本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像清晰度評價方法及裝置。

背景技術(shù)：

隨著智能終端設(shè)備的普及應(yīng)用以及數(shù)字成像技術(shù)和圖像處理技術(shù)的迅猛發(fā)展，產(chǎn)生的數(shù)字圖像越來越多，對獲取的圖像的清晰程度要求也越來越高。篩選出更好的圖像并指導(dǎo)成像系統(tǒng)的控制，使系統(tǒng)始終工作在最佳狀態(tài)，都需要對圖像的清晰度作一個精確的評價。

目前，圖像清晰度評價方法主要包括主觀圖像清晰度評價方法和客觀圖像清晰度評價方法。由于主觀圖像清晰度評價方法中圖像清晰與否完全是由人的主觀感受來做出判斷，極易受到評價環(huán)境以及評價者知識水平、喜好等自然原因的影響，評價結(jié)果往往不穩(wěn)定，因此客觀圖像清晰度評價方法更受關(guān)注。

在空域，客觀圖像清晰度評價方法一般是通過清晰度評價函數(shù)對圖像本身進(jìn)行計算，得到清晰度評價指標(biāo)。傳統(tǒng)的圖像清晰度評價方法包括相鄰像素灰度方差法(SMD)和方差法。其中，相鄰像素灰度方差法的函數(shù)定義為：

$SMD=\frac{1}{n}(\[\mathrm{\Σ}|I(x,y)-I(x,y-1)|\]+\[\mathrm{\Σ}|I(x,y)-I(x+1,y)|\])$

式中：I(x,y)對應(yīng)于(x,y)位置的灰度值；n為圖像的像素總數(shù)；

方差法的函數(shù)定義為：

$F\left(I\right)=\underset{x}{\Σ}\underset{y}{\Σ}\[I(x,y)-u\]$

式中I(x，y)對應(yīng)于(x，y)位置的灰度值，式中u為平均灰級，即：

$u=N^{-2}\underset{x}{\Σ}\underset{y}{\Σ}\[I(x,y)\].$

通常，一個好的圖像清晰度評價函數(shù)應(yīng)該具有較強(qiáng)的單峰性、較好的無偏性和較高的靈敏性。單峰性是指在成像系統(tǒng)的正焦位置取得單一的極值，不能出現(xiàn)其他局部極值；無偏性是指計算出來的曲線要與圖像的清晰度變化事實相吻合；靈敏性是指對不同程度的離焦圖像，清晰度評價值要求有一定的差別，以保證調(diào)焦的精確度，其中單峰性和無偏性決定了評價函數(shù)的正確性。然而，利用現(xiàn)有相鄰像素灰度方差法(SMD)和方差法的清晰度評價函數(shù)對各種圖像進(jìn)行清晰度評價計算時常常無法保證評價結(jié)果同時滿足單峰性、無偏性和靈敏性等三性要求。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種圖像清晰度評價方法及裝置，用以解決現(xiàn)有技術(shù)中清晰度評價結(jié)果同時滿足單峰性、無偏性和靈敏性等三性要求的問題。

本發(fā)明第一方面提供一種圖像清晰度評價方法，所述方法包括：

圖像清晰度評價裝置獲取待評價圖像；

對所述待評價圖像進(jìn)行預(yù)處理；

根據(jù)所述待評價圖像中每行像素點的灰度值確定所述待評價圖像中每行灰度值下降的垂直邊緣；

根據(jù)所述垂直邊緣包含的像素點的灰度值計算所述垂直邊緣的灰度變化率Value；

設(shè)置一初始值為0的變量a，每計算一次所述垂直邊緣的灰度變化率，變量a的值加1；

根據(jù)下列公式對所述待評價圖像中所有行的垂直邊緣的灰度變化率Value的絕對值求和，則得到所述待評價圖像的灰度變化率和S1：

S1＝Σ|Value|；

根據(jù)下列公式計算所述待評價圖像的灰度變化率和的平均值S：

$S=\frac{S1}{a};$

根據(jù)所述待評價圖像的灰度變化率和的平均值S對所述待評價圖像的清晰度進(jìn)行評價。

在第一方面第一種可行的實現(xiàn)方式中，所述待評價圖像的分辨率為m×n，其中m為所述待評價圖像中每行的像素點個數(shù)，n為所述待評價圖像中每列的像素點個數(shù)；所述根據(jù)所述待評價圖像中每行像素點的灰度值確定所述待評價圖像中每行灰度值下降的垂直邊緣的步驟具體包括：

