圖像處理方法、裝置及設(shè)備與流程
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是指一種圖像處理方法、裝置及設(shè)備。
背景技術(shù)：
相機(jī)與拍攝場(chǎng)景的相對(duì)運(yùn)動(dòng)，以及相機(jī)的焦距設(shè)置是造成圖像模糊的兩類主要原因。通常情況下，在焦距模糊的圖像中，有一些區(qū)域是清晰的，另一些區(qū)域是模糊的。因此，將圖像整體分析的方法不能準(zhǔn)確地檢測(cè)出圖像是否是焦距模糊的。此外，現(xiàn)有方法大多僅通過(guò)邊緣信息計(jì)算圖像的模糊程度，對(duì)于邊緣信息較少的圖像很有可能不能給出準(zhǔn)確地結(jié)果。
在美國(guó)專利US8639039B2中，介紹了一種評(píng)估圖像模糊程度的方法，主要用于評(píng)估二維碼圖像的質(zhì)量。具體為，首先，在規(guī)定模式的圖像上，生成不同模糊程度的結(jié)果作為模板。在輸入圖像中檢測(cè)模式圖案區(qū)域，即二維碼區(qū)域，計(jì)算模式區(qū)域和模板的匹配程度。根據(jù)匹配程度最高的模板，得出輸入圖像的模糊程度，即匹配到的模板的模糊程度。
上述分析方法中，其針對(duì)的是二維碼圖像的模糊程度，對(duì)于因焦距設(shè)置引起的圖像模糊，即圖像的焦距模糊問(wèn)題未提及。因此，期望提供一種技術(shù)來(lái)判斷因焦距設(shè)置引起的圖像模糊以及其具體的模糊程度，從而實(shí)現(xiàn)照相機(jī)或投影儀的自動(dòng)對(duì)焦。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于至少解決上述一個(gè)問(wèn)題。
為此，本發(fā)明提供了一種圖像處理方法、裝置及設(shè)備，能夠判斷因焦距設(shè)置引起的圖像模糊，進(jìn)而輸入圖像的模糊程度，從而有助于實(shí)現(xiàn)照相機(jī)或者投影儀的自動(dòng)對(duì)焦功能。
本發(fā)明的實(shí)施例提供一種圖像處理方法，包括：獲取一輸入圖像；
將所述輸入圖像劃分為多個(gè)圖像塊；
從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
另一方面，本發(fā)明的實(shí)施例還提供一種圖像處理裝置，包括：
第一獲取模塊，用于獲取一輸入圖像；
劃分模塊，用于將所述輸入圖像劃分為多個(gè)圖像塊；
第二獲取模塊，用于從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
判斷模塊，用于根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
再一方面，本發(fā)明的實(shí)施例還提供一種圖像處理設(shè)備，包括：
采集器，用于獲取一輸入圖像；
處理器，用于將所述輸入圖像劃分為多個(gè)圖像塊；從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
本發(fā)明的上述技術(shù)方案的有益效果如下：
上述方案中，通過(guò)將輸入圖像劃分為多個(gè)圖像塊；從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像，并進(jìn)一步可以更加準(zhǔn)確的計(jì)算模糊圖像的模糊程度，并進(jìn)一步可實(shí)現(xiàn)照相機(jī)或者投影儀的自動(dòng)對(duì)焦功能。
附圖說(shuō)明
圖1是本發(fā)明的第一實(shí)施例圖像處理方法的流程圖；
圖2是本發(fā)明的第二實(shí)施例圖像處理方法的流程圖；
圖3是本發(fā)明的第三實(shí)施例圖像處理方法的流程圖；
圖4是本發(fā)明的第四實(shí)施例圖像處理方法的流程圖；
圖5是本發(fā)明的第五實(shí)施例圖像處理方法的流程圖；
