专利名称：一种图像的质量分析方法及装置的制作方法
一种图像的质量分析方法及装置技术领域
本申请涉及图像的识别技术，尤其涉及一种图像的质量分析方法及装置。
背景技术：
随着网上购物的日益流行，商家越来越多的通过图像来向用户进行产品的展示。 产品图像的质量好坏影响着产品的展示效果，不管是对产品购买者的购买体验还是商家的 产品销售量都有着重要影响。这里，产品图像的清晰度、图像中产品与背景的对比度等都可 以作为产品图像的质量分析因素，决定着产品图像的质量。
随着社交网络及各种其他网络的发展，用户会在网上展示各种各样的照片，如人 物照片、自然风光照片、家居摆设等各种照片，针对这些目标物拍摄后形成的图像中，目标 物和背景的对比度、图像的清晰度等都会影响到图像的质量好坏，这些照片图像的质量好 坏也会影响到图像的展示及传播效果。
现有技术中对于图像质量进行分析的系统，一般仅是对图像本身的清晰度进行分 析，无法对图像的质量进行综合分析。。尤其是对产品图像的质量分析评价还停留于人工进 行主观识别、评价分析的阶段，没有专门针对产品图像的质量分析方法。发明内容
有鉴于此，本申请要解决的技术问题是，提供一种图像的质量分析方法及装置，能 够进行图像的质量分析。
为此，本申请实施例采用如下技术方案
本申请实施例提供一种图像的质量分析方法，包括
从图像中确定目标区域和背景区域；
根据所述目标区域和/或背景区域计算图像的特征参数；
将计算得到的特征参数作为预设的质量计算模型的输入值，计算得到所述特征参 数对应的图像质量分析结果。
本申请实施例一种图像的质量分析系统，包括
确定单元，用于从图像中确定目标区域和背景区域；
第一计算单元，用于根据所述目标区域和/或背景区域计算图像的特征参数；
第二计算单元，用于将计算得到的特征参数输入到预设的质量计算模型中，计算 得到所述特征参数对应的图像质量分析结果。
对于上述技术方案的技术效果分析如下
本申请实施例中首先从图像中确定目标区域和背景区域；根据所述目标区域和/ 或背景区域计算图像的特征参数；最后，将计算得到的特征参数输入到预设的质量计算模 型中，得到所述特征参数对应的图像质量分析结果。从而实现了对于图像的质量分析。
图1为本申请实施例所适用的网络结构示意图2为本申请实施例一种图像的质量分析方法流程示意图3为本申请实施例另一种图像的质量分析方法流程示意图4为本申请实施例一种图像的质量分析系统结构示意图5为本申请实施例图像的质量分析系统中一个单元的实现结构示意图。
具体实施方式
为使本领域技术人员更加清楚的理解本申请实施例，首先介绍本申请实施例可以 应用的网络环境。如图1所示，包括网站服务器Iio以及客户端120，所述客户端120用于 向网站服务器110传输图像；所述网站服务器110用于对接收到的每个图像进行质量分析， 将质量分析结果返回给客户端120。
以下，结合附图详细说明本申请实施例图像质量分析方法及系统的实现。
图2为本申请实施例图像质量分析方法流程示意图，该方法可以适用于网站服务 器110中；如图2所示，该方法包括
步骤201 :从图像中确定目标区域和背景区域；
步骤202 :根据所述目标区域和/或背景区域计算图像的特征参数；
步骤203 :将计算得到的特征参数作为预设的质量计算模型的输入值，计算得到 所述特征参数对应的图像质量分析结果。