從所述待評價圖像的每行像素點中每隔T個像素點取出一個像素點的灰度值，則得到一個灰度矩陣V(I,J)，在所述灰度矩陣V(I,J)中，每個像素點的灰度值用V(i,j)表示，其中1≤T≤m-1；

根據(jù)下列關(guān)系式在所述灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置：

V(i,j)>V(i,j+1)>V(i,j+2)，其中1≤i≤n，1≤j≤m-2；

根據(jù)所述起止像素點的位置在所述灰度矩陣V(I,J)中找出所述起止像素點間所有像素點的灰度值作為所述垂直邊緣包含的像素點的灰度值。

結(jié)合第一方面第一種可行的實現(xiàn)方式，在第一方面第二種可行的實現(xiàn)方式中，所述根據(jù)所述關(guān)系式在所述灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置的步驟具體包括：

判斷每行中所述像素點個數(shù)的最大值是否只有一個；

當(dāng)判斷確定每行中所述像素點個數(shù)的最大值只有一個時，確定對應(yīng)起止像素點的位置；

當(dāng)判斷確定每行中所述像素點個數(shù)的最大值不止一個時，則根據(jù)對應(yīng)起止像素點的灰度值的差值確定灰度值相差最大的起止像素點的位置。

在第一方面第三種可行的實現(xiàn)方式中，所述根據(jù)所述垂直邊緣包含的像素點的灰度值計算所述垂直邊緣的灰度變化率Value的步驟具體包括：

采用最小二乘法對所述灰度值進(jìn)行直線擬合，計算所述直線的斜率即為所述垂直邊緣的灰度變化率Value。

在第一方面第四種可行的實現(xiàn)方式中，所述對所述待評價圖像進(jìn)行預(yù)處理的步驟具體包括：利用邊緣保持濾波器為所述待評價圖像濾除脈沖噪聲。

本發(fā)明第二方面提供一種圖像清晰度評價裝置，所述裝置包括：

圖像獲取模塊，用于獲取待評價圖像；

圖像預(yù)處理模塊，用于對所述待評價圖像進(jìn)行預(yù)處理；

邊緣確定模塊，用于根據(jù)所述待評價圖像中每行像素點的灰度值確定所述待評價圖像中每行灰度值下降的垂直邊緣；

第一計算模塊，用于根據(jù)所述垂直邊緣包含的像素點的灰度值計算所述垂直邊緣的灰度變化率Value；

變量設(shè)置模塊，用于設(shè)置一初始值為0的變量a，每計算一次所述垂直邊緣的灰度變化率，變量a的值加1；

第二計算模塊，用于根據(jù)下列公式對所述待評價圖像中所有行的垂直邊緣的灰度變化率Value的絕對值求和，則得到所述待評價圖像的灰度變化率和S1：

S1＝Σ|Value|；

第三計算模塊，用于根據(jù)下列公式計算所述待評價圖像的灰度變化率和的平均值S：

$S=\frac{S1}{a};$

評價模塊，用于根據(jù)所述待評價圖像的灰度變化率和的平均值S對所述待評價圖像的清晰度進(jìn)行評價。

在第二方面第一種可行的實現(xiàn)方式中，所述待評價圖像的分辨率為m×n，其中m為所述待評價圖像中每行的像素點個數(shù)，n為所述待評價圖像中每列的像素點個數(shù)；所述邊緣確定模塊具體包括：

灰度提取模塊，用于從所述待評價圖像的每行像素點中每隔T個像素點取出一個像素點的灰度值，并得到一個灰度矩陣V(I,J)，在所述灰度矩陣V(I,J)中，每個像素點的灰度值用V(i,j)表示，其中1≤T≤m-1；

第一確定模塊，用于根據(jù)下列關(guān)系式在所述灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置：

