[发明专利]检测和量化数字图像中的模糊的方法

说明书

发明领域

本发明涉及检测和量化数字图像中的模糊的方法，以及执行该方法的一种计算机程序。

发明的背景

图像分析在很多领域都起作用，例如在医学成像领域，确定哪些图像是模糊的以及模糊到什么程度是非常重要的。一般问题在于确定哪些图像是可用的，例如可用于诊断用途。

过去，由专家或从业者用看到的来观察实际图像做出评估。现在，图像或是数字化的或是进行数字化处理的，数字化即以图像的离散像素或元素点来定义。各个像素都与根据预定的编码系统所赋予像素比色值的一个或多个数值参数相关联。此类编码系统的一个已知实例为HSB(色度、饱和度、亮度)或其变化例HSV(色度、饱和度、纯度)。

现已有各种技术可用于量化数字图像的模糊。由此引发关于计算时间的问题、即必需缩短处理许多图像及相关结果的时间。

现有测试简单图像清晰度的方法。有些方法计算很快(每幅512*512像素的图像大约100毫秒)，但不是很可靠(相机自动对焦、色彩强度分析)。这些方法允许相当高效地比较一定数量的图像并随后选出最清晰的一幅图像，但这不能按绝对值来计算清晰度。

其它方法(傅里叶变换、小波变换)更为复杂且计算较慢(每幅512*512像素的图像大约500毫秒至3秒)，而且还有其它缺点(无法区分均匀图像与模糊图像)。

有很多文章涉及数字图像中的模糊检测。值得注意的一篇是由佟航航、李明进、张宏江、张长水所著的《利用小波变换进行数字图像的模糊检测》(详见“Blur Detection for Digital Images Using WaveletTransform”by HANGHANG TONG，MINGJING LI，HONGJIANGZHANG，CHANGSHUI ZHANG；2004IEEE International Conference on multimedia and expo：ICME27-30/06/2004，Taipei，Taiwan)。该文章提出了一种利用小波变换的模糊检测算法。该分析也是像素数的平方的函数。于是，图像的计算时间大约为一秒。另外，用于测试的模糊图像是由清晰的源图像来产生的，各种数字模糊(模糊矩阵)可应用于所述源图像。例如，由于图像捕捉过程中的不当焦距或意外移动，数字模糊比“模拟”模糊更易于可靠地进行检测。

本发明的目的是克服上述某些或全部缺点，尤其是提供一种量化模糊的方法，该方法不仅速度很快，而且如果不是比现有方法更可靠的话，则至少是与其一样可靠，该方法尤其适合“模拟”类型的模糊。

发明内容

本发明的解决方案涉及检测和量化数字图像中的模糊的方法，所述方法使用计算机且包括：

-获取数字图像的步骤a)，所述数字图像包括像素以及与像素相关的比色编码参数；

-根据数字图像获取各个像素的亮度参数的步骤b)，所述步骤b)还包括与边缘检测矩阵进行卷积的运算；

-计算包括步骤b)中所获取的对所有像素进行计算的亮度参数的最大值的分数S1的步骤c)；以及，

-评估数字图像的步骤d)，如果步骤c)中所得到的分数S1明显小于第一预定阈值，则认为数字图像是模糊的，分数S1提供数字图像中出现的模糊的第一个数量。

“获取数字图像”可理解为获得一幅数字图像。它可以是已存在的图像或者是用本领域技术人员已知的诸如CCD相机这类任何适当工具产生的图像。各个像素都是数字图像的基本组成部分。通常，图像是二维的(2D)，即像素的位置可由两个坐标轴x和y确定。

各个像素都与比色编码参数相关。最有名的是RGB系统(即红、绿、蓝)和HSV及其类似系统HSB(色度、饱和度、纯度及色度、饱和度、亮度)。这些编码系统通常都是模拟的，而且可以采用已知的转换关系进行相互互换。亮度与光度相类似。

图像可为任意形状。通常为矩形或方形。其可由使各个像素与其比色参数相关联的矩阵来表示。即使图像不是矩形的，“缺失”的像素始终是可以添加的且为其分配中性参数。例如，对于圆形图像而言，意味着为其加角。

还应该指出的是，因为用矩阵表示方便，但并非只能用矩阵来表示。在本发明的方法中，不以矩阵形式来表示计算，也可以完全同样进行相同的计算。矩阵表示是有利的，因为对于计算机编程而言是理想的，而且允许以简洁的形式来表达计算。但是，计算的形式并不重要，重要的是其函数及其结果。

在采集(或获取)数字图像的步骤a)之后，在步骤b)中，计算各个像素的亮度参数。