[发明专利]一种应用于智能终端的图像模糊度评价方法及系统

说明书

技术领域

本发明属于数字图像处理技术领域，尤其涉及一种应用于智能终端的图像模糊度评价方法及系统。

背景技术

模糊度是图像质量的一个重要的衡量指标，图像的模糊度评价是图像质量评价领域的重要研究课题。不少已有的传统模糊度评价方法建立在待评价图像自身的结构特点上，比如边缘信息、纹理特征等，可以归纳为一种绝对的评价方法，这样带来的问题就是评价方法对内容有了依赖性，只能局限于比较相同内容图像的模糊度，后来一些可以用于评价不同内容图像模糊度的方法复杂性较高，实时性较差。随着可拍照智能终端的普及，人们越来越多地通过图像来获取存储信息，因此快速对获取的图像进行模糊度评价不但能够丰富智能终端图像获取系统的功能、评估设备的硬件性能，对获取高质量图像也具有重要意义。

发明内容

本发明实施例的目的在于提供一种应用于智能终端的图像模糊度评价方法，旨在解决传统的评价方法不能用于评价不同内容的图像模糊度的难题。

本发明实施例的另一个目的在于提供一种应用于智能终端的高效便捷的图像模糊度评价系统，该应用于智能终端的图像模糊度评价系统包括：用于获取图像，并计算滤波前后图像统计信息比值的模糊度评价模块和与模糊度评价模块连接，用于得出最终图像和图像模糊度评价指标的模糊度调整模块。

本实施例是这样实现的，一种应用于智能终端的图像模糊度评价系统，选择android开发环境进行该应用系统开发，该系统包括两个模块：用于获取图像，并计算滤波前后图像统计信息比值作为评价指标的模糊度评价模块和与模糊度评价模块连接，用于得出最终图像和图像模糊度评价值的模糊度调整模块。然后将开发好的.app文件嵌入到基于安卓系统的智能终端，本实施例选择为安卓手机。

进一步，模糊度评价模块的工作流程包括：

步骤一，图像获取，通过智能终端的成像设备拍照或者直接从内存图像库获取待评价图像；

步骤二，图像灰度化，为方便下面图像的边缘提取，利用数字图像处理中 RGB图像R、G、B三通道像素值与灰度图像像素值转换关系将彩色图像转化为灰度图像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

步骤三，图像边缘提取，利用图像处理方法中Roberts算子边缘检测技术作用于灰度图像获取图像的边缘；

步骤四，图像处理，利用高通/低通滤波器对图像进行滤波处理以构造待评价图像的参考图像；

步骤五，图像边缘统计信息计算，分别计算图像滤波前后边缘灰度信息：边缘像素与以边缘像素为中心的某邻域内其他像素的绝对加权像素差之和，这个边缘灰度信息作为计算图像受滤波器影响大小的评测值；

步骤六，图像模糊度指标计算，如步骤五所计算，将图像滤波前后边缘灰度统计信息的比值作为模糊度指标。

进一步，图像模糊度调整模块的工作流程包括：

步骤一，得出模糊度调整范围，利用上述步骤一中的模糊度评价方法评价 LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；

步骤二，图像模糊度调整：评价模块计算的图像的模糊度大于max说明图像滤波前后统计量变化不大即图像过于模糊，利用高通滤波器进行滤波处理，反之，小于min说明统计量变化很大即原始图像过于清晰，利用低通滤波器进行滤波处理；

步骤三，得出最终图像和该图像的模糊度评价指标。

进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充。

进一步，图像模糊度评价模块工作流程的步骤六中评价指标计算滤波器对待评价原始图像的影响值作为评价依据：边缘灰度统计信息的比值作为评价指标，这个比值越大说明两者相比变化不大，图像受滤波器影响越小，待评价图像越模糊，反之比值越小，图像越清晰。

本发明提供的应用于智能终端的图像模糊度评价方法，不同于传统的评价方法建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标。本发明的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。

附图说明