圖6是本發(fā)明的第六實(shí)施例圖像處理方法的流程圖；
圖7是本發(fā)明的第七實(shí)施例圖像處理方法的流程圖；
圖8是本發(fā)明的第七實(shí)施例圖像處理方法的流程圖中步驟75的具體實(shí)現(xiàn) 過(guò)程一；
圖9是本發(fā)明的第七實(shí)施例圖像處理方法的流程圖中步驟75的具體實(shí)現(xiàn)過(guò)程二；
圖10是本發(fā)明的第七實(shí)施例圖像處理方法的流程圖中步驟75的具體實(shí)現(xiàn)過(guò)程三；
圖11是本發(fā)明的第七實(shí)施例圖像處理方法的流程圖中步驟76的具體實(shí)現(xiàn)過(guò)程；
圖12是本發(fā)明的圖像處理裝置的模塊結(jié)構(gòu)框圖；
圖13是本發(fā)明的圖像處理設(shè)備的結(jié)構(gòu)框圖；
圖14是圖13所示圖像處理設(shè)備的一具體應(yīng)用場(chǎng)景示意圖；
圖15是本發(fā)明的圖像處理系統(tǒng)的一具體應(yīng)用場(chǎng)景示意圖。
具體實(shí)施方式
為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。
本發(fā)明針對(duì)現(xiàn)有技術(shù)無(wú)法準(zhǔn)確計(jì)算模糊圖像的模糊程度值的問(wèn)題，本發(fā)明的實(shí)施例提供一種圖像處理方法，可以能夠判斷輸入圖像中的模糊的圖像塊，再依據(jù)模糊的圖像塊的數(shù)量，判斷該輸入圖像是否為模糊圖像，并進(jìn)一步可以獲取該模糊圖像的模糊程度。應(yīng)用于照相機(jī)或者投影儀時(shí)，能夠有效地區(qū)分投影儀造成的模糊和投射圖像本身的模糊，從而實(shí)現(xiàn)自動(dòng)對(duì)焦。
第一實(shí)施例
如圖1所示，一種圖像處理方法，包括：
步驟11，獲取一輸入圖像；
步驟12，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟13，從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
步驟14，根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
該實(shí)施例中，可以從一圖像采集設(shè)備獲取一輸入圖像，該圖像采集設(shè)備如照相機(jī)、攝像機(jī)等以及具有照相機(jī)模塊或者攝像機(jī)模塊的設(shè)備等；在獲得輸入圖像后，可以按照一個(gè)或者多個(gè)預(yù)設(shè)圖像塊的面積值，將所述輸入圖像劃分為 多個(gè)圖像塊。其中，按照一個(gè)預(yù)設(shè)圖像塊的面積值劃分輸入圖像時(shí)，可以將輸入圖像均勻劃分為多個(gè)圖像塊；如果按照多個(gè)預(yù)設(shè)圖像塊的面積值，將輸入圖像劃分多個(gè)圖像塊時(shí)，如果多個(gè)預(yù)設(shè)圖像塊的面積值大小互不相同或者部分相同，可以將輸入圖像劃分為大小不同的多個(gè)圖像塊，如對(duì)輸入圖像的第一區(qū)域按照第一預(yù)設(shè)圖像塊的面積值劃分為大小相同的多個(gè)圖像塊，對(duì)輸入圖像的第二區(qū)域按照第二預(yù)設(shè)圖像塊的面積值劃分為大小相同的多個(gè)圖像塊，而第一預(yù)設(shè)圖像塊的面積值與第二預(yù)設(shè)圖像塊的面積值不同，且輸入圖像的第一區(qū)域和第二區(qū)域不同。
本發(fā)明的該實(shí)施例通過(guò)將輸入圖像劃分為多個(gè)圖像塊；從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像，可以更加準(zhǔn)確的判斷該輸入圖像是否為模糊圖像。
第二實(shí)施例
如圖2所示，一種圖像處理方法，包括：
步驟21，獲取一輸入圖像；
