[发明专利]一种基于强边缘检测的图像清晰度评价方法

摘要

一种基于强边缘检测的图像清晰度评价函数方法，包括如下步骤：步骤一，设定边缘检测算子，即八方向Sobel算子；步骤二，判定图像清晰度评价函数的设定：这里采用的是强边缘像素的强度均值，采用的八方向模板是步骤一所示转换后的模板。本发明的优点是：采用的八方向模板考虑了不同方向的灰度差，增强了边缘提取的效果；考虑当前点的正方向与周围点的空间位置关系，应赋予差别不能太大的权值，避免了噪声的引入；边缘强度大小即图像中每个像素点的梯度值的计算公式采用范式1的计算方法，大大节省了平方再开方运算所需的时间，还利于提取图像边缘点。

主权项

1.一种基于强边缘检测的图像清晰度评价函数方法，包括如下步骤：步骤一，设定边缘检测算子，即八方向Sobel算子；传统的Sobel算子只考虑了水平和竖直两个方向的空间位置，而实际情况中的梯度方向是未知的，所以其计算出来的结果往往会存在一定的误差；针对此问题，在基于传统Sobel算子上，采用了一种八方向Sobel算子，又因为在离焦模糊图像清晰度评价时考虑当前像素与其他像素空间位置时，采用了八个不同权值的模板；这里只定义了八个方向模板，因为虽然继续增加模板的数量能够进一步提高计算的准确性，但出于对计算效率的考虑和边缘宽度的限制，不宜再增加模板的数量；将八方向Sobel模板转换为另八方向不同权值模板的结果：步骤二，判定图像清晰度评价函数的设定：这里采用的是强边缘像素的强度均值，采用的八方向模板是步骤一所示转换后的模板；边缘强度大小即图像中每个像素点的梯度值可采用计算公式：I(x,y)＝|H₁|+|H₂|+|H₃|+|H₄|+|H₅|+|H₆|+|H₇|+|H₈|   (3)其中H_i表示为八方向模板对图像中每个点进行邻域卷积计算，提取图像八个方向上的边缘成分，i＝1,...,8：为判定当前边缘的梯度方向，只需要求出卷积结果最大所对应的模板即可：θ＝max{H_i,i＝1,2,...,8}      (5)为了能更好的得到评价指标，图像中每个像素点梯度值可以表示为：其中，highThreshold表示梯度强度的高阈值，如果边缘强度大于此阈值，表示是有效的边缘；对于highThreshold，即梯度强度的高阈值选取，其规则是取对应图像灰度梯度最大值的1/2；然后求有效的边缘强度的均值，即为清晰度评价函数：其中，F为本发明提出的清晰度评价函数，n为满足I(x,y)≥highThreshold的个数，是一个可变的数值。