[发明专利]图像质量自动检测方法、系统、设备及存储介质

说明书

本发明提供了一种图像质量自动检测方法、系统、设备及存储介质，包括如下步骤：获取目标图像，确定出目标图像中的模糊区域，当模糊区域在目标图像中所占面积比例小于预设置的第一比例阈值时，判定目标图像为合格图像；识别出目标图像的每一商品区域，判断商品区域是否为过曝光区域或欠曝光区域，当过曝光区域和/或欠曝光区域占所有商品区域小于预设置的第二比例阈值时，判定目标图像为合格图像；将依选出的合格图像通过预设置的图像内容分类模型筛选出质量合格图像。本发明能够根据目标图像中模糊区域、曝光区域和图像内容对目标图像进行筛选，筛选出质量合格图像，从而能够便于对目标图像中的商品进准确识别。

技术领域

本发明涉及图像处理，具体地，涉及一种图像质量自动检测方法、系统、设备及存储介质。

背景技术

随着计算机和智能手机中硬件部分的计算能力增强，近几年来，机器学习和计算机视觉技术取得了飞速的发展，很多研发人员做了大量的工作来研发可辅助人们日常任务的机器学习和计算机视觉算法。

在新零售领域，需要通过手机定期对货架或冰箱图像进行采集，并将采集后的图像汇集到后台系统中。后台系统利用图像识别技术获取图像中每个商品的种类，数目以及位置信息等。将生成的数据汇聚成报表，并定期更新商品数据报表后。便能够根据商品数据包括就可以对货架或冰箱上的商品情况完全掌控。

但是在通过手机对货架或冰箱的图像进行采集时，常常会因为手机的抖动或相机的曝光问题导致图像采集的不合格，导致无法对图像的进行识别或图像识别准确率较低，因此需要提供一种能够实现图像质量检测的方法。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种图像质量自动检测方法、系统、设备及存储介质。

根据本发明提供的图像质量自动检测方法，包括如下步骤：

步骤S1：获取目标图像，确定出所述目标图像中的模糊区域，当所述模糊区域在所述目标图像中所占面积比例小于预设置的第一比例阈值时，判定所述目标图像为合格图像；

步骤S2：识别出所述目标图像的每一商品区域，判断所述商品区域是否为过曝光区域或欠曝光区域，当所述过曝光区域和/或欠曝光区域占所有商品区域小于预设置的第二比例阈值时，判定所述目标图像为合格图像；

步骤S3：将依次经过步骤S1、步骤S2中或依次经过步骤S2、步骤S1筛选出的合格图像通过预设置的图像内容分类模型筛选出质量合格图像。

优选地，所述步骤S1包括如下步骤：

步骤S101：获取所述目标图像，对所述目标图像进行模糊区域检测，确定所述目标图像中的模糊区域，进而确定所述模糊区域的面积；

步骤S102：根据所述模糊区域的面积计算出所有模糊区域的面积在所述目标图像中所占面积比例；

步骤S103：判定所述所占面积比例是否小于预设置的所述第一比例阈值，并在当所述所占面积比例小于预设置的第一比例阈值时，判定所述目标图像为合格图像。

优选地，所述步骤S2包括如下步骤：

步骤S201：识别出所述目标图像的每一商品区域，并生成每一所述商品区域的灰度直方图；

步骤S202：将每一所述商品区域的灰度直方图与预设置的该商品区域对应的基准灰度直方图相对比，将所述商品区域分为过曝光区域、欠曝区域和合格区域；

步骤S203：当所述目标图像中的曝光区域和/或欠曝区域的数量与该目标图像中商品区域的总数量比值小于预设置的第二比例阈值时，判定所述目标图像为合格图像。

优选地，在步骤S1和步骤S2之前还包括如下步骤：