[发明专利]基于滑窗再模糊的图像模糊检测方法、设备

说明书

本发明提供一种基于滑窗再模糊的图像模糊检测方法、设备及计算机可读存储介质，属于图像处理与分析技术领域。对所采集的图像进行手掌区域判断；对目标图像进行再模糊处理，获得再模糊图像；将目标图像和所述再模糊图像转换为灰度图像；对得到的两个灰度图像分别进行边缘检测，得到各自的边缘图像；对得到的两个边缘图像分别进行滑窗分块处理，计算两者的结构相似度；将结构相似度同预设阈值进行比较，若相似度大于等于预设阈值，则判断目标图像清楚，否则判断为模糊。总之，本发明提供的基于滑窗再模糊的图像模糊检测方法针对嵌入式应用场景，可一次性提取图像边缘信息，自由设置滑窗尺寸，在保证检测准确性的基础上达成了实时性的要求。

技术领域

本发明属于图像处理领域，具体的讲，涉及一种基于滑窗再模糊的图像模糊检测方法及设备。

背景技术

在本公司幼儿园晨检机器人产品的使用过程中，在幼儿园晨检机器人产品的使用过程当中，由于现场环境差异和儿童本身活泼好动等原因，摄像头采集到用于疱疹检测的儿童手掌图像时常出现模糊失真的情况，严重影响后台疱疹检测的效率和准确性。为解决上述问题，需要实现一种可在前端嵌入式平台上执行的快速有效的图像模糊检测方法，用于手掌图像的实时过滤。

在发明201710518661.7与201810137970.4中，其采用的图像分块和再模糊技术与本专利相近。两者都是对原图做再模糊处理后划分为若干子块，提取子块的Canny边缘信息进行相似度比对，而本发明是直接对整个图像提取Sobel边缘信息，然后滑窗分块进行相似度比对。

发明内容

已有的模糊检测方法往往在实时性和准确性上难以兼顾，特别是在机器人等嵌入式平台上，计算资源受限，这一问题尤其突出。本发明针对嵌入式应用场景，一次性提取图像边缘信息，合理设置滑窗尺寸，在保证检测准确性的基础上达成了实时性的要求。

本发明提供的基于滑窗再模糊的图像模糊检测方法的技术方案具体为：

具体技术方案如下：

步骤S1：对所采集的图像进行手掌区域判断，若该图像包含手掌区域，则提取手掌区域图像作为待考察的目标图像；

步骤S2：对目标图像进行再模糊处理，获得再模糊图像；

步骤S3：将目标图像和所述再模糊图像转换为灰度图像；

步骤S4：对得到的两个灰度图像分别进行边缘检测，得到各自的边缘图像；

步骤S5：对得到的两个边缘图像分别进行滑窗分块处理，计算两者的结构相似度；

步骤S6：将结构相似度同预设阈值进行比较，若相似度大于等于预设阈值，则判断目标图像清楚，否则判断为模糊；

循环步骤S1到S6，完成手掌图像的模糊检测。

优选地，步骤S1的提取方法具体为通过专门训练的深度YOLOV3神经网络来检测手掌。

优选地，所述边缘检测的具体方法为：

采用Sobel算子，利用其包含的两组3x3的矩阵，分别对应横向与纵向，将之与图像作平面卷积，得出各像素点的横向与纵向的灰度梯度；

取横向与纵向的灰度梯度的平方和再开方得到综合梯度；

压缩为8位灰度值后可得到边缘图像。

优选地，在进行滑窗分块处理分块时，设定滑窗尺寸和滑动步长，得到若干子块，计算出各个子块的方差。

优选地，相似度值的计算方法为：将边缘图像各个子块的对应方差相减后取绝对值，再求平均后得到相似度值。

本发明还提供一种基于滑窗再模糊的图像模糊检测方法的设备，其特征在于，包括：

存储器，其上存储有计算机程序代码；以及

处理器，其被配置为运行所述计算机程序代码，以执行上述的方法。