所述目标区域为针对目标物拍摄、制作后所形成的图像中目标物所覆盖的区域， 也就是，图像中背景区域之外的区域，以产品图像为例，其目标区域为产品区域；以人物图 像为例，其目标区域为人物覆盖区域。图2所示的本申请实施例中，首先从图像中确定目 标区域和背景区域；根据所述目标区域和/或背景区域计算图像的特征参数；最后，将计算 得到的特征参数输入到预设的质量计算模型中，得到所述特征参数对应的图像质量分析结 果。从而实现了对于图像的质量分析。
在图2的基础上，通过图3对本申请实施例图像质量分析方法进行更为详细的说 明。如图3所示，该方法包括
步骤301 :获取图像的数据。
其中，在具体实现中，所述图像的来源可能不同，例如，可能是直接从客户端获取 图像的数据，或者，也可以是预先从客户端获取并存储于网站服务器的图像等，这里并不限定。
步骤302 :确定该图像的预设面积比例的外边框区域。
例如，可以预设面积比例为20%，则位于目标图像最外围的20%面积的区域，SP 为所确定的外边框区域。
一般的，可以认为在多数的图像中，尤其是产品图像中，目标物拍摄中的背景所形 成的图像一般位于目标物图像的外围，而目标物所形成的图像则位于整个图像的较为中心 的位置；具体到产品的拍摄，产品拍摄中的背景所形成的图像一般位于产品图像的外围，而 产品所形成的图像则位于整个产品图像的较为中心的位置。因此，一般外边框区域所包含 的图像主要是背景所形成的图像；而图像中背景部分一般颜色较为单一，也即区域平坦度 较高。从而，通过对外边框区域进行后续步骤中的操作，即可以确定出整个图像的背景区域的主要颜色以及背景区域的种子区域，通过种子区域向外的生长，最终得到整个背景区域， 也即完成了背景区域以及目标区域的确定。
其中，种子区域是指本申请实施例进行图像处理时所确定的初始区域。
步骤303 :对所述外边框区域进行聚类处理，得到nl类颜色的颜色区域；
其中，所述聚类处理可以包括首先每个像素对应一个类别，然后计算不同类别的中心之间的距离，若距离小于阈值，则将两类合并；如此反复迭代，直到不存在中心之间的距离小于阈值的两类，则聚类完成。
其中，这里的nl类颜色中，每种颜色所对应的颜色区域可能是一个区域，也可能是互不连通的多个区域。
步骤304 :分别计算nl类颜色的颜色区域在外边框区域中所占的面积比重，选择出面积比重超过比重阈值的π2类颜色的颜色区域；
步骤305 :分别计算选择出的η2类颜色的颜色区域的区域平坦度，选择出区域平坦度超过平坦度阈值的η3类颜色的颜色区域，将这些区域平坦度超过平坦度阈值的颜色区域作为背景区域的种子区域。
其中，nl彡 n2 彡 n3 > 0，nl、n2、n3 为自然数。
以上的步骤304和步骤305是从nl类颜色的颜色区域中确定背景区域所包含的颜色，也即是将外边框区域中所占面积比重最大，且区域平坦度最高的π3类颜色作为背景区域所包含的颜色。而这η3类颜色的颜色区域即为背景区域的种子区域。
步骤306 :以种子区域为中心，确定与种子区域相邻的各个像素点与其相邻种子区域中的像素点之间的颜色欧氏距离不大于图像标准差的预设倍数时，将该像素点添加到种子区域中，直到种子区域相邻的所有像素点与其相邻种子区域中的像素点之间的颜色欧氏距离大于图像标准差的预设倍数。
所述预设倍数一般大于0，小于1，优选地，可以设置为O. 5。
本步骤是一个种子区域根据颜色标准差进行区域生长的过程，通过该过程，可以将每个种子区域周围的背景 区域添加到种子区域中来，从而最终得到所有的背景区域的过程。
通过本步骤的处理，越复杂的图像会具有更高的图像标准差，则种子区域具有更强的生长能力，不容易欠生长，反之简单的图像的生长能力较弱，不容易产生过生长的情况。
步骤307 :将图像中所有种子区域确定为背景区域，所有种子区域之外的区域，也即背景区域之外的区域确定为目标区域。
