一种基于一组同场景照片清晰度的评价方法

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于一组同场景照片清晰度的评价方法。

背景技术

现在，我们在进行拍照时经常会连续拍多张然后在进行筛选出清晰度更好的照片，已有的图像清晰度评价方法受噪声干扰明显，评价结果容易和主观评价结果不一致，对照片视窗内局部运动模糊不敏感，有一些方法的计算方式繁琐复杂，计算量较大。

综上，现亟需一种能够解决上述技术问题，能够快速稳定、良好抗噪且与主观评价基本无偏的给出对一组同场景照片的清晰度评价，并且以此提供该组照片的对比和选优来克服上述问题。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种基于一组同场景照片清晰度的评价方法，旨在解决现有技术已有的图像清晰度评价方法受噪声干扰明显，评价结果容易和主观评价结果不一致，对照片视窗内局部运动模糊不敏感，计算量较大的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种基于一组同场景照片清晰度的评价方法，其特征在于，包括以下步骤：

S10.获取一组多张的同场景照片；

S20.选定所述同场景照片的ROI区域；

S30.计算所述ROI区域内图像的各色彩通道的梯度信息得出梯度图；

S40.对所述梯度图按照普通灰度图方式统计其直方图分布；

S50.截取各个直方图分布中强度最高的前T％像素数的一段分布，其中T为可调控的参数；

S60.对所截取分布进行各自的加权平均得到一个标量值；

S70.根据所述标量值判断所述同场景照片的清晰度。

优选的，所述步骤S10获取一组多张的同场景照片采用现场拍摄或从相册提取，所述现场拍摄为单拍或自动连拍。

优选的，所述步骤S20选定所述同场景照片的ROI区域为选定图像正中心的1/4图像总分辨率的区域。

优选的，所述步骤S30计算所述ROI区域内图像的各色彩通道的梯度信息得出梯度图中采用Sobel计算方法，其中，计算梯度信息的图像色彩分量无特殊要求，各个色彩分量上均可计算，且得到的最终结果也均可作为该分量上的清晰度对比的评价标准。

优选的，所述步骤S50截取各个直方图分布中强度最高的前T％像素数的一段分布中的T值选为10。

优选的，在所述步骤S70后还包括S80标记清晰度最高的照片，并突出显现该清晰度最高的照片。

优选的，在所述步骤S70后还包括S90根据清晰度的高低对同场景照片进行排序。

与现有技术相比，本发明的有益效果：

本发明提供的一种基于一组同场景照片清晰度的评价方法，包括以下步骤：S10.获取一组多张的同场景照片；S20.选定所述同场景照片的ROI区域；S30.计算所述ROI区域内图像的各色彩通道的梯度信息得出梯度图；S40.对所述梯度图按照普通灰度图方式统计其直方图分布；S50.截取各个直方图分布中强度最高的前T％像素数的一段分布，其中T为可调控的参数；S60.对所截取分布进行各自的加权平均得到一个标量值；S70.根据所述标量值判断所述同场景照片的清晰度。能够快速稳定、良好抗噪且与主观评价基本无偏的给出对一组同场景照片的清晰度评价，并且以此提供该组照片的对比和选优。

附图说明

图1为本发明优选实施例的流程框图；

图2为本发明另一优选实施例的流程框图；

图3为本发明又一优选实施例的流程框图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如附图1-3所示，本发明提供的一种基于一组同场景照片清晰度的评价方法，包括以下步骤：

S10.获取一组多张的同场景照片；

S20.选定所述同场景照片的ROI区域；

S30.计算所述ROI区域内图像的各色彩通道的梯度信息得出梯度图；

S40.对所述梯度图按照普通灰度图方式统计其直方图分布；

S50.截取各个直方图分布中强度最高的前T％像素数的一段分布，其中T为可调控的参数；

S60.对所截取分布进行各自的加权平均得到一个标量值；

S70.根据所述标量值判断所述同场景照片的清晰度。

具体为，获取一组多张的同场景照片，选取所述同场景照片的ROI区域，计算ROI区域内图像的各色彩通道的梯度信息得出梯度图，对梯度图按照普通灰度图方式统计其直方图分布，截取各个直方图分布中强度最高的前T％像素数的一段分布，其中T为可调控的参数，根据需求选择T的值，然后对所截取分布进行各自的加权平均得到一个标量值，该标量值作为每帧图像ROI清晰度的评价和比较的指标，根据该标量值判断所述同场景照片的清晰度。

