【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及图像感兴趣区目标清晰度值计算方法、装置及电子设备。
技术介绍
1、自动对焦是相机和图像采集设备中的关键功能之一，它能够根据场景中的焦点位置和图像细节来自动调整镜头的对焦位置，以确保所拍摄的图像清晰度最佳。其中，实时图像的清晰度评价方法是自动对焦的核心，通过评估图像的清晰度，实时调整镜头的对焦位置，使得主体或感兴趣区的细节得以清晰呈现，如公开号为cn111638583a的一种自动对焦方法和装置。
2、现有技术中可以将清晰度计算分为灰度函数、频域函数、信息学函数和统计学函数[夏浩盛,余飞鸿.数码显微镜自动对焦算法[j].激光与光电子学进展,2021,58(04):21-28.]。其中，相较其他三种方法来说，基于灰度函数方法计算简便，实时性和鲁棒性更好，近些年被广泛地应用于自动对焦系统中。2015年钱青[钱青,臧冬菊.一种改进的sobel算子图像清晰度评价函数[j].计算机与数字工程,2015,43(10):1865-1870.]等人提出了一种改进的sobel算子清晰度评价函数，采用4方向的3×3的sobel算子来计算梯度。2017年褚翔[褚翔,祝连庆,娄小平等.基于改进sobel算子的动态自动调焦算法研究[j].应用光学,2017,38(02):237-242.]等人提出了8方向的3×3的sobel算子来增强边缘检测，但相应的计算量也会增大。2019年严锦雯[严锦雯,贾星伟,隋国荣等.图像清晰度评价函数的研究[j].光学仪器,2019,41(04):54-58.]等人提出了一种新的利用高像
3、但现有上述方法的技术问题是在实际运用中容易受到图像噪声和环境的干扰，导致评估图像清晰度结果与实际视觉质量存在差异。一方面，在对光线较暗的场景或对象本身较灰暗的区域对焦时，往往需要拉高图像传感器的增益，这样会增大图像噪声，这种噪声会导致感兴趣区中的清晰度值的计算出现同期望不一致的误算。为了减少图像噪声对清晰度计算的影响，需要对图像进行滤波处理。现有技术中不同的抑制噪声方法适用于不同类型的噪声和具体应用场景。例如，均值滤波可以有效去除高斯噪声，但对边缘和细节信息不敏感，并且对椒盐噪声的去除效果较差[李孟霏,梁镜,冯朝.基于改进均值滤波的水下静目标识别方法研究[j].电子技术与软件工程,2023(08):178-181.]。中值滤波可以有效去除椒盐噪声并保持边缘信息，但对高斯噪声等非脉冲噪声的去除效果较差[仇俊杰.遥感图像椒盐噪声滤波算法的研究[d].东华理工大学,2022.]。双边滤波可以在平滑图像的同时保持边缘信息，但计算复杂度较高，执行速度较慢。在处理一些复杂的纹理或细节时，可能会产生一些模糊效果[梁敏萱,李英博,强晶晶等.基于法矢量修正和参数修正的点云双边滤波改进算法[j].制导与引信,2023,44(03):16-22.]。现有技术中高斯滤波是全局性的，对整个感兴趣区图像的每个像素应用相同的标准差高斯滤波器。虽然高斯滤波通过考虑像素周围邻域的加权平均值，可以有效去除高斯噪声，但对脉冲噪声等非高斯噪声的去除效果较差[谷学静,杨宝上,刘秋月.基于高斯滤波和akaze-latch的图像匹配算法[j].半导体光电,2023,44(04):639-644.]。
4、另一方面，往往通过计算感兴趣区内图像的像素清晰度值来实现自动对焦，但感兴趣区中的对象不一定在同一焦面，感兴趣区边缘子区有可能存在同感兴趣区中心子区不同景深的对象，这些感兴趣区边缘子区对象在聚焦时的清晰度值有时会比感兴趣区中心子区聚焦时的清晰度值更高。综述，现有技术的问题是：高增益图像的噪声以及用户选择的感兴趣区往往存在圈入不同景深对象最终导致清晰度值不可靠，难以以此为基础进一步实现快速且准确的自动对焦。
技术实现思路
1、本专利技术的目的在于提供图像感兴趣区目标清晰度值计算方法、装置及电子设备，可以实现减少图像噪声并增加感兴趣区图像目标清晰度值的可靠性，从而实现准确快速自动对焦。
2、本专利技术提供如下技术方案：
3、一方面，本专利技术提供了图像感兴趣区目标清晰度值计算方法，所述方法包括：
4、获取待计算图像，并将待计算图像转换为灰度图像；
5、提取灰度图像的感兴趣区，将感兴趣区分成多个感兴趣子区；
6、对不同位置的感兴趣子区，利用不同权重的标准差进行滤波，以获得滤波后的图像数据；
7、采用基于梯度的边缘检测算子对滤波后的图像数据的像素点的梯度进行计算得到梯度值，根据梯度值计算像素点的清晰度值；
8、遍历滤波后的图像数据的所有像素点的清晰度值，取平均以获得感兴趣区的目标清晰度值。
9、本专利技术针对具有噪声的高增益图像以及用户感兴趣区选择往往存在圈入不同景深对象导致清晰度值不可靠的问题，针对用户自动对焦过程中的习惯，往往会存在期望对焦对象，所以特别引入目标清晰度值计算方法，即，上述图像感兴趣区目标清晰度值计算方法。
10、所述将感兴趣区分成多个感兴趣子区的方法，包括：将感兴趣区分成(2n-1)×(2n-1)个感兴趣子区；距离感兴趣区的中心位置从近到远，将所述(2n-1)×(2n-1)个感兴趣子区划分为中心子区、次中心子区和边缘子区；其中，中心子区记为g1，次中心子区记为g2,…,gn-1，边缘子区记为gn，n大于等于3。
