[发明专利]基于序列模式的图像模糊检测方法及设备

说明书

本发明提供一种基于序列模式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。获得RGB彩色图像；将RGB彩色图像转换为灰度图像；将灰度图像使用Sobel算子求取水平和垂直方向的边缘检测算子的卷积因子；使用Tenengrad算法计算分数；将本图像的分数减去上一张图像的分数，利用分数差结果来判断当前图像处于哪一个模式；根据不同的模式使用不同的判断方法来存储清晰的图像；实时推送图像或手动调用各个模式中存储清晰的图像。总之，本发明提供的基于序列模式的图像模糊检测方法通过序列图像的相邻图像来判断选取相对而言最清晰的图片，同时采取对应不同模式的判断方法判断图像清晰度，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，涉及一种基于序列模式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。

已有的模糊检测方法分为三种：全参考、半参考、无参考。其中全参考最成熟，但实际应用无参考的价值更大。因为全参考需要一张质量参考图，但在实际应用中同一个算法可能要应用到不同的环境里去，显然一张参考图难以评价所有，而无参考的准确率达不到应用的范围。在201810137970.4中，其使用了SSIM(StructuralSimilarity)结构相似性，做法是对原图进行二次模糊然后和原图进行对比，本发明也使用类似的方法，但是比较的是前一帧与后一帧，这样做的好处是能够弥补不同环境而导致判断标准不一致的缺陷，可以应用到更加复杂的现实环境中，从绝对的角度转向相对的角度来看待问题，在检测场景中获取相对清晰的图像，这样能杜绝在检测过程中可能获取不到清晰图像而导致检测无效的缺陷，确保程序稳健进行。

发明内容

本发明吸纳了全参考和无参考的优点，弥补了各自一定的缺陷，而且能在机器人等嵌入式平台上，计算资源受限的情况下使用。本发明针对嵌入式应用场景视频流检测，比以往的使用单张图像的检测准确性要有极大的提高，能在整个检测过程中相对的挑选出最清晰的图像。

本发明提供的基于序列模式的图像模糊检测方法的技术方案具体为：

步骤S1：获得RGB彩色图像；

步骤S2：将RGB彩色图像转换为灰度图像；

步骤S3：将灰度图像使用Sobel算子求取水平和垂直方向的边缘检测算子的卷积因子；

步骤S4：使用Tenengrad算法计算分数；

步骤S5：将本图像的分数减去上一张图像的分数，利用分数差结果来判断当前图像处于哪一个模式；

步骤S6：根据不同的模式使用不同的判断方法来存储清晰的图像；

步骤S7：实时推送图像或手动调用各个模式中存储清晰的图像。

优选地，步骤S4具体为：

将S3计算出的水平和垂直边缘检测算子的卷积因子分别进行平方得到L和V，再把L和V相加再开方得到R矩阵，把R矩阵里的每个元素与边缘阈值进行比较筛选；当该元素大于边缘阈值2时，认为是真边缘，则保留不做任何处理；否则认为不是真边缘而遗弃，同时把该元素重新赋值为零；

把R矩阵里的每一个元素相加除以R矩阵中元素的个数得到所求分数S。

优选地，步骤S5模式判断的方法具体为：