V(i,j)>V(i,j+1)>V(i,j+2)，其中1≤i≤n，1≤j≤m-2；

第一查找模塊，用于根據(jù)所述起止像素點的位置在所述灰度矩陣V(I,J)中找出所述起止像素點間所有像素點的灰度值作為所述垂直邊緣包含的像素點的灰度值。

結(jié)合第二方面第一種可行的實現(xiàn)方式，在第二方面第二種可行的實現(xiàn)方式中，所述第一確定模塊具體包括：

判斷模塊，用于判斷每行中所述像素點個數(shù)的最大值是否只有一個；

第二確定模塊，用于當(dāng)判斷確定每行中所述像素點個數(shù)的最大值只有一個時，確定對應(yīng)起止像素點的位置；

第三確定模塊，用于當(dāng)判斷確定每行中所述像素點個數(shù)的最大值不止一個時，則根據(jù)對應(yīng)起止像素點的灰度值的差值確定灰度值相差最大的起止像素點的位置。

在第二方面第三種可行的實現(xiàn)方式中，所述第一計算模塊具體包括：

直線擬合模塊，用于采用最小二乘法對所述灰度值進(jìn)行直線擬合，計算所述直線的斜率即為所述垂直邊緣的灰度變化率Value。

在第二方面第四種可行的實現(xiàn)方式中，所述圖像預(yù)處理模塊具體包括：邊緣保持濾波模塊，用于為所述待評價圖像濾除脈沖噪聲。

從上述本發(fā)明實施例可知，本發(fā)明通過以圖像的邊緣灰度變化率為依據(jù)進(jìn)行圖像清晰度評價，對各種不同圖像都可以提供較為準(zhǔn)確，可靠的評價結(jié)果，適用范圍廣泛而且具有良好的單峰性、無偏性和靈敏性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明第一實施例中一種圖像清晰度評價方法的流程示意圖；

圖2為本發(fā)明第二實施例中一種圖像清晰度評價方法的流程示意圖；

圖3為本發(fā)明第三實施例中一種圖像清晰度評價裝置的功能模塊示意圖；

圖4為按照調(diào)焦順序采集到的不同清晰程度的紅外圖像序列；

圖5為采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法對圖4的紅外圖像序列進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果對比圖；

圖6為一組不同清晰程度的簡單可見光圖像序列；

圖7為采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法對圖6的簡單可見光圖像序列進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果對比圖；

圖8為一組不同清晰程度的復(fù)雜可見光圖像序列；

圖9為采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法對圖8的復(fù)雜可見光圖像序列進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果對比圖；

圖10為一組不同清晰程度的運動圖像序列；

圖11為采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法對圖10的運動圖像序列進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果對比圖。

具體實施方式

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例?；诒景l(fā)明中的實施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

圖像的邊界及細(xì)節(jié)部分不清晰時，圖像就顯得模糊。由此可知，對圖像的清晰度進(jìn)行判斷時，可以圖像的邊緣是否清晰為依據(jù)。對于同一內(nèi)容的圖像，清晰圖像的邊緣相對模糊圖像具有較大的灰度變化率，即清晰圖像能更快地從高灰度降到低灰度。因此，本發(fā)明實施例提出了一種以圖像邊緣灰度變化率為依據(jù)的圖像清晰度評價方法。

請參閱圖1，為本發(fā)明第一實施例中一種圖像清晰度評價方法的流程示意圖。本發(fā)明實施例提供的圖像清晰度評價方法，可以應(yīng)用于具有數(shù)字成像功能和圖像處理功能的智能終端設(shè)備中，該智能終端設(shè)備可以是智能手機(jī)、數(shù)碼相機(jī)、平板電腦或者筆記本電腦等。如圖1所示，該圖像清晰度評價方法包括：

步驟101、圖像清晰度評價裝置獲取待評價圖像；

需要說明的是，本發(fā)明實施例中所述的待評價圖像可以為數(shù)字灰度圖像。圖像種類包括但不限于靜態(tài)聚焦圖像、散焦圖像和運動圖像等。

步驟102、對待評價圖像進(jìn)行預(yù)處理；

在本發(fā)明實施例中，對待評價圖像進(jìn)行預(yù)處理主要包括對待評價圖像進(jìn)行濾波處理，以有效減少噪聲，降低噪聲對后續(xù)圖像邊緣確定過程的影響。