步驟22，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟23，從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
步驟24，根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像；
步驟25，獲取所述模糊圖像的模糊程度值。
該第二實(shí)施例與上述第一實(shí)施例的區(qū)別在于，在判斷輸入圖像是模糊圖像之后，還可以進(jìn)一步獲取所述模糊圖像的模糊程度值，在應(yīng)用于照相機(jī)或者投影儀時(shí)，能夠有效地區(qū)分投影儀造成的模糊和投射圖像本身的模糊，從而實(shí)現(xiàn)自動(dòng)對(duì)焦。
第三實(shí)施例
如圖3所示，圖像處理方法包括：
步驟31，獲取一輸入圖像；
步驟32，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟33，獲取多個(gè)圖像塊中的每一個(gè)圖像塊的特征值和特征向量；
步驟34，根據(jù)所述圖像塊的特征值和特征向量，判斷所述圖像塊是否為模糊的圖像塊；
步驟35，獲取被判斷為模糊的圖像塊的數(shù)量；
步驟36，根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
該實(shí)施例通過(guò)計(jì)算每一個(gè)圖像塊的特征值和特征向量，判斷該圖像塊是否為模糊的圖像塊，并獲取整個(gè)輸入圖像中所有被判斷為模糊的圖像塊，并根據(jù)模糊的圖像塊的數(shù)量，判斷輸入圖像是否為模糊圖像。該實(shí)施例的方案可以更加準(zhǔn)確的判斷該輸入圖像是否為模糊圖像。
第四實(shí)施例
如圖4所示，圖像處理方法包括：
步驟41，獲取一輸入圖像；
步驟42，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟43，獲取每一個(gè)圖像塊中的任意一個(gè)像素點(diǎn)(x,y)的自相關(guān)矩陣；
步驟44，獲取所述自相關(guān)矩陣的第一特征值λ1(x,y)和第二特征值λ2(x,y)，以及所述第一特征值對(duì)應(yīng)的第一特征向量V1(x,y)和第二特征值對(duì)應(yīng)的第二特征向量V2(x,y)；
其中，以像素點(diǎn)(x,y)為中心的一個(gè)圖像窗口L內(nèi)，像素點(diǎn)(x,y)的自相關(guān)矩陣
其中，Ix為(x,y)對(duì)x求偏導(dǎo)得到的值，Iy為(x,y)對(duì)y求偏導(dǎo)得到的值，且λ1(x,y)＞λ2(x,y)；該圖像窗口L大小與一圖像塊大小相同；
步驟45，根據(jù)所述圖像塊的特征值和特征向量，判斷所述圖像塊是否為模糊的圖像塊；
步驟46，獲取被判斷為模糊的圖像塊的數(shù)量；
步驟47，根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
該實(shí)施例中，通過(guò)獲取輸入圖像中的一個(gè)圖像塊中的像素點(diǎn)的自相關(guān)矩陣，并求得該自相關(guān)矩陣的第一特征值、第二特征值，以及第一特征值對(duì)應(yīng)的第一特征向量和第二特征值對(duì)應(yīng)的第二特征向量，從而依據(jù)該特征值和特征向量，判斷該圖像塊是否為模糊的圖像塊。
由于模糊的圖像保持了大尺度的形狀結(jié)構(gòu)但丟掉了小尺度的細(xì)節(jié)信息，而 自相關(guān)矩陣的較小的特征值對(duì)應(yīng)的特征向量與細(xì)節(jié)信息相關(guān)，因此，可以通過(guò)分析圖像塊中像素點(diǎn)的特征值和特征向量來(lái)估計(jì)圖像塊的模糊程度，由于該自相關(guān)矩陣為二階矩陣，因此該自相關(guān)矩陣具有兩個(gè)特征值。
第五實(shí)施例
如圖5所示，圖像處理方法包括：
步驟51，獲取一輸入圖像；
步驟52，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟53，獲取每一個(gè)圖像塊中的任意一個(gè)像素點(diǎn)(x,y)的自相關(guān)矩陣；
