本發(fā)明實(shí)施例涉及工業(yè)圖像的技術(shù)領(lǐng)域，尤其涉及一種評(píng)價(jià)圖像質(zhì)量的方法及裝置。

背景技術(shù)：

在圖像的獲取、傳輸過程中可能會(huì)由于種種因素造成圖像質(zhì)量退化。例如，由于物體運(yùn)動(dòng)、鏡頭虛焦等可能會(huì)造成圖像模糊；由于光源與物體材質(zhì)的配合、光源照射的角度等可能會(huì)造成對(duì)比度較低；由于CCD芯片溫度、光照、信道傳輸干擾等可能會(huì)造成圖像噪聲。

在工業(yè)應(yīng)用中，圖像質(zhì)量直接影響到視覺方案的設(shè)計(jì)及視覺處理的精度與效率，同時(shí)，從圖像質(zhì)量的評(píng)價(jià)信息可以定量獲知光學(xué)系統(tǒng)的安裝信息與調(diào)試信息。

但是，目前大多數(shù)的圖像質(zhì)量評(píng)價(jià)方法幾乎都是用于視頻的壓縮和傳輸領(lǐng)域的，主要衡量視頻壓縮、傳輸中解碼圖像與原始圖像間的失真程度。而這些圖像質(zhì)量評(píng)價(jià)方法需要提供標(biāo)準(zhǔn)的參考圖像，并不適用于工業(yè)視覺領(lǐng)域，且其關(guān)注的質(zhì)量標(biāo)準(zhǔn)(例如相似性、邊緣光滑性等)與工業(yè)視覺成像質(zhì)量的關(guān)注點(diǎn)也相差較遠(yuǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例的目的在于提出一種評(píng)價(jià)圖像質(zhì)量的方法及裝置，旨在解決如何提供一種能應(yīng)用在工業(yè)視覺領(lǐng)域的圖像質(zhì)量的評(píng)價(jià)方法。

為達(dá)此目的，本發(fā)明實(shí)施例采用以下技術(shù)方案：

第一方面，一種評(píng)價(jià)圖像質(zhì)量的方法，其特征在于，所述方法包括：

獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；

根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果；

其中，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，所述用于評(píng)價(jià)圖像清晰度的算法包括圖像差異模式算法、邊緣梯度模式算法。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為所述圖像差異模式算法，則獲取每個(gè)圖像像素點(diǎn)的強(qiáng)度值與預(yù)設(shè)間隔的圖像像素點(diǎn)的強(qiáng)度值之差；

求和所述圖像所有像素點(diǎn)的強(qiáng)度值之差；

獲取所述強(qiáng)度值之差求和后的強(qiáng)度平均值，所述圖像質(zhì)量高低與所述強(qiáng)度平均值大小成正比關(guān)系。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為所述邊緣梯度模式算法，則根據(jù)所述邊緣梯度模式算法獲取所述圖像每個(gè)像素點(diǎn)的邊緣幅值；

求和所述圖像所有像素點(diǎn)的邊緣幅值；

獲取所述邊緣幅值求和后的邊緣幅值平均值，所述邊緣幅值平均值大小與所述圖像質(zhì)量高低成正比關(guān)系。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為用于評(píng)價(jià)圖像亮暗對(duì)比度的算法，則獲取所述圖像目標(biāo)區(qū)域的灰度平均值和所述圖像背景區(qū)域的灰度平均值；

獲取所述圖像目標(biāo)區(qū)域的灰度值和所述圖像背景區(qū)域的灰度平均值之差的絕對(duì)值，所述絕對(duì)值大小與所述圖像質(zhì)量高低成正比關(guān)系。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為用于評(píng)價(jià)圖像噪聲大小的信噪比算法，則獲取多幅圖像；