步驟103、根據(jù)待評價圖像中每行像素點的灰度值確定待評價圖像中每行灰度值下降的垂直邊緣；

在本發(fā)明實施例中，可以通過分析比對待評價圖像中每行像素點的灰度值來確定灰度值下降的垂直邊緣。該垂直邊緣是由多個灰度值連續(xù)下降的像素點形成。

步驟104、根據(jù)垂直邊緣包含的像素點的灰度值計算垂直邊緣的灰度變化率Value；

需要說明的是，灰度變化率反映了邊緣灰度變化的快慢。在本發(fā)明實施例中，可以利用最小二乘法對每行中垂直邊緣包含的像素點的灰度值進(jìn)行直線擬合，然后計算該直線的斜率，即為垂直邊緣的灰度變化率Value。

步驟105、設(shè)置一初始值為0的變量a，每計算一次垂直邊緣的灰度變化率，變量a的值加1；

步驟106、根據(jù)下列公式對待評價圖像中所有行的垂直邊緣的灰度變化率Value的絕對值求和，則得到待評價圖像的灰度變化率和S1：

S1＝Σ|Value|；

步驟107、根據(jù)下列公式計算待評價圖像的灰度變化率和的平均值S：

$S=\frac{S1}{a};$

需要說明的是，在本發(fā)明實施例中，每行中垂直邊緣的灰度變化率代表了該垂直邊緣所在行的灰度變化率，因此所有行的垂直邊緣的灰度變化率的絕對值求和，即是對待評價圖像所有行的灰度變化率求和，便可得到待評價圖像的灰度變化率和S1。

由于圖像分辨率與目標(biāo)大小的差異，可能會導(dǎo)致模糊圖像的所有行的垂直邊緣的灰度變化率之和大于相對清晰圖像的所有行的垂直邊緣的灰度變化率之和，因此在本發(fā)明實施例中設(shè)置一初始值為0的變量a，用于累計垂直邊緣的灰度變化率的計算次數(shù)，以便據(jù)此計算待評價圖像的灰度變化率和的平均值S作為衡量圖像清晰度的指標(biāo)，從而可提供較為準(zhǔn)確，可靠的評價結(jié)果。

步驟108、根據(jù)待評價圖像的灰度變化率和的平均值S對待評價圖像的清晰度進(jìn)行評價。

在本發(fā)明實施例中，越清晰的圖像，其對應(yīng)的灰度變化率和的平均值S越大；反之，越模糊的圖像，則對應(yīng)的灰度變化率和的平均值S越小。

本發(fā)明實施例通過以圖像的邊緣灰度變化率為依據(jù)進(jìn)行圖像清晰度評價，對各種不同圖像都可以提供較為準(zhǔn)確，可靠的評價結(jié)果，適用范圍廣泛而且具有良好的單峰性、無偏性和靈敏性。本發(fā)明實施例所述方法的評價效果具體可參見后文中提供的多組驗證實例說明。

下面將針對圖像中垂直邊緣的確定方式進(jìn)行詳細(xì)說明。

請參閱圖2，為本發(fā)明第二實施例中一種圖像清晰度評價方法的流程示意圖。如圖2所示，本發(fā)明第二實施例提供的一種圖像清晰度評價方法包括：

步驟201、獲取分辨率為m×n的待評價圖像，其中m為所述待評價圖像中每行的像素點個數(shù)，n為所述待評價圖像中每列的像素點個數(shù)；

數(shù)字圖像的灰度值通常是以二維數(shù)組的形式保存。在本發(fā)明實施例中，待評價圖像的灰度值用G(X,Y)矩陣來表示，圖像中每一像素點的灰度值對應(yīng)為G(x,y)，其中1≤x≤n，1≤y≤m；

步驟202、對待評價圖像進(jìn)行預(yù)處理；

在本發(fā)明實施例中，對待評價圖像進(jìn)行預(yù)處理的步驟具體包括：利用邊緣保持濾波器為待評價圖像濾除脈沖噪聲，以有效減少噪聲，從而減小由噪聲引起的相鄰像素灰度值的較大波動，盡量保持圖像邊緣，降低噪聲對后續(xù)圖像邊緣確定過程的影響。