步驟54，獲取所述自相關(guān)矩陣的第一特征值λ1(x,y)和第二特征值λ2(x,y)，以及所述第一特征值對(duì)應(yīng)的第一特征向量V1(x,y)和第二特征值對(duì)應(yīng)的第二特征向量V2(x,y)；
其中，以像素點(diǎn)(x,y)為中心的一個(gè)圖像窗口L內(nèi)，像素點(diǎn)(x,y)的自相關(guān)矩陣
其中，Ix為(x,y)對(duì)x求偏導(dǎo)得到的值，Iy為(x,y)對(duì)y求偏導(dǎo)得到的值，且λ1(x,y)＞λ2(x,y)；該圖像窗口L大小與一圖像塊大小相同；
步驟55，根據(jù)所述圖像塊的特征值和特征向量，獲取所述圖像塊的權(quán)值；
步驟56，獲取所述圖像塊中每個(gè)像素點(diǎn)的第一特征值和第二特征值中較小特征值對(duì)應(yīng)的特征向量的方向角；
步驟57，根據(jù)所述權(quán)值和所述方向角，得到所述方向角的方向響應(yīng)直方圖；
步驟58，根據(jù)所述方向響應(yīng)直方圖，判斷所述圖像塊是否為模糊的圖像塊；
步驟59，獲取被判斷為模糊的圖像塊的數(shù)量；
步驟60，根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
該實(shí)施例中，在獲取圖像塊的特征值和特征向量后，進(jìn)一步獲取該圖像塊的權(quán)值，具體的，
可以通過(guò)公式：
獲取所述圖像塊的權(quán)值；其中，w(x,y)為像素點(diǎn)(x,y)的權(quán)值；且進(jìn)一步的，當(dāng)?shù)谝惶卣髦荡笥诘诙卣髦?，且第一特征值和第二特征值均接近?時(shí)，像素點(diǎn)(x,y)屬于所述圖像塊的平坦區(qū)域中的點(diǎn)，該圖像塊的平坦區(qū)域中的點(diǎn)(x,y)的權(quán)值為0；
當(dāng)?shù)谝惶卣髦颠h(yuǎn)大于第二特征值，且第二特征值接近于0時(shí)，像素點(diǎn)(x,y)屬于所述圖像塊的邊緣上的點(diǎn)，該圖像塊的邊緣上的點(diǎn)(x,y)的權(quán)值為0到1之間的值；
當(dāng)?shù)谝惶卣髦荡笥诘诙卣髦?，且第一特征值和第二特征值均遠(yuǎn)大于0時(shí)，像素點(diǎn)(x,y)屬于所述圖像塊的角點(diǎn)，該圖像塊的角點(diǎn)(x,y)的權(quán)值為1。
由于模糊圖像具有較少的邊緣、角點(diǎn)和較多的平坦區(qū)域，因此通過(guò)統(tǒng)計(jì)圖像塊中的邊緣及角點(diǎn)，來(lái)判斷其是否模糊。統(tǒng)計(jì)過(guò)程中，通過(guò)權(quán)值來(lái)放大邊緣點(diǎn)及角點(diǎn)的響應(yīng)，同時(shí)抑制平坦區(qū)域的點(diǎn)的響應(yīng)，以更有效地區(qū)分清晰圖像和模糊圖像。
該實(shí)施例中，可以根據(jù)公式：d(x,y)∈p＝hist(w(x,y),θ(x,y))，得到所述方向角的方向響應(yīng)直方圖；
其中，d(x,y)∈p為方向角的方向響應(yīng)直方圖，hist為繪制直方圖的函數(shù)，θ(x,y)為像素點(diǎn)的第一特征值和第二特征值中較小特征值對(duì)應(yīng)的特征向量的方向角，P為圖像塊，(x,y)為圖像塊P中的像素點(diǎn)。
該實(shí)施例的步驟58可以具體包括：
步驟581，獲取所述方向響應(yīng)直方圖的方差；
步驟582，如果所述方差超過(guò)一預(yù)設(shè)閾值，判斷所述圖像塊為模糊的圖像塊。
相比于清晰圖像，模糊圖像具有較少的邊緣方向，因而模糊圖像的方向響應(yīng)直方圖具有較少的峰值。因此，通過(guò)統(tǒng)計(jì)上述直方圖的方差來(lái)判斷圖像的模糊情況。如果上述方差超過(guò)閾值，判定該圖像塊是模糊的圖像塊P∈Blur；否則，判定該圖像塊不是模糊的圖像塊