求和所有圖像每個(gè)像素點(diǎn)的信噪比，并獲取求和后的信噪比的平均值，所述圖像質(zhì)量高低與所述信噪比的平均值大小成正比關(guān)系。

第二方面，一種評(píng)價(jià)圖像質(zhì)量的裝置，所述裝置包括：

第一獲取模塊，用于獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；

第二獲取模塊，用于根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果；

其中，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，所述用于評(píng)價(jià)圖像清晰度的算法包括圖像差異模式算法、邊緣梯度模式算法。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為所述圖像差異模式算法，則獲取每個(gè)圖像像素點(diǎn)的強(qiáng)度值與預(yù)設(shè)間隔的圖像像素點(diǎn)的強(qiáng)度值之差；

求和所述圖像所有像素點(diǎn)的強(qiáng)度值之差；

獲取所述強(qiáng)度值之差求和后的強(qiáng)度平均值，所述圖像質(zhì)量高低與所述強(qiáng)度平均值大小成正比關(guān)系。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為所述邊緣梯度模式算法，則根據(jù)所述邊緣梯度模式算法獲取所述圖像每個(gè)像素點(diǎn)的邊緣幅值；

求和所述圖像所有像素點(diǎn)的邊緣幅值；

獲取所述邊緣幅值求和后的邊緣幅值平均值，所述邊緣幅值平均值大小與所述圖像質(zhì)量高低成正比關(guān)系。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為用于評(píng)價(jià)圖像亮暗對(duì)比度的算法，則獲取所述圖像目標(biāo)區(qū)域的灰度平均值和所述圖像背景區(qū)域的灰度平均值；

獲取所述圖像目標(biāo)區(qū)域的灰度值和所述圖像背景區(qū)域的灰度平均值之差的絕對(duì)值，所述絕對(duì)值大小與所述圖像質(zhì)量高低成正比關(guān)系。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為用于評(píng)價(jià)圖像噪聲大小的信噪比算法，則獲取多幅圖像；

求和所有圖像每個(gè)像素點(diǎn)的信噪比，并獲取求和后的信噪比的平均值，所述圖像質(zhì)量高低與所述信噪比的平均值大小成正比關(guān)系。

本發(fā)明實(shí)施例提供一種評(píng)價(jià)圖像質(zhì)量的方法及裝置，獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，從工業(yè)視覺最關(guān)注的清晰度、對(duì)比度、噪聲三個(gè)角度綜合進(jìn)行評(píng)價(jià)，多角度的評(píng)價(jià)更能準(zhǔn)確地客觀地反映成像質(zhì)量；針對(duì)工業(yè)視覺領(lǐng)域，從更專業(yè)的角度提出了一套與工業(yè)現(xiàn)場(chǎng)對(duì)圖像質(zhì)量需求最為契合的成像質(zhì)量評(píng)價(jià)方法，解決了現(xiàn)有圖像質(zhì)量評(píng)價(jià)方法不適用于工業(yè)視覺領(lǐng)域的問題。

附圖說明

圖1是本發(fā)明實(shí)施例提供的一種評(píng)價(jià)圖像質(zhì)量的方法的流程示意圖；

圖2是本發(fā)明實(shí)施例提供的一種圖像有效區(qū)域的示意圖；

圖3是本發(fā)明實(shí)施例提供的邊緣梯度模式下的清晰圖像和模糊圖像邊緣對(duì)比圖；

圖4是本發(fā)明實(shí)施例提供的一種同一場(chǎng)景下不同對(duì)比度的圖像直方圖；

圖5是本發(fā)明實(shí)施例提供的一種單點(diǎn)位置處信噪比計(jì)算示意圖；

圖6是本發(fā)明實(shí)施例提供的一種評(píng)價(jià)圖像質(zhì)量的裝置的功能模塊示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明實(shí)施例作進(jìn)一步的詳細(xì)說明。可以理解的是，此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明實(shí)施例，而非對(duì)本發(fā)明實(shí)施例的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明實(shí)施例相關(guān)的部分而非全部結(jié)構(gòu)。

參考圖1，圖1是本發(fā)明實(shí)施例提供的一種評(píng)價(jià)圖像質(zhì)量的方法的流程示意圖。

在圖1中，所述評(píng)價(jià)圖像質(zhì)量的方法包括：

步驟101，獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；

其中，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，所述用于評(píng)價(jià)圖像清晰度的算法包括圖像差異模式算法、邊緣梯度模式算法。