步驟203、從待評價圖像的每行像素點中每隔T個像素點取出一個像素點的灰度值，則得到一個灰度矩陣V(I,J)；

在所述灰度矩陣V(I,J)中，每個像素點的灰度值用V(i,j)表示，其中1≤T≤m-1；

步驟204、根據(jù)下列關(guān)系式在灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置：

V(i,j)>V(i,j+1)>V(i,j+2)，其中1≤i≤n，1≤j≤m-2；

通常，圖像中每行像素點會有多次灰度值的階躍或屋頂變化，也會有少數(shù)背景噪聲造成的灰度值下降。通過實驗發(fā)現(xiàn)，在單一背景情況下，由噪聲造成的灰度的變化范圍不會很大，而且其間隔的像素點數(shù)也較小。但是如果對待評價圖像中每一行像素點逐一進(jìn)行比較，則較易產(chǎn)生誤判，由噪聲引起的部分像素點灰度值的變化會被誤以為是灰度下降的垂直邊緣。在本發(fā)明實施例中，為了有效解決上述問題并減少計算量，從待評價圖像的每行像素點中每隔T個像素點取出一個像素點的灰度值，得到新的灰度矩陣V(I,J)，其中1≤T≤m-1，然后從該灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值。如果是真正的灰度值下降的垂直邊緣，則會有灰度值的連續(xù)下降，而噪聲造成的灰度值變化范圍不會很大，而且其間隔的像素點數(shù)也較小，這樣就可以減少由噪聲造成的邊緣誤判。由此便可確定待評價圖像中每行灰度值連續(xù)下降間隔像素點個數(shù)最多的垂直邊緣，并由該垂直邊緣的灰度變化率代表該垂直邊緣所在行的灰度變化率作為圖像清晰度評價的依據(jù)。

在本發(fā)明實施例中，所述在所述灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置的步驟具體包括：

判斷每行中所述像素點個數(shù)的最大值是否只有一個；

當(dāng)判斷確定每行中所述像素點個數(shù)的最大值只有一個時，確定對應(yīng)起止像素點的位置；

當(dāng)判斷確定每行中所述像素點個數(shù)的最大值不止一個時，則根據(jù)對應(yīng)起止像素點的灰度值的差值確定灰度值相差最大的起止像素點的位置。

步驟205、根據(jù)起止像素點的位置在灰度矩陣V(I,J)中找出起止像素點間所有像素點的灰度值作為垂直邊緣包含的像素點的灰度值。

在本發(fā)明實施例中，所述起止像素點間所有像素點的灰度值也包括起止像素點的灰度值。

步驟206、采用最小二乘法對垂直邊緣包含的像素點的灰度值進(jìn)行直線擬合，計算直線的斜率即為垂直邊緣的灰度變化率Value；

步驟207、設(shè)置一初始值為0的變量a，每計算一次垂直邊緣的灰度變化率，變量a的值加1；

步驟208、根據(jù)下列公式對待評價圖像中所有行的垂直邊緣的灰度變化率Value的絕對值求和，則得到待評價圖像的灰度變化率和S1：

S1＝Σ|Value|；

步驟209、根據(jù)下列公式計算待評價圖像的灰度變化率和的平均值S：

$S=\frac{S1}{a};$

步驟210、根據(jù)待評價圖像的灰度變化率和的平均值S對待評價圖像的清晰度進(jìn)行評價。

在本發(fā)明實施例中，步驟206至步驟210與本發(fā)明第一實施例中步驟104至步驟108描述的內(nèi)容相似，此處不再贅述。

通過上述本發(fā)明實施例的實現(xiàn)可知，本發(fā)明通過從待評價圖像的每行像素點中每隔T個像素點取出一個像素點的灰度值，得到新的灰度矩陣V(I,J)，其中1≤T≤m-1，并在該灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置和起止像素點間所有像素點的灰度值，便可確定待評價圖像中每行灰度值連續(xù)下降間隔像素點個數(shù)最多的垂直邊緣，并由該垂直邊緣的灰度變化率代表該垂直邊緣所在行的灰度變化率作為圖像清晰度評價的依據(jù)進(jìn)行圖像清晰度評價，不僅可避免噪聲的影響，而且減少計算量，可以提供較為準(zhǔn)確，可靠的評價結(jié)果，具有良好的單峰性、無偏性和靈敏性。

請參閱圖3，為本發(fā)明第三實施例中一種圖像清晰度評價裝置的功能模塊示意圖。本發(fā)明實施例提供的圖像清晰度評價裝置，可以集成于智能終端設(shè)備中，該智能終端設(shè)備可以是智能手機(jī)、數(shù)碼相機(jī)、平板電腦或者筆記本電腦等。如圖3所示，本發(fā)明第三實施例提供的一種圖像清晰度評價裝置包括：