第六實(shí)施例
如圖6所示，一種圖像處理方法包括：
步驟61，獲取一輸入圖像；
步驟62，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟63，從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
步驟64，獲取模糊的圖像塊的數(shù)量與圖像塊的總數(shù)量的比例值；
步驟65，在所述比例值大于一預(yù)設(shè)閾值時(shí)，判斷所述輸入圖像為模糊圖像，否則，判斷所述輸入圖像不為模糊圖像。
需要說(shuō)明的是，上述各實(shí)施例中，判斷圖像塊是模糊的圖像塊的所有具體實(shí)現(xiàn)過(guò)程均適用于該實(shí)施例中。
第七實(shí)施例
如圖7所示，一種圖像處理方法包括：
步驟71，獲取一輸入圖像；
步驟72，將所述輸入圖像劃分為多個(gè)圖像塊；
步驟73，從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
步驟74，根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像；
步驟75，判斷所述輸入圖像為模糊圖像時(shí)，獲取所述模糊圖像中每個(gè)模糊的圖像塊的邊緣約束特征、顏色連貫性特征和顏色飽和度特征；
步驟76，根據(jù)每個(gè)模糊的圖像塊的所述邊緣約束特征、顏色連貫性特征和顏色飽和度特征，獲取所述模糊圖像的模糊程度值。
如圖8所示，該實(shí)施例的步驟75中，獲取所述模糊圖像中每個(gè)模糊的圖像塊的邊緣約束特征的過(guò)程包括：
步驟751，根據(jù)圖像塊的所述權(quán)值，確定模糊的圖像塊邊緣上的像素點(diǎn)(xi,yi)；
步驟752，獲取所述模糊的圖像塊邊緣上的像素點(diǎn)(xi,yi)的透明度值；具體可以通過(guò)公式：i＝αF+(1-α)B,α∈[0,1]獲??；其中，α像素點(diǎn)(xi,yi)的透明度值，i為一個(gè)圖像窗口內(nèi)的像素點(diǎn)的顏色值；F為該窗口內(nèi)，該像素點(diǎn)周圍作為前景的像素點(diǎn)；B為該窗口內(nèi)，該像素點(diǎn)周圍作為背景的像素點(diǎn)；
步驟753，根據(jù)所述透明度值，獲取模糊的圖像塊的邊緣上的所有像素點(diǎn)的透明度值圖；
步驟754，獲取所述透明度值圖的梯度；
步驟755，根據(jù)所有模糊的圖像塊的邊緣上的所有像素點(diǎn)的透明度值圖的梯度，獲取所述模糊圖像的邊緣約束特征；
具體的，可以通過(guò)公式：獲取所述模糊圖像的邊緣約束特征；
其中，mi為透明度值圖的梯度，F(xiàn)p為模糊圖像的邊緣約束特征。
該實(shí)施例中，在模糊的圖像塊P∈Blur上，根據(jù)上述特征值和特征向量，找到屬于邊緣的像素點(diǎn)(xi,yi)∈Edge，并計(jì)算邊緣上的像素點(diǎn)(xi,yi)∈Edge的顏色值，得到顏色值圖。顏色值的計(jì)算可以采用現(xiàn)有的方法，如論文S.Dai and Y.Wu.Motion from blur.CVPR,2008.，J.Jia.Single image motion deblurring using transparency.CVPR,2007，Q.Shan,W.Xiong,and J.Jia.Rotational motion deblurring of a rigid object from a single image.ICCV,2007等方法。
如圖9所示，該實(shí)施例的步驟75中，獲取所述模糊圖像中每個(gè)模糊的圖像塊的顏色連貫性特征的過(guò)程包括：
步驟756，獲取模糊的圖像塊的顏色個(gè)數(shù)；
步驟757，將模糊的圖像塊中的像素點(diǎn)標(biāo)記為對(duì)應(yīng)的顏色，得到標(biāo)記圖像；
步驟758，獲取所述標(biāo)記圖像中的連通域；
