述待检测子图像为模糊子图像。
37、在一种可能的实施方式中，所述检测单元，具体用于：
38、若所述模糊子图像的数量与所述待检测子图像的数量的比值大于预设的第二阈值，则确定所述待检测图像为模糊图像；
39、若所述模糊子图像的数量与所述待检测子图像的数量的比值小于或等于预设的第二阈值，则根据所述至少一个待检测子图像对应的各拉普拉斯图像的方差的均值，确定所述待检测图像是否为模糊图像。
40、在一种可能的实施方式中，所述检测单元，具体用于：
41、若所述至少一个待检测子图像对应的各拉普拉斯图像的方差的均值小于预设的第三阈值，则确定所述待检测图像为模糊图像。
42、第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现第一方面图像检测方法中任一项所述的方法。
43、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现第一方面图像检测方法中任一项所述的方法。
44、本申请实施例提供的一种图像检测方法、装置、电子设备及存储介质，可以将待检测图像划分为多个子图像，并在多个子图像中，确定至少一个待检测子图像。基于待检测子图像中模糊子图像的数量与待检测子图像的数量的比值，即待检测子图像中模糊子图像出现的概率，可以确定待检测图像是否为模糊图像。由此，不需要人工进行模糊检测，能够有效地提升图像模糊检测的效率和准确率。
本文档来自技高网...【技术保护点】
1.一种图像检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在所述多个子图像中，确定至少一个待检测子图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述分别对所述至少一个待检测子图像中的每个待检测子图像进行模糊检测，包括：
4.根据权利要求3所述的方法，其特征在于，所述对待检测子图像进行灰度化处理，得到灰度子图像，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述拉普拉斯图像的方差，确定所述待检测子图像是否为模糊子图像，包括：
6.根据权利要求1～5任一所述的方法，其特征在于，所述基于所述模糊子图像的数量与所述待检测子图像的数量的比值，确定所述待检测图像是否为模糊图像，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述至少一个待检测子图像对应的各拉普拉斯图像的方差的均值，确定所述待检测图像是否为模糊图像，包括：
8.一种图像检测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1～7中任一项所述的方法。
...【技术特征摘要】
1.一种图像检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在所述多个子图像中，确定至少一个待检测子图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述分别对所述至少一个待检测子图像中的每个待检测子图像进行模糊检测，包括：
4.根据权利要求3所述的方法，其特征在于，所述对待检测子图像进行灰度化处理，得到灰度子图像，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述拉普拉斯图像的方差，确定所述待检测子图像是否为模糊子图像，包括：
6.根据权利要求1～5任一所述的方法，其特征在于，所述基于所述模糊子图像的数量与所述待检测子...
【专利技术属性】
技术研发人员：张巍，刘秦豫，朱恩庆，
申请(专利权)人：新奥新智科技有限公司，
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。