圖像獲取模塊301，用于獲取待評價圖像；

圖像預(yù)處理模塊302，用于對待評價圖像進(jìn)行預(yù)處理；

邊緣確定模塊303，用于根據(jù)待評價圖像中每行像素點的灰度值確定每行中灰度值下降的垂直邊緣；

第一計算模塊304，用于根據(jù)垂直邊緣包含的像素點的灰度值計算垂直邊緣的灰度變化率Value；

變量設(shè)置模塊305，用于設(shè)置一初始值為0的變量a，每計算一次垂直邊緣的灰度變化率，變量a的值加1；

第二計算模塊306，用于根據(jù)下列公式對待評價圖像中所有行的垂直邊緣的灰度變化率Value的絕對值求和，則得到待評價圖像的灰度變化率和S1：

S1＝Σ|Value|；

第三計算模塊307，用于根據(jù)下列公式計算待評價圖像的灰度變化率和的平均值S：

$S=\frac{S1}{a};$

評價模塊308，用于根據(jù)待評價圖像的灰度變化率和的平均值S對待評價圖像的清晰度進(jìn)行評價。

在本發(fā)明實施例中，待評價圖像可以為數(shù)字灰度圖像，分辨率為m×n，其中m為所述待評價圖像中每行的像素點個數(shù)，n為所述待評價圖像中每列的像素點個數(shù)。

可選地，在本發(fā)明實施例中，圖像預(yù)處理模塊302具體包括：邊緣保持濾波模塊，用于為待評價圖像濾除脈沖噪聲。

優(yōu)選地，在本發(fā)明實施例中，邊緣確定模塊303具體包括：

灰度提取模塊，用于從待評價圖像的每行像素點中每隔T個像素點取出一個像素點的灰度值，并得到一個灰度矩陣V(I,J)，在灰度矩陣V(I,J)中，每個像素點的灰度值用V(i,j)表示，其中1≤T≤m-1；

第一確定模塊，用于根據(jù)下列關(guān)系式在灰度矩陣V(I,J)中確定每行中灰度值連續(xù)下降的起止像素點間隔的像素點個數(shù)的最大值以及對應(yīng)起止像素點的位置：

V(i,j)>V(i,j+1)>V(i,j+2)，其中1≤i≤n，1≤j≤m-2；

第一查找模塊，用于根據(jù)起止像素點的位置在灰度矩陣V(I,J)中找出起止像素點間所有像素點的灰度值作為垂直邊緣包含的像素點的灰度值。

其中，第一確定模塊具體包括：

判斷模塊，用于判斷每行中像素點個數(shù)的最大值是否只有一個；

第二確定模塊，用于當(dāng)判斷確定每行中像素點個數(shù)的最大值只有一個時，確定對應(yīng)起止像素點的位置；

第三確定模塊，用于當(dāng)判斷確定每行中像素點個數(shù)的最大值不止一個時，則根據(jù)對應(yīng)起止像素點的灰度值的差值確定灰度值相差最大的起止像素點的位置。

另外，另外，在本發(fā)明實施例中，第一計算模塊304具體包括：

直線擬合模塊，用于采用最小二乘法對所述灰度值進(jìn)行直線擬合，計算所述直線的斜率即為所述垂直邊緣的灰度變化率Value。

由上述實現(xiàn)可知，本發(fā)明實施例提供的圖像清晰度評價裝置通過圖像獲取模塊301獲取待評價圖像并利用圖像預(yù)處理模塊302對待評價圖像進(jìn)行預(yù)處理，然后通過邊緣確定模塊303根據(jù)待評價圖像中每行像素點的灰度值確定每行中灰度值下降的垂直邊緣，第一計算模塊304根據(jù)垂直邊緣包含的像素點的灰度值計算垂直邊緣的灰度變化率Value，變量設(shè)置模塊305設(shè)置一初始值為0的變量a，每計算一次垂直邊緣的灰度變化率，變量a的值加1，第二計算模塊306對待評價圖像中所有行的垂直邊緣的灰度變化率Value的絕對值求和，得到待評價圖像的灰度變化率和S1，第三計算模塊307計算待評價圖像的灰度變化率和的平均值S，最后由評價模塊308根據(jù)待評價圖像的灰度變化率和的平均值S對待評價圖像的清晰度進(jìn)行評價，不僅可以提供較為準(zhǔn)確，可靠的評價結(jié)果，而且適用范圍廣泛，具有良好的單峰性、無偏性和靈敏性。