步驟759，根據(jù)所述連通域，獲取所述模糊圖像中每個(gè)模糊的圖像塊的顏色連貫性特征；具體的，該步驟759可以包括：
步驟7591，如果所述連通域的面積大于一預(yù)設(shè)閾值，確定所述連通域內(nèi)的像素點(diǎn)是連貫點(diǎn)；否則，確定所述連通域內(nèi)的像素點(diǎn)不是連貫點(diǎn)；
步驟7592，獲取所述模糊的圖像塊中，連貫點(diǎn)的個(gè)數(shù)占所有像素點(diǎn)個(gè)數(shù)的比例；
步驟7593，根據(jù)所述模糊的圖像塊中，連貫點(diǎn)的個(gè)數(shù)占所有像素點(diǎn)個(gè)數(shù)的比例，得到所述模糊圖像中的每個(gè)模糊的圖像塊的顏色連貫性特征具體的，可以通過(guò)公式：得到所述模糊圖像中的每個(gè)模糊的圖像塊的顏色連貫性特征；
其中，Nc是圖像塊的顏色個(gè)數(shù)，是顏色j包含像素點(diǎn)的個(gè)數(shù)，是顏色j包含連貫點(diǎn)的個(gè)數(shù)。
如圖10所示，該實(shí)施例的步驟75中，獲取所述模糊圖像中每個(gè)模糊的圖像塊的顏色飽和度特征的實(shí)現(xiàn)過(guò)程包括：
步驟760，獲取所述模糊圖像中每個(gè)模糊的圖像塊中每一個(gè)像素點(diǎn)的顏色飽和度；
步驟761，獲取所述輸入圖像的每一個(gè)像素點(diǎn)的顏色飽和度；
步驟762，根據(jù)所述每個(gè)模糊的圖像塊中每一個(gè)像素點(diǎn)的顏色飽和度和所述輸入圖像的每一個(gè)像素點(diǎn)的顏色飽和度，獲取所述模糊圖像中每個(gè)模糊的圖像塊的顏色飽和度特征；
具體的，可以通過(guò)公式：獲取所述模糊圖像中每個(gè)模糊的圖像塊中每一個(gè)像素點(diǎn)的顏色飽和度；
其中，Sk為模糊的圖像塊每一個(gè)像素點(diǎn)k的顏色飽和度，
可以通過(guò)公式：獲取所述模糊圖像中每一個(gè)像素點(diǎn)q的顏色飽和度；
其中，Sq為模糊的圖像塊每一個(gè)像素點(diǎn)q的顏色飽和度，
步驟762可以具體包括：
步驟7621，獲取每個(gè)模糊的圖像塊中像素點(diǎn)的顏色飽和度的最大值；
步驟7621，獲取所述輸入圖像中像素點(diǎn)的顏色飽和度的最大值；
步驟7621，根據(jù)所述每個(gè)模糊的圖像塊中像素點(diǎn)的顏色飽和度的最大值以及所述輸入圖像中像素點(diǎn)的顏色飽和度的最大值，獲取所述模糊圖像中每個(gè)模糊的圖像塊的顏色飽和度特征；
可以通過(guò)公式：
獲取所述模糊圖像中每個(gè)模糊的圖像塊的顏色飽和度特征；
其中，SP為模糊的圖像塊的顏色飽和度特征；
max(Sk∈p)為所述每個(gè)模糊的圖像塊中像素點(diǎn)的顏色飽和度的最大值；
max(Sk∈I)為所述輸入圖像中像素點(diǎn)的顏色飽和度的最大值。
如圖11所示，該實(shí)施例中，步驟76具體可以包括：
步驟771，根據(jù)每個(gè)模糊的圖像塊的所述邊緣約束特征、顏色連貫性特征和顏色飽和度特征，獲取每個(gè)模糊的圖像塊的模糊程度值；具體可以通過(guò)公式：Dp＝WFFp+WCCp+WSSp獲取模糊的圖像塊的模糊程度值；
其中，Dp為模糊圖像的模糊程度值，F(xiàn)p為模糊的圖像塊邊緣約束特征，Cp為模糊的圖像塊顏色連貫性特征，Sp模糊的圖像塊的顏色飽和度特征，WF為邊緣約束特征的權(quán)值，Wc為顏色連貫性特征的權(quán)值，Ws為顏色飽和度特征的權(quán)值；優(yōu)選的，WF，Wc，Ws取值范圍為[0,1]，實(shí)驗(yàn)中，設(shè)置為WF＝1/3，Wc＝1/3，Ws＝1/3。
步驟772，根據(jù)模糊的圖像塊的在輸入圖像中的位置及面積，獲得全局權(quán)值；具體可以通過(guò)公式：
獲得全局權(quán)值；
其中，Wp為全局權(quán)值，D(P,Qt)表示圖像塊P的中心到第t個(gè)交叉點(diǎn)Qt的距離，ΩP為圖像塊P的面積，ΩI為輸入圖像I的面積，γ1和γ2為[0,1]權(quán)值；