以上的步骤302 步骤307即为从图像中确定目标区域的一种具体实现步骤。通过步骤303 步骤305，从外边框区域中确定背景区域所包含的颜色，以及进行区域生长的种子区域；后续通过步骤306中对种子区域进行生长，从而可以得到外边框区域之外区域中的背景区域，完成了各个种子区域的生长后，可以认为，所有种子区域构成了该图像的背景区域；而背景区域之外的区域则为图像中目标物所对应的图像，也即为目标区域。
步骤308 :根据所述目标区域和/或背景区域计算图像的特征参数。
其中，所述特征参数可以包括背景复杂度，和/或，前背景对比度，和/或，全局清晰度，和/或，目标物尺寸，如产品尺寸；具体的，
1、背景复杂度，用于表示图像的杂乱程度。
所述背景复杂度可以通过平均梯度值来表示，一般的，平均梯度值越大，则背景复杂度越高，背景越复杂。
所述平均梯度值的计算方法可以包括根据所述背景区域，提取出该背景区域的平均梯度值。
所述提取背景区域的平均梯度值的方法可以包括
使用sobel算子求取图像的梯度强度图G ；
根据所述梯度强度图G统计背景区域的梯度强度总和Sg和背景区域的像素点个数Pn ；
根据所述梯度强度总和Sg以及像素点个数Pn计算背景区域的平均梯度值T，公式可以为
T = Sg/Pn。
2、前背景对比度，用于反映目标区域和背景区域的对比强度。
所述前背景对比度的计算方法可以包括
对目标区域进行聚类处理，得到预设η类颜色的颜色区域，并计算每种颜色区域在目标区域中的面积比重Ai(i大于等于1，小于等于η);并且，对背景区域进行聚类处理， 得到预设m类颜色区域，并计算每种颜色区域在目标区域中的面积比重Dj (j大于等于1，小于等于Π1)沿和!!!为自然数；
计算目标区域中每种颜色与背景区域中每种颜色之间的欧式距离Lij ；
根据颜色之间的欧氏距离以及颜色的面积比重计算所述前背景对比度M。
具体的计算公式可以为
权利要求
1.一种图像的质量分析方法，其特征在于，包括 从图像中确定目标区域和背景区域； 根据所述目标区域和/或背景区域计算图像的特征参数； 将计算得到的特征参数作为预设的质量计算模型的输入值，计算得到所述特征参数对应的图像质量分析结果。
2.根据权利要求1所述的方法，其特征在于，所述从图像中确定目标区域和背景区域包括 确定图像的预设面积比例的外边框区域； 对所述外边框区域进行聚类处理，得到预设nl类颜色的颜色区域；nl为自然数； 根据所述nl类颜色的颜色区域确定背景区域的种子区域； 以种子区域为中心，确定与种子区域相邻的各个像素点与其相邻种子区域中的像素点之间的颜色欧氏距离不大于图像标准差的预设倍数时，将该像素点添加到种子区域中，直到种子区域相邻的所有像素点与其相邻种子区域中的像素点之间的颜色欧氏距离大于图像标准差的预设倍数； 将所有种子区域作为图像的背景区域，所有种子区域之外的区域作为图像的目标区域。
3.根据权利要求2所述的方法，其特征在于，所述根据所述nl类颜色的颜色区域确定背景区域的种子区域包括 分别计算nl类颜色的颜色区域在外边框区域中所占的面积比重，选择出面积比重超过比重阈值的π2类颜色的颜色区域； 分别计算所述η2类颜色的颜色区域的区域平坦度，选择出区域平坦度超过平坦度阈值的η3类颜色的颜色区域，将所述η3类颜色的颜色区域作为所述种子区域；nl >η2 >η3，且，η2、η3为自然数。
4.根据权利要求1至3任一项所述的方法，其特征在于，图像的特征参数包括背景复杂度，和/或，前背景对比度，和/或，全局清晰度，和/或，目标物尺寸。