11、在本专利技术中，所述(2n-1)×(2n-1)个感兴趣子区划分为1个中心子区、若干个次中心子区和1个边缘子区；次中心子区的数量与n的取值相关。
12、优选的，所述感兴趣子区包括至少5×5即25个像素点。
13、所述对不同位置的感兴趣子区，利用不同权重的标准差进行滤波的方法为：距离感兴趣区的中心位置从近到远的感兴趣子区，分别利用从小到大的标准差进行滤波；具体包括：
14、通过高斯函数计算得到的高斯模板：
15、
16、其中，σ为高斯分布的标准差，x是像素列数，y是像素行数；
17、不同感兴趣子区g1，g2,…,gn-1，gn对应的不同大小的σi以及σi的维数mi的之间的关系是：
18、
19、σ1为中心子区g1的标准差，m1为中心子区的高斯矩阵维数，mi表示对应σi的高斯矩阵维数。
20、在本专利技术中，通过调整中心子区最小σ1的值来实现次中心子区和边缘子区的σi的计算，通过设定最小m1的值来实现次中心子区和边缘子区的mi值的计算。
21、本专利技术通过将感兴趣区在水平本文档来自技高网...
【技术保护点】
1.图像感兴趣区目标清晰度值计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述将感兴趣区分成多个感兴趣子区的方法，包括：将感兴趣区分成(2n-1)×(2n-1)个感兴趣子区；距离感兴趣区中心位置从近到远，将所述(2n-1)×(2n-1)个感兴趣子区划分为中心子区、次中心子区和边缘子区；其中，中心子区记为G1，次中心子区记为G2,…,Gn-1，边缘子区记为Gn，n大于等于3。
3.根据权利要求2所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述对不同位置的感兴趣子区，利用不同权重的标准差进行滤波的方法为：距离感兴趣区的中心位置从近到远的感兴趣子区，分别利用从小到大的标准差进行滤波；具体包括：
4.根据权利要求1所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述基于梯度的边缘检测算子为四方向的5×5的Sobel算子，表示为：
5.根据权利要求4所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述采用基于梯度的边缘检测算子对滤波后的图像数据的像素点的梯度进行计算
6.根据权利要求5所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述根据梯度值计算像素点的清晰度值的方法为：分别取四个方向的梯度值的绝对值并相加，以获得该像素点的清晰度值的步骤，包括：
7.根据权利要求6所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述方法包括：在获得像素点的清晰度值后，将像素点的清晰度值除以邻域内灰度的均值：
8.图像感兴趣区目标清晰度值计算装置，其特征在于，所述装置包括：
9.电子设备，包括存储器和处理器，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现权利要求1-7任一项所述的图像感兴趣区目标清晰度值计算方法。
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的图像感兴趣区目标清晰度值计算方法。
...【技术特征摘要】
1.图像感兴趣区目标清晰度值计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述将感兴趣区分成多个感兴趣子区的方法，包括：将感兴趣区分成(2n-1)×(2n-1)个感兴趣子区；距离感兴趣区中心位置从近到远，将所述(2n-1)×(2n-1)个感兴趣子区划分为中心子区、次中心子区和边缘子区；其中，中心子区记为g1，次中心子区记为g2,…,gn-1，边缘子区记为gn，n大于等于3。
3.根据权利要求2所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述对不同位置的感兴趣子区，利用不同权重的标准差进行滤波的方法为：距离感兴趣区的中心位置从近到远的感兴趣子区，分别利用从小到大的标准差进行滤波；具体包括：
4.根据权利要求1所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述基于梯度的边缘检测算子为四方向的5×5的sobel算子，表示为：
5.根据权利要求4所述的图像感兴趣区目标清晰度值计算方法，其特征在于，所述采用基于梯度的边缘检测算子对滤波后的图像数据的像素点的梯度...
【专利技术属性】
技术研发人员：潘宁慧，张志勇，余飞鸿，
申请(专利权)人：杭州图谱光电科技有限公司，
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。