步驟773，根據(jù)每個(gè)模糊的圖像塊的模糊程度值及全局權(quán)值，獲得輸入圖像的模糊程度值；具體可以通過(guò)公式：
獲得輸入圖像的模糊程度值；
其中，P∈Blur表示模糊的圖像塊P集合中一個(gè)模糊的圖像塊。
本發(fā)明的上述實(shí)施例通過(guò)對(duì)輸入圖像進(jìn)行分塊，利用對(duì)每個(gè)圖像塊的分析，統(tǒng)計(jì)圖像塊中的邊緣及角點(diǎn)，來(lái)判斷該圖像塊是否是模糊的圖像塊，并進(jìn)一步計(jì)算圖像塊的自相關(guān)矩陣，以及該自相關(guān)矩陣的特征值和特征向量，按照權(quán)值 統(tǒng)計(jì)特征向量的方向。本發(fā)明的實(shí)施例通過(guò)權(quán)值來(lái)放大邊緣點(diǎn)及角點(diǎn)的響應(yīng)，同時(shí)抑制平坦區(qū)域的點(diǎn)的響應(yīng)，以更有效地區(qū)分清晰圖像和模糊圖像。
另外，在輸入圖像的模糊程度計(jì)算過(guò)程中，本發(fā)明的實(shí)施例根據(jù)上述圖像塊的邊緣約束特征、顏色連貫性特征和顏色飽和度特征計(jì)算輸入圖像的模糊程度。目前，焦外成像(也稱背景虛化)攝影方法已被廣泛使用，使用這種方法拍攝的照片具有焦點(diǎn)區(qū)域清晰而焦外區(qū)域模糊的特點(diǎn)，并且焦點(diǎn)區(qū)域通常處在整幅圖像的構(gòu)圖關(guān)鍵位置上，即在符合構(gòu)圖規(guī)則的位置上。因此，焦外成像的圖像不應(yīng)被檢測(cè)為焦距模糊的圖像。針對(duì)上述問(wèn)題，本發(fā)明的實(shí)施例在計(jì)算整幅圖像的模糊程度時(shí)，根據(jù)圖像塊的位置及面積為其分配了權(quán)值。最后，本發(fā)明根據(jù)圖像塊的模糊程度及權(quán)值，計(jì)算出整幅圖像的模糊程度。本發(fā)明的上述實(shí)施例可以應(yīng)用于投影儀系統(tǒng)質(zhì)量控制、相機(jī)自動(dòng)對(duì)焦、制作圖像特效等。
第八實(shí)施例
如圖12所示，本發(fā)明的實(shí)施例還提供一種圖像處理裝置，包括：
第一獲取模塊121，用于獲取一輸入圖像；
劃分模塊122，用于將所述輸入圖像劃分為多個(gè)圖像塊；
第二獲取模塊123，用于從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；
判斷模塊124，用于根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
進(jìn)一步的，該裝置還可以包括：第三獲取模塊125，用于獲取所述模糊圖像的模糊程度值。
需要說(shuō)明的是，上述各方法實(shí)施例中的所有實(shí)現(xiàn)方式均適用于該裝置的實(shí)施例中，也能達(dá)到相同的技術(shù)效果。
第九實(shí)施例
如圖13所示，一種圖像處理設(shè)備，包括：
接收機(jī)131，用于獲取一輸入圖像；
處理器132，用于將所述輸入圖像劃分為多個(gè)圖像塊；從所述多個(gè)圖像塊中，獲取模糊的圖像塊的數(shù)量；根據(jù)模糊的圖像塊的數(shù)量，判斷所述輸入圖像是否為模糊圖像。
進(jìn)一步的，所述處理器還用于獲取所述模糊圖像的模糊程度值。
該圖像處理設(shè)備還可以進(jìn)一步包括存儲(chǔ)器133，用于存儲(chǔ)輸入圖像以及處理器在處理過(guò)程中所產(chǎn)生和所用到的所有數(shù)據(jù)，該存儲(chǔ)器并于接收機(jī)和處理器通過(guò)接口連接。
需要說(shuō)明的是，上述各方法實(shí)施例中的所有實(shí)現(xiàn)方式均適用于該裝置的實(shí)施例中，也能達(dá)到相同的技術(shù)效果。