步驟102，根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為所述圖像差異模式算法，則獲取每個(gè)圖像像素點(diǎn)的強(qiáng)度值與預(yù)設(shè)間隔的圖像像素點(diǎn)的強(qiáng)度值之差；

求和所述圖像所有像素點(diǎn)的強(qiáng)度值之差；

獲取所述強(qiáng)度值之差求和后的強(qiáng)度平均值，所述圖像質(zhì)量高低與所述強(qiáng)度平均值大小成正比關(guān)系。

具體的，圖像差異模式用于比較圖像某個(gè)特征邊界指定偏移的兩點(diǎn)間灰度差，如果差異越大，說明圖像越清晰；否則說明圖像越模糊。該種模式下，圖像清晰度定義為所有對(duì)應(yīng)像素灰度差異的平均值。

所述圖像差異模式算法如下：

$\mathrm{Im}ageSharpnessScroe=\frac{1}{(M-Tx)(N-Ty)}\underset{i=0}{\overset{M-Tx-1}{\Σ}}\underset{j=0}{\overset{N-Ty-1}{\Σ}}|I(i,j)-I(i+Tx,j+Ty)|;$

其中：輸入圖像尺寸為M×N；Tx、Ty分別為用戶設(shè)置的X偏移和Y偏移。對(duì)8位灰度圖像，清晰度的值域范圍為[0,255]。圖像有效區(qū)域如圖2所示。

圖像差異模式清晰度度量有以下應(yīng)用特點(diǎn)：

1)、需要用戶知道感興趣特征的尺寸。如果特征尺寸和定義的偏移有差異，將降低清晰度度量的可靠性；

2)、不能確定對(duì)角特征的清晰度；

3)、不適用于含高頻信息較多的圖像。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為所述邊緣梯度模式算法，則根據(jù)所述邊緣梯度模式算法獲取所述圖像每個(gè)像素點(diǎn)的邊緣幅值；

求和所述圖像所有像素點(diǎn)的邊緣幅值；

獲取所述邊緣幅值求和后的邊緣幅值平均值，所述邊緣幅值平均值大小與所述圖像質(zhì)量高低成正比關(guān)系。

具體的，越清晰的圖像應(yīng)該具有越好的對(duì)比度，即灰度變化率越大。所以可以采用梯度體現(xiàn)灰度變化，即通過圖像邊緣的梯度來度量清晰度。如圖3所示?？梢圆捎眠吘墮z測(cè)算子進(jìn)行邊緣檢測(cè)，并計(jì)算邊緣的梯度幅值：

$S=\sqrt{G_x^2+G_y^2}$

邊緣梯度模式清晰度分?jǐn)?shù)定義為：

$\mathrm{Im}ageSharpnessScroe=\frac{1}{\left(M-2\right)\left(N-2\right)}\underset{i=1}{\overset{M-2}{\Σ}}\underset{j=1}{\overset{N-2}{\Σ}}{S}_{ij};$

其中：輸入圖像尺寸為M×N。清晰度分?jǐn)?shù)的值域范圍為[0,255]。

邊緣梯度模式清晰度度量有以下應(yīng)用特點(diǎn)：

1)適用于高對(duì)比度、噪聲較少的圖像；

2)不適用于高頻圖像；

3)不適用于噪聲較多的圖像。

若所述算法為用于評(píng)價(jià)圖像亮暗對(duì)比度的算法，則獲取所述圖像目標(biāo)區(qū)域的灰度平均值和所述圖像背景區(qū)域的灰度平均值；

獲取所述圖像目標(biāo)區(qū)域的灰度值和所述圖像背景區(qū)域的灰度平均值之差的絕對(duì)值，所述絕對(duì)值大小與所述圖像質(zhì)量高低成正比關(guān)系。

具體的，圖像對(duì)比度就是圖像亮暗的對(duì)比程度。假設(shè)圖像可以簡(jiǎn)單分割為目標(biāo)和背景，越清晰的圖像則背景和目標(biāo)的灰度差異應(yīng)該會(huì)更大，越模糊圖像二者差異會(huì)較小。如圖4所示。