在一些实施例中，所述步骤S10获取一组多张的同场景照片采用现场拍摄或从相册提取，所述现场拍摄为单拍或自动连拍。具体为，关于相册提取，通过内部程序设置判定相册内的照片为同场景照片，例如分析照片的拍摄时间，或通过图片判断模块进行照片背景的初步判别，若为类似背景则判别为同场景照片。然后关于现场拍摄则可以手动单拍多张或者设置为自动连拍获取的照片，拍摄过程中由于手抖等原因必定会存在清晰度有差别的同场景照片。

在一些实施例中，所述步骤S20选定所述同场景照片的ROI区域为选定图像正中心的1/4图像总分辨率的区域。这里的ROI区域是评价图像清晰度的重点参考的感兴趣区域，以该选取区域的清晰度值赋予高权重，其余区域的的清晰度值赋予低权重或者0权重，最终相加得到全图的清晰度值。选取方式包括不限于九宫格(“井”字型)中的若干图像块区域组成，黄金分割方后的中心或者边界区域组成，以及人为主观设定的一个特定区域组成，本方案中为了兼容性和通用性，基于拍照时惯例的会将感兴趣景物呈现在照片中心位置的假设，将ROI(感兴趣区域)设置在图像(设定，图像宽w，高h)中坐标为A[w/4,h/4]、B[w/4,3*h/4]、C[3*w/4,3*h/4]、D[3*w/4,h/4]四点圈起来的区域，包括了一般的大部分的感兴趣拍照场景。

在一些实施例中，所述步骤S30计算所述ROI区域内图像的各色彩通道的梯度信息得出梯度图中采用Sobel计算方法，其中，计算梯度信息的图像色彩分量无特殊要求，各个色彩分量上均可计算，且得到的最终结果也均可作为该分量上的清晰度对比的评价标准。比如RGB三通道24位模型下分别在R,G,B通道上处理，HSV色彩模型下基于亮度通道V的处理，YUV色彩模型下基于亮度通道Y的处理，且得到的最终结果也均可作为该分量上的清晰度对比的评价标准。本实施例中提到的Sobel计算方法，即用如下卷积模板Gx，Gy对图像的单一通道数据做卷积

Gx模板卷积得到图像矩阵Cx，Gy模板卷积得到图像矩阵Cy，最终的sobel卷积结果Cres为(Cx*Cx+Cy*Cy)的平方根。

在一些实施例中，所述步骤S50截取各个直方图分布中强度最高的前T％像素数的一段分布中的T值选为10，考虑图像梯度信息中噪声成分对梯度的贡献，照片景物内容对梯度的贡献的权衡。

在一些实施例中，在所述步骤S70后还包括标记清晰度最高的照片，并突出显现该清晰度最高的照片。具体为，通过对比各照片的标量值，标量值最高的照片为清晰度最高的照片，然后将该照片在相册进行突出显示，让用户直观获得该照片为该组同场景照片清晰度最高的。

在一些实施例中，在所述步骤S70后还包括根据清晰度的高低对同场景照片进行排序。具体为，通过对比各照片的标量值，按标量值高低对该组同场景照片进行排序，使得用户清楚知道各清晰度情况。

综上，本发明的工作原理如下：

本发明提供的一种基于一组同场景照片清晰度的评价方法，包括以下步骤：S10.获取一组多张的同场景照片；S20.选定所述同场景照片的ROI区域；S30.计算所述ROI区域内图像的各色彩通道的梯度信息得出梯度图；S40.对所述梯度图按照普通灰度图方式统计其直方图分布；S50.截取各个直方图分布中强度最高的前T％像素数的一段分布，其中T为可调控的参数；S60.对所截取分布进行各自的加权平均得到一个标量值；S70.根据所述标量值判断所述同场景照片的清晰度。能够快速稳定、良好抗噪且与主观评价基本无偏的给出对一组同场景照片的清晰度评价，并且以此提供该组照片的对比和选优。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。