5.根据权利要求4所述的方法，其特征在于，根据所述目标区域和/或背景区域计算图像的背景复杂度包括 根据所述背景区域，提取出该背景区域的平均梯度值，将该平均梯度值作为背景复杂度的数值。
6.根据权利要求4所述的方法，其特征在于，根据所述目标区域和/或背景区域计算图像的前背景对比度包括 对目标区域进行聚类处理，得到预设η类颜色区域，并计算每种颜色区域在目标区域中的比重值Ai，i大于等于1，小于等于η;并且，对背景区域进行聚类处理，得到预设m类颜色区域，并计算每种颜色区域在目标区域中的比重值Dj，j大于等于1，小于等于m;n和m为自然数； 计算目标区域中每种颜色与背景区域中每种颜色之间的欧式距离Lij ； 根据颜色之间的欧氏距离以及颜色的比重值计算所述前背景对比度
7.根据权利要求4所述的方法，其特征在于，根据所述目标区域和/或背景区域计算图像的全局清晰度包括 将目标区域划分为预设大小的图像块，对每一图像块的像素值进行DCT变换，得到该图像块的DCT系数矩阵； 根据各个图像块的DCT系数矩阵创建对应图像块的统计直方图； 根据各个图像块的统计直方图以及加权矩阵计算目标区域的全局清晰度。
8.根据权利要求4所述的方法，其特征在于，根据所述目标区域和/或背景区域计算图像的目标物尺寸包括 确定目标物区域的面积以及整个图像区域的总面积；计算目标区域在图像区域中的面积比重； 和/或， 计算目标区域中最小外接矩形，得到该矩形的长度值和宽度值。
9.根据权利要求1至3任一项所述的方法，其特征在于，预设的质量计算模型的建立方法为 抽取一定数量的图像作为训练样本，分别对所述图像进行特征参数的提取；并且，预先设定每一图像的图像质量分析结果； 根据所述图像的特征参数以及图像质量分析结果进行训练，学习出以图像的特征参数为输入、图像质量分析结果为输出的SVM拟合模型，将该SVM拟合模型作为所述预设质量计算模型。
10.根据权利要求1至9任一项所述的方法，其特征在于，还包括 接收用户的搜索请求，根据搜索请求中携带的目标物特征信息进行目标物的搜索，得到目标物搜索结果；根据目标物对应的各个图像的质量分析结果计算目标物对应的图像质量分析结果； 依次判断所述搜索结果中各个目标物的图像质量分析结果是否大于预设的分析结果阈值，如果否，从所述搜索结果中删除该目标物对应的信息；如果是，在所述搜索结果中保留该产品对应的信息； 或者，该方法还包括 接收用户的搜索请求，根据搜索请求中携带的目标物特征信息进行目标物的搜索，得到目标物搜索结果；根据目标物对应的各个图像的质量分析结果计算目标物对应的图像质量分析结果； 根据所述目标物的图像质量分析结果对目标物搜索结果进行排序。
11.一种图像的质量分析系统，其特征在于，包括 确定单元，用于从图像中确定目标区域和背景区域； 第一计算单元，用于根据所述目标区域和/或背景区域计算图像的特征参数； 第二计算单元，用于将计算得到的特征参数输入到预设的质量计算模型中，计算得到所述特征参数对应的图像质量分析结果。
全文摘要
本申请公开了一种图像的质量分析方法，包括从图像中确定目标区域和背景区域；根据所述区域和/或背景区域计算图像的特征参数；将计算得到的特征参数作为预设的质量计算模型的输入值，计算得到所述特征参数对应的图像质量分析结果。本申请还公开了一种图像的质量分析系统，该方法及系统能够进行图像的质量分析。
文档编号G06T7/00GK103020947SQ20111028689
公开日2013年4月3日 申请日期2011年9月23日 优先权日2011年9月23日
发明者陈克, 邓宇 申请人:阿里巴巴集团控股有限公司