基于直方圖的對(duì)比度計(jì)算方式，其定義如下式所示。即分別計(jì)算目標(biāo)區(qū)域和背景區(qū)域的灰度平均值，然后求二者差值的絕對(duì)值。

C＝|F₁-F₂|

上式中，F(xiàn)₁為目標(biāo)區(qū)域的灰度平均值，F(xiàn)₂為背景區(qū)域的灰度平均值。對(duì)比度C的取值范圍為[0，255]。C越大，表示對(duì)比度越大；反之越小。

另外自動(dòng)分割算法擬采用大津閾值法。這種計(jì)算對(duì)比度的方式僅適用于圖像內(nèi)容可以簡(jiǎn)單劃分成目標(biāo)和背景的場(chǎng)合。

優(yōu)選地，所述根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，包括：

若所述算法為用于評(píng)價(jià)圖像噪聲大小的信噪比算法，則獲取多幅圖像；

求和所有圖像每個(gè)像素點(diǎn)的信噪比，并獲取求和后的信噪比的平均值，所述圖像質(zhì)量高低與所述信噪比的平均值大小成正比關(guān)系。

具體的，圖像中各種妨礙人們對(duì)其信息接受的因素。本質(zhì)上是不可預(yù)測(cè)的、只能用概率統(tǒng)計(jì)方法來認(rèn)識(shí)的多維隨機(jī)過程(誤差)。噪聲完全可以借用隨機(jī)過程的描述，即用其概率分布函數(shù)和概率密度分布函數(shù)。

噪聲一般由其概率特征來描述，并采用信噪比SNR度量。圖像信噪比指的系統(tǒng)信號(hào)與噪聲的強(qiáng)度比，是衡量圖像質(zhì)量的關(guān)鍵參數(shù)之一。圖像質(zhì)量越好，則噪聲越少，其信噪比越高；反之信噪比越低。

對(duì)于面陣相機(jī)上的某個(gè)像素點(diǎn)P，在系統(tǒng)條件(包括相機(jī)設(shè)置、光源、目標(biāo)等)穩(wěn)定不變時(shí)，連續(xù)采集N幀圖像，記錄每幀圖像上P點(diǎn)的輸出值P₁.P₂…P_n，P點(diǎn)的信噪比可采用如下公式計(jì)算：

$S/N=10*\lg \left(\frac{\underset{i=1}{\overset{N}{\Σ}}{P}_i^2}{\underset{i=1}{\overset{N}{\Σ}}{\left(P_i-\stackrel{\‾}{P}\right)}^2}\right)$

由于不同像素點(diǎn)的信噪比不一樣，通常采用平均信噪比(面陣上各像素點(diǎn)信噪比的算術(shù)平均值)來綜合評(píng)價(jià)整體畫面質(zhì)量。如圖5所示，平均信噪比的定義如下：

$\stackrel{\‾}{S/N}=\frac{1}{XY}\underset{x}{\Σ}\underset{y}{\Σ}{(S/N)}_{xy}$

其中X、Y分別為所選用的點(diǎn)的坐標(biāo)。

本發(fā)明實(shí)施例提供一種評(píng)價(jià)圖像質(zhì)量的方法，獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，從工業(yè)視覺最關(guān)注的清晰度、對(duì)比度、噪聲三個(gè)角度綜合進(jìn)行評(píng)價(jià)，多角度的評(píng)價(jià)更能準(zhǔn)確地客觀地反映成像質(zhì)量；針對(duì)工業(yè)視覺領(lǐng)域，從更專業(yè)的角度提出了一套與工業(yè)現(xiàn)場(chǎng)對(duì)圖像質(zhì)量需求最為契合的成像質(zhì)量評(píng)價(jià)方法，解決了現(xiàn)有圖像質(zhì)量評(píng)價(jià)方法不適用于工業(yè)視覺領(lǐng)域的問題。