為了驗證本發(fā)明實施例所提供的圖像清晰度評價方法的效果，對各種不同清晰程度的圖像序列進(jìn)行清晰度評價，并與傳統(tǒng)的相鄰像素灰度方差法(下文簡稱SMD法)和方差法進(jìn)行對比。

如圖4所示，為按照調(diào)焦順序采集到的不同清晰程度的紅外圖像序列。圖4中共有八幅圖像，每幅圖像的分辨率均為320×240，可以看出，其中最清晰的圖片為第五幅圖片。為了驗證本發(fā)明實施例所述方法的有效性，對該組紅外圖像序列分別采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法進(jìn)行清晰度評價，歸一化后的實驗結(jié)果對比如圖5所示，傳統(tǒng)方差法的評價效果較差，出現(xiàn)了多個峰值，不滿足單峰性、無偏性和靈敏性，而本發(fā)明實施例所述方法則具有良好的單峰性、無偏性和靈敏性。

為了證明本發(fā)明實施例所述方法的適用范圍，下面對一組不同清晰程度的簡單可見光圖像序列，采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法來進(jìn)行對比。如圖6所示，為一組不同清晰程度的簡單可見光圖像序列，其中第四幅圖像最清晰。對該組簡單可見光圖像序列分別采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果如圖7所示。由實驗結(jié)果可知，本發(fā)明實施例所述圖像清晰度評價方法具有良好的單峰性、無偏性和靈敏性，而傳統(tǒng)方差法對圖像的清晰度變化不敏感，傳統(tǒng)SMD法也不滿足靈敏性和無偏性要求。

下面將對一組不同清晰程度的復(fù)雜可見光圖像序列，采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法來進(jìn)行對比。如圖8所示，為一組不同清晰程度的復(fù)雜可見光圖像序列，其中第四幅圖像最清晰。對該組復(fù)雜可見光圖像序列分別采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果如圖9所示。由實驗結(jié)果可知，本發(fā)明實施例所述圖像清晰度評價方法具有良好的單峰性、無偏性和靈敏性，而傳統(tǒng)方差法不滿足無偏性，對圖像的清晰度變化也不敏感。

上述兩組實驗用圖像序列均為散焦模糊圖像，下面將對一組不同清晰程度的運動圖像序列，采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法來進(jìn)行對比。如圖10所示，為一組不同清晰程度的運動圖像序列，其中第四幅圖像是原始圖像，其他均為水平運動方向上不同模糊距離的圖像，由圖可知從第一到第四幅圖像模糊度遞減，從第四到第六幅圖像模糊度遞增。對該組運動圖像序列分別采用本發(fā)明實施例所述方法以及傳統(tǒng)相鄰像素灰度方差法和方差法進(jìn)行清晰度評價并進(jìn)行歸一化后的實驗結(jié)果如圖11所示。由實驗結(jié)果可知，本發(fā)明實施例所述圖像清晰度評價方法同時具有良好的單峰性、無偏性和靈敏性，而傳統(tǒng)方差法和SMD法均不滿足單峰性和無偏性。

綜上所述，本發(fā)明實施例提供的圖像清晰度評價方案對各種不同圖像都可以提供較為準(zhǔn)確，可靠的評價結(jié)果，適用范圍廣泛而且具有良好的單峰性、無偏性和靈敏性，為圖像質(zhì)量的評價提供了重要的參考。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模塊的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個模塊或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或模塊的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理模塊，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)模塊上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能模塊可以集成在一個處理模塊中，也可以是各個模塊單獨物理存在，也可以兩個或兩個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。

所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機(jī)可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機(jī)存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

需要說明的是，對于前述的各方法實施例，為了簡便描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某些步驟可以采用其它順序或者同時進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定都是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其它實施例的相關(guān)描述。

以上為對本發(fā)明所提供的一種圖像清晰度評價方法及裝置的描述，對于本領(lǐng)域的技術(shù)人員，依據(jù)本發(fā)明實施例的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。