[发明专利]一种人脸图像模糊度计算方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸图像模糊度计算方法及装置。

背景技术

人脸图像作为人脸识别的输入，其质量对识别结果有较大的影响。在人脸识别之前，先要对人脸图像进行质量评价，甄别出质量较差的图像，对图像进行修复，提高质量，或者丢弃图像，获取质量更好的图像作为输入。

图像质量评价中较常用的方法是计算图片的模糊度。目前针对图像模糊度的评价主要有两类客观评价方法。第一类是全参照的评价方法，即需要以降质之前的原图像作为参照，对比降质前后图像进行模糊度评价，这类方法最为精确，但在无法获得原图像作为参照情形下没有意义。第二类是无参照评价方法，即不利用任何原图像的信息，仅仅通过对降质后的图像进行评价，无参照评价方法的应用范围更广。而无参照评价方法中的基于局部梯度分析模型的图形模糊度评价方法，由于计算量小、效果稳定而被广泛使用，其基本思想是图形的局部梯度值对模糊较为敏感，梯度值的变化能够反映出图像的模糊变化。

人脸图片一般会包含部分背景，使用局部梯度方法进行图像的模糊度评价，当背景中纹理较多时，会使得图片的梯度值增加，此时即使人脸本身非常模糊，使用局部梯度算法也可能将图片判断为清晰图片。因此，基于局部梯度分析模型的图形模糊度评价方法如果不考虑图片背景，会得到不准确的评价结果。

发明内容

本发明实施例提供一种人脸图像模糊度计算方法及装置，以得到更准确的图像模糊度计算结果，对图像质量进行更准确的评价。

一方面，提供了一种人脸图像模糊度计算方法，所述方法包括：

计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值进行归一化处理；

针对图像中各像素点为人脸或背景，分别赋予不同的加权值；

计算进行归一化处理后的各像素点的局部梯度值与各像素点的加权值的乘积之和，作为所述图像的第一模糊度。

优选地，所述针对图像中各像素点为人脸或背景，分别赋予不同的加权值，包括：

采用以下高斯函数公式获得图像x,y坐标处的加权值：

其中，a、b为常数，g(x,y)表示图像x,y坐标处的加权值,x_c、y_c指图像中心的坐标；

并采用以下公式对获得的图像x,y坐标处的加权值进行归一化处理，得到赋予图像中各像素点的加权值：

其中，g_norm(x,y)为归一化处理后的图像x,y坐标处的加权值，即赋予图像中各像素点的加权值。

优选地，所述针对图像中各像素点为人脸或背景，分别赋予不同的加权值，包括：

收集设定数量的人脸图片，并将所述设定数量的人脸图片转换成相同尺寸的人脸图片；

计算转换尺寸后的各人脸图片的各像素点的梯度值，并将所述各人脸图片的各像素点的梯度值分别进行累加；

将累加的各像素点的梯度值进行归一化处理，进行归一化处理后的各像素点的梯度值为所述各像素点的人脸或背景的加权值。

优选地，所述方法还包括：

获取所述图像的梯度密度，所述梯度密度用于表征所述图像的噪声水平；

将所述图像的第一模糊度与所述梯度密度的反比例的加权和，作为所述图像的第二模糊度。

优选地，所述获取所述图像的梯度密度，包括：

构造所述图像的二值图像，其中，若像素点的梯度值大于图像平均梯度值，则像素值置为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像素值置为0；

计算所述二值图像中所述像素值为1的像素点对应的梯度值之和；

在所述二值图像上，以设定大小的窗口进行扫描，各扫描窗口在图像中不重叠，统计各个窗口中所述像素值为1的像素点的个数，其中，若所述窗口中存在像素值为1的像素点，则所述窗口中所有像素点的像素值赋值为1；

计算所述二值图像中所述像素值为1的像素点对应的梯度值之和与所述各个窗口中所述像素值为1的像素点的个数之和的比值，作为所述图像的梯度密度。

另一方面，提供了一种人脸图像模糊度计算装置，所述装置包括：

计算模块，用于计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值进行归一化处理；

第一加权模块，用于针对图像中各像素点为人脸或背景，分别赋予不同的加权值；

所述计算模块还用于计算进行归一化处理后的各像素点的局部梯度值与各像素点的加权值的乘积之和，作为所述图像的第一模糊度。