參考圖6，圖6是本發(fā)明實(shí)施例提供的一種評(píng)價(jià)圖像質(zhì)量的裝置的功能模塊示意圖。

如圖6所示，所述評(píng)價(jià)圖像質(zhì)量的裝置包括：

第一獲取模塊601，用于獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；

其中，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，所述用于評(píng)價(jià)圖像清晰度的算法包括圖像差異模式算法、邊緣梯度模式算法。

第二獲取模塊602，用于根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果；

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為所述圖像差異模式算法，則獲取每個(gè)圖像像素點(diǎn)的強(qiáng)度值與預(yù)設(shè)間隔的圖像像素點(diǎn)的強(qiáng)度值之差；

求和所述圖像所有像素點(diǎn)的強(qiáng)度值之差；

獲取所述強(qiáng)度值之差求和后的強(qiáng)度平均值，所述圖像質(zhì)量高低與所述強(qiáng)度平均值大小成正比關(guān)系。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為所述邊緣梯度模式算法，則根據(jù)所述邊緣梯度模式算法獲取所述圖像每個(gè)像素點(diǎn)的邊緣幅值；

求和所述圖像所有像素點(diǎn)的邊緣幅值；

獲取所述邊緣幅值求和后的邊緣幅值平均值，所述邊緣幅值平均值大小與所述圖像質(zhì)量高低成正比關(guān)系。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為用于評(píng)價(jià)圖像亮暗對(duì)比度的算法，則獲取所述圖像目標(biāo)區(qū)域的灰度平均值和所述圖像背景區(qū)域的灰度平均值；

獲取所述圖像目標(biāo)區(qū)域的灰度值和所述圖像背景區(qū)域的灰度平均值之差的絕對(duì)值，所述絕對(duì)值大小與所述圖像質(zhì)量高低成正比關(guān)系。

優(yōu)選地，所述第二獲取模塊，用于：

若所述算法為用于評(píng)價(jià)圖像噪聲大小的信噪比算法，則獲取多幅圖像；

求和所有圖像每個(gè)像素點(diǎn)的信噪比，并獲取求和后的信噪比的平均值，所述圖像質(zhì)量高低與所述信噪比的平均值大小成正比關(guān)系。

本發(fā)明實(shí)施例提供一種評(píng)價(jià)圖像質(zhì)量的裝置，獲取預(yù)設(shè)的評(píng)價(jià)圖像質(zhì)量的算法和對(duì)應(yīng)的圖像數(shù)據(jù)；根據(jù)所述算法和所述圖像數(shù)據(jù)獲取評(píng)價(jià)圖像質(zhì)量的結(jié)果，所述算法包括用于評(píng)價(jià)圖像清晰度的算法、用于評(píng)價(jià)圖像亮暗對(duì)比度的算法和/或用于評(píng)價(jià)圖像噪聲大小的信噪比算法，從工業(yè)視覺最關(guān)注的清晰度、對(duì)比度、噪聲三個(gè)角度綜合進(jìn)行評(píng)價(jià)，多角度的評(píng)價(jià)更能準(zhǔn)確地客觀地反映成像質(zhì)量；針對(duì)工業(yè)視覺領(lǐng)域，從更專業(yè)的角度提出了一套與工業(yè)現(xiàn)場(chǎng)對(duì)圖像質(zhì)量需求最為契合的成像質(zhì)量評(píng)價(jià)方法，解決了現(xiàn)有圖像質(zhì)量評(píng)價(jià)方法不適用于工業(yè)視覺領(lǐng)域的問題。

以上結(jié)合具體實(shí)施例描述了本發(fā)明實(shí)施例的技術(shù)原理。這些描述只是為了解釋本發(fā)明實(shí)施例的原理，而不能以任何方式解釋為對(duì)本發(fā)明實(shí)施例保護(hù)范圍的限制?；诖颂幍慕忉專绢I(lǐng)域的技術(shù)人員不需要付出創(chuàng)造性的勞動(dòng)即可聯(lián)想到本發(fā)明實(shí)施例的其它具體實(shí)施方式，這些方式都將落入本發(fā)明實(shí)施例的保護(hù)范圍之內(nèi)。