如圖14所示，為該圖像處理設(shè)備的一具體應(yīng)用場(chǎng)景，該圖像處理設(shè)備具體可以是一臺(tái)計(jì)算機(jī)102，也可以圖像采集設(shè)備，如照相機(jī)或者攝像機(jī)中的處理設(shè)備。計(jì)算機(jī)接收照相機(jī)101采集的輸入圖像，并在獲得該輸入圖像的模糊程度值后，輸出給顯示設(shè)備105進(jìn)行顯示。
如圖15所示，集成了本發(fā)明的應(yīng)用系統(tǒng)的示意圖。裝置100包括一個(gè)照相機(jī)101，一臺(tái)計(jì)算機(jī)102，以及一臺(tái)投影儀103。上述照相機(jī)101可以是任意一種能夠提供投影區(qū)域的彩色圖像的照相機(jī)，比如網(wǎng)絡(luò)攝像頭、家用數(shù)碼相機(jī)等。安裝了本系統(tǒng)的計(jì)算機(jī)102分析101拍攝到的彩色圖像，計(jì)算出投影圖像的模糊程度。這個(gè)結(jié)果可用于投影儀自動(dòng)調(diào)焦的依據(jù)。圖15所示的裝置100僅為本發(fā)明的一個(gè)應(yīng)用示例，實(shí)際應(yīng)用中可能會(huì)多于或少于其所包含的設(shè)備個(gè)數(shù)，或者使用不同的設(shè)備。
本發(fā)明的上述實(shí)施例通過(guò)對(duì)輸入圖像進(jìn)行分塊，利用對(duì)每個(gè)圖像塊的分析，統(tǒng)計(jì)圖像塊中的邊緣及角點(diǎn)，來(lái)判斷該圖像塊是否是模糊的圖像塊，并進(jìn)一步計(jì)算圖像塊的自相關(guān)矩陣，以及該自相關(guān)矩陣的特征值和特征向量，按照權(quán)值統(tǒng)計(jì)特征向量的方向。本發(fā)明通過(guò)權(quán)值來(lái)放大邊緣點(diǎn)及角點(diǎn)的響應(yīng)，同時(shí)抑制平坦區(qū)域的點(diǎn)的響應(yīng)，以更有效地區(qū)分清晰圖像和模糊圖像。
另外，在輸入圖像的模糊程度計(jì)算過(guò)程中，本發(fā)明根據(jù)上述圖像塊的邊緣約束特征、顏色連貫性特征和顏色飽和度特征計(jì)算輸入圖像的模糊程度。目前，焦外成像(也稱背景虛化)攝影方法已被廣泛使用，使用這種方法拍攝的照片具有焦點(diǎn)區(qū)域清晰而焦外區(qū)域模糊的特點(diǎn)，并且焦點(diǎn)區(qū)域通常處在整幅圖像的構(gòu)圖關(guān)鍵位置上，即在符合構(gòu)圖規(guī)則的位置上。因此，焦外成像的圖像不應(yīng)被檢測(cè)為焦距模糊的圖像。針對(duì)上述問(wèn)題，本發(fā)明的實(shí)施例在計(jì)算整幅圖像的模糊程度時(shí)，根據(jù)圖像塊的位置及面積為其分配了權(quán)值。最后，本發(fā)明根據(jù)圖像塊的模糊程度及權(quán)值，計(jì)算出整幅圖像的模糊程度。
本發(fā)明的上述實(shí)施例可以應(yīng)用于投影儀系統(tǒng)質(zhì)量控制、相機(jī)自動(dòng)對(duì)焦、制作圖像特效等。本發(fā)明的一個(gè)具體的應(yīng)用例是投影儀系統(tǒng)中投影圖像質(zhì)量控制。本發(fā)明使用照相機(jī)拍攝投影圖像，通過(guò)分析投影圖像的模糊情況，判斷投影儀的焦距設(shè)置是否正常。
本領(lǐng)域技術(shù)人員可以理解，實(shí)現(xiàn)上述實(shí)施例的全部或者部分步驟可以通過(guò)硬件來(lái)完成，也可以通過(guò)計(jì)算機(jī)程序來(lái)指示相關(guān)的硬件來(lái)完成，所述計(jì)算機(jī)程序包括執(zhí)行上述方法的部分或者全部步驟的指令；且該計(jì)算機(jī)程序可以存儲(chǔ)于一可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以是任何形式的存儲(chǔ)介質(zhì)。
